數據結構和算法是編程的基礎，優秀的開源項目和JDK源碼可以看到裏面充斥着這些，那，如果你覺得看這些源碼吃力的話，比如netty中使用了雙向鏈表，如果你練概念都不清楚，就更別談能不能看懂了，看了網上其他人的文章，有的寫的真的非常好，我就借鑑一下，順便把自己的理解也share下。
1.數據結構
數據結構：計算機存儲和組織數據的一種方式，指相互之間存在一種或多種特定關係的元素的集合
數據結構的基本功能
- 如何插入一條新的數據
- 如何查找指定的數據
- 如何刪除指定的數據
- 如何實現迭代，對所有數據進行操作
常用數據結構
先看下這些數據結構的優缺點
2.算法
五個特徵
- 有窮性：對於任意一組合法輸入值，在執行又窮步驟之後一定能結束，即：算法中的每個步驟都能在有限時間內完成。
- 確定性：在每種情況下所應執行的操作，在算法中都有確切的規定，使算法的執行者或閱讀者都能明確其含義及如何執行。並且在任何條件下，算法都只有一條執行路徑。
- 可行性：算法中的所有操作都必須足夠基本，都可以通過已經實現的基本操作運算有限次實現之。
- 有輸入：作爲算法加工對象的量值，通常體現在算法當中的一組變量。有些輸入量需要在算法執行的過程中輸入，而有的算法表面上可以沒有輸入，實際上已被嵌入算法之中。
- 有輸出：它是一組與“輸入”有確定關係的量值，是算法進行信息加工後得到的結果，這種確定關係即爲算法功能。
設計原則
①、正確性：首先，算法應當滿足以特定的“規則說明”方式給出的需求。其次，對算法是否“正確”的理解可以有以下四個層次：
一、程序語法錯誤。
二、程序對於幾組輸入數據能夠得出滿足需要的結果。
三、程序對於精心選擇的、典型、苛刻切帶有刁難性的幾組輸入數據能夠得出滿足要求的結果。
四、程序對於一切合法的輸入數據都能得到滿足要求的結果。
PS：通常以第 三 層意義的正確性作爲衡量一個算法是否合格的標準。
②、可讀性：算法爲了人的閱讀與交流，其次纔是計算機執行。因此算法應該易於人的理解；另一方面，晦澀難懂的程序易於隱藏較多的錯誤而難以調試。
③、健壯性：當輸入的數據非法時，算法應當恰當的做出反應或進行相應處理，而不是產生莫名其妙的輸出結果。並且，處理出錯的方法不應是中斷程序執行，而是應當返回一個表示錯誤或錯誤性質的值，以便在更高的抽象層次上進行處理。
④、高效率與低存儲量需求：通常算法效率值得是算法執行時間；存儲量是指算法執行過程中所需要的最大存儲空間，兩者都與問題的規模有關。
前面三點 正確性，可讀性和健壯性相信都好理解。對於第四點算法的執行效率和存儲量，我們知道比較算法的時候，可能會說“A算法比B算法快兩倍”之類的話，但實際上這種說法沒有任何意義。因爲當數據項個數發生變化時，A算法和B算法的效率比例也會發生變化，比如數據項增加了50%，可能A算法比B算法快三倍，但是如果數據項減少了50%，可能A算法和B算法速度一樣。所以描述算法的速度必須要和數據項的個數聯繫起來。也就是“大O”表示法，它是一種算法複雜度的相對錶示方式，這裏我簡單介紹一下，後面會根據具體的算法來描述。
相對(relative)：你只能比較相同的事物。你不能把一個做算數乘法的算法和排序整數列表的算法進行比較。但是，比較2個算法所做的算術操作（一個做乘法，一個做加法）將會告訴你一些有意義的東西；
表示(representation)：大O(用它最簡單的形式)把算法間的比較簡化爲了一個單一變量。這個變量的選擇基於觀察或假設。例如，排序算法之間的對比通常是基於比較操作(比較2個結點來決定這2個結點的相對順序)。這裏面就假設了比較操作的計算開銷很大。但是，如果比較操作的計算開銷不大，而交換操作的計算開銷很大，又會怎麼樣呢？這就改變了先前的比較方式；
複雜度(complexity)：如果排序10,000個元素花費了我1秒，那麼排序1百萬個元素會花多少時間？在這個例子裏，複雜度就是相對其他東西的度量結果。
然後我們在說說算法的存儲量，包括：
程序本身所佔空間；
輸入數據所佔空間；
輔助變量所佔空間；
一個算法的效率越高越好，而存儲量是越低越好。