線性數據結構——鏈表、堆棧和隊列
二叉樹嚴格控制了每個結點最多只能有兩個後繼結點（簡稱“兒子”）控制了這樣的結構之後，這棵樹就比普通的樹簡單很多
我們再用二叉樹來做點有意義的事情，比如說保持結構裏面結點的大小順序等等，於是我們就有一個更實用的樹結構：二叉查找樹（Binary Search Tree） 
在二叉樹的基本定義上，二叉查找樹有一層更深的定義：左兒子的元素大小嚴格小於父結點，右兒子的元素大小嚴格大於父結點。這樣的話，進行搜索的時候，從根結點出發，如果想要找的元素比這個結點小，向左搜，否則向右搜。這樣的搜索效率竟然可以控制到平均O(log n)！實在是太快了！
不過，O(log n)的效率僅限於一棵比較隨機的二叉查找樹，如果一棵二叉查找樹，兒子永遠比父親大，那麼就會變成一條直線，效率也是隻有O(n)而已。那麼效率就變得很虛無飄渺了。
幸好，偉大的計算機科學家們在二叉查找樹的基礎上，加上了自動平衡的算法，因此創造出AVL樹（AVL Tree）：
最佳二叉排序樹通常用於存儲構造後就不經常改動的靜態字典；對於動態字典，在進行元素的插入和刪除操作時，爲了能夠較快地對二叉排序樹進行調整，通常不要求二叉排序樹調整到“最佳的”檢索效率，而是希望達到“較佳”的狀態。
保持二叉排序樹平衡的一個有效方法，即構造平衡二叉排序樹，又稱AVL樹。平衡二叉排序樹具有下列性質∶每個結點左、右子樹深度之差的絕對值不超過1。結點右子樹深度與左子樹深度之差定義爲該結點的平衡因子，平衡二叉排序樹中每個結點的平衡因子只能是1、0或－1。
n個結點的AVL樹的高度一定是O（log n）
檢索，插入，刪除的效率是O（log 2 n）
適用於組織較小的，內存中的目錄
AVL樹的平衡條件是：左兒子高度與右兒子高度相差不超過1，上圖則是給出了平衡算法。告訴大家該怎麼樣對樹進行旋轉，而得到一棵新的平衡樹。
AVL樹的效率已經非常可觀了，平衡之後整棵樹的訪問效率爲O(log n)，插入移除效率O(log n)，可謂十分迅速！
但是人們總是不知足的，與其通過分析樹本身結構來調整，倒不如自己創建標記，再根據標記來調整，減少旋轉次數！於是紅黑樹（Red Black Tree）就此誕生：
hash表：
hashing定義了一種將字符組成的字符串轉換爲固定長度（一般是更短長度）的數值或索引值的方法，稱爲散列法，也叫哈希法。由於通過更短的哈希值比用原始值進行數據庫搜索更快，這種方法一般用來在數據庫中建立索引並進行搜索，同時還用在各種解密算法中。
堆：
堆特點：堆頂元素是整個序列最大或者最小的元素。
堆排序：
堆排序例題：