一，数组，链表，跳表的基本实现和特性
1.1数组（array或者叫array list）的常见写法
java,c++: int a[100]; #100表示数组的大小
python: list = []
javescript: let x = [1,2,3]
1.2数组创建和访问，增加和删除
如下图，创建数组时是在内存空间中开辟一段连续的空间，当访问的时候时通过内存管理器来进行访问，访问每个元素的时间复杂度都为O(1),可以随机的访问任何一个元素，所以访问时间时非常快的。
数组的增加和删除涉及到很多的移动，在java中使用arraycopy来实现的，并且如果当前数组长度不够，还会copy到一个新数组中，这样时间复杂度和空间复杂度都是比较高的，因此在修改，增加，增加操作比较频繁的场景下数组时不合适的。
时间复杂度：
1.3 链表（linkd list）
链表在创建好之后时有value和next组成，next指向下一个元素，串在一起就形成了一个类似于数组的几个结构。
它的每一个元素一般用class来定义，这个class一般叫做node，这个node有两个成员变量，一个是value(也可以是一个类，类型很丰富)，一个是next指针。
链表的类型:
单向链表，双向链表，循环链表
链表的实现：
增加，删除，访问的时间复杂度：
增加删除只是移动元素的指针，不涉及批量元素的平移删除，所以时间复杂度为O(1),访问的话只能从开头进行访问，就会比较复杂。
时间复杂度：
1.4 跳表（Skip list）
对链表进行优化形成了跳表，虽然是基于链表的，但是出现的时间比二叉树等高级数据结构要出现的晚。
比如我们在数据库中使用链表存储的时候是按照有序来存储的，如下：
现在如果我们查找5或者9，在数组中可以使用二分查找很快就找到。但是如果是一个链表呢，使用什么来进行加速呢？
跳表的特点：
如何给有序的链表加速：
一维的数据结构要加速，一般要升维，变成二维，所以我们在原始链表上添加一级索引增加一维：
添加二级索引，可以再增加一维：
下面是一个五级索引的查找过程：
最终得到跳表的时间复杂度为：
现实中的跳表：
因为会增加删除元素，造成他的结构并不是工整的，有些地方跨的多，有些会跨的少。
跳表的劣势：
增加删除元素时，需要对这个元素每一层的索引都进行更新。
这种情况下增加删除的时间复杂度就为logn了
跳表的空间复杂度:
现在的各种语言中都已经封装好了Linkd list,我们直接使用就好了。
总结：
1.数组的时间复杂度（重要）
2.工程应用（redis,LUR）
3.跳表的思想：升维-用空间换时间
二，栈（stack）与队列(queue)
关键点：
stack先进后出，添加删除的时间复杂度都为O(1)，因为是无序的，所以查询时间复杂度为O(n)，需要将数据都遍历一遍。
queue先进先出，添加删除的时间复杂度都为O（1），因为是无序的，所以查询时间复杂度为O(n)，需要将数据都遍历一遍。
模型图如下：
实战中纯的stack和queue使用是很少的。
三，双端队列（Deque）
相对于stack和queue实战中使用较多的是Deque，是stack两者的结合体，两端都可以进，也都可以出。
模型图如下：
时间复杂度：
添加和删除的时间复杂度是O(1),查询的时间复杂度是O(n)
四，优先队列（priority queue）
关键点：
- 插入时间复杂度O（1）
- 取出时间复杂度O(logn),按元素优先级取出，相对于普通的队列取出的时间复杂度是增加了，不再是先进先出，但是应用场景比较广泛，可以应用在VIP优先级高的场景。
- 底层实现的数据结构较为复杂和多样性，可以是heap,bst等等，优先队列定义的也是一个接口，或者说是一种抽象的数据结构。
小结：