线性表定义：
1、0个或多个元素的集合
2、元素之间是有序的
3、元素个数有限
4、元素数据的类型必须相同
顺序表：线性表的顺序存储结构
链表：线性表的链式存储
链表
链表是一种由节点（Node）组成的线性数据集合，每个节点通过指针指向下一个节点。它是一种由节点组成，并能用于表示序列的数据结构。
- 单链表：每个节点仅有一个指针指向下一个节点，最后一个节点指向空（null）。
- 双链表：每个节点有两个指针p，n。p指向前一个节点，n指向下一个节点；最后一个节点指向空。
- 循环链表：每个节点指向下一个节点，最后一个节点指向第一个节点。
- 时间复杂度：
索引：O(n)
查找：O(n)
插入：O(1)
删除：O(1)
栈
栈是一个元素集合，支持两个基本操作：push用于将元素压入栈，pop用于删除栈顶元素。
后进先出的数据结构（Last In First Out, LIFO）
- 时间复杂度
索引：O(n)
查找：O(n)
插入：O(1)
删除：O(1)
队列
队列是一个元素集合，支持两种基本操作：enqueue 用于添加一个元素到队列头，dequeue 用于删除队列尾的一个元素。
先进先出的数据结构（First In First Out, FIFO）。
- 时间复杂度
索引：O(n)
查找：O(n)
插入：O(1)
删除：O(1)
二叉树
二叉树是一个树形数据结构，每个节点最多可以有两个子节点，称为左子节点和右子节点。
-
满二叉树（Full Binary Tree）：每一个层的结点数都达到最大值（国内定义）；二叉树中的每个节点有 0 或者 2 个子节点（国外定义）。
-
完全二叉树：二叉树中除最后一层外其他各层的节点数均达到最大值，最后一层的节点都连续集中在最左边。
-
完美二叉树（Perfect Binary Tree）：二叉树中的每个节点有两个子节点，并且所有的叶子节点的深度是一样的。
-
二叉树的遍历：
– 先序遍历：根左右。非递归方法：用一个辅助栈
– 中序遍历：左根右
– 后序遍历：左右根
已知先序遍历序列和中序遍历序列，求出后序序列 或者 已知中序序列和后序序列，求出先序遍历。但是不能由先序遍历序列+后序遍历序列求出中序遍历序列。
二叉树的度数和节点数的关系
- 总度数（从上往下找边的总数）= 节点数-1（从下往上找边的总数）
2*n2+n1 = n2 + n1 + n0 - 1
二叉查找树
二叉查找树（BST）是一种二叉树。其任何节点的值都大于等于左子树中的值，小于等于右子树中的值。
- 时间复杂度
索引：O(log(n))
查找：O(log(n))
插入：O(log(n))
删除：O(log(n))
字典树trie
字典树，又称为基数树或前缀树，是一种用于存储键值为字符串的动态集合或关联数组的查找树。树中的节点并不直接存储关联键值，而是该节点在树中的位置决定了其关联键值。一个节点的所有子节点都有相同的前缀，根节点则是空字符串。
树状数组
树状数组，又称为二进制索引树（Binary Indexed Tree，BIT），其概念上是树，但以数组实现。数组中的下标代表树中的节点，每个节点的父节点或子节点的下标可以通过位运算获得。数组中的每个元素都包含了预计算的区间值之和，在整个树更新的过程中，这些计算的值也同样会被更新。
- 时间复杂度
区间求和：O(log(n))
更新：O(log(n))
堆
堆是一种基于树的满足某些特性的数据结构：整个堆中的所有父子节点的键值都满足相同的排序条件。堆分为最大堆和最小堆。在最大堆中，父节点的键值永远大于等于所有子节点的键值，根节点的键值是最大的。最小堆中，父节点的键值永远小于等于所有子节点的键值，根节点的键值是最小的。
- 时间复杂度
索引：O(log(n))
查找：O(log(n))
插入：O(log(n))：新节点在最右下的位置，作为叶子节点，上浮到合适位置
删除：O(log(n))：删除堆顶元素。用最后一个节点替换根节点，从根节点自上而下进行堆调整。
删除最大值/最小值：O(1)
哈希
哈希用于将任意长度的数据映射到固定长度的数据。哈希函数的返回值被称为哈希值、哈希码或者哈希。如果不同的主键得到相同的哈希值，则发生了冲突。
Hash Map：hash map 是一个存储键值间关系的数据结构。HashMap 通过哈希函数将键转化为桶或者槽中的下标，从而便于指定值的查找。
- 冲突解决
链地址法（Separate Chaining）：在链地址法中，每个桶（bucket）是相互独立的，每一个索引对应一个元素列表。处理HashMap 的时间就是查找桶的时间（常量）与遍历列表元素的时间之和。
开放地址法（Open Addressing）：在开放地址方法中，当插入新值时，会判断该值对应的哈希桶是否存在，如果存在则根据某种算法依次选择下一个可能的位置，直到找到一个未被占用的地址。开放地址即某个元素的位置并不永远由其哈希值决定。线性探测，二次探测，随机探测等。
并查集
http://dongxicheng.org/structure/union-find-set/
AVL树与红黑树
红黑树
https://blog.csdn.net/ivan_zgj/article/details/51504764
红黑树树是一种二叉搜索树。性质：
性质1. 节点是红色或黑色。
性质2. 根节点是黑色。
性质3 每个叶节点（NIL节点，空节点）是黑色的。
性质4 每个红色节点的两个子节点都是黑色。(从每个叶子到根的所有路径上不能有两个连续的红色节点)
性质5. 从任一节点到其每个叶子的所有路径都包含相同数目的黑色节点。
插入的节点是红色，至多2次旋转。删除至多3次旋转。
AVL树
AVL树是一种二叉搜索树，每个结点的左右子树的高度之差的绝对值（平衡因子）最多为1，是严格平衡的。查找、插入、删除操作的复杂度都是O(logn)
红黑树也是一种二叉搜索树，从根到叶子的最长的可能路径不多于（<=）最短的可能路径的两倍长，因此它只是大致平衡的。查找、插入、删除操作的复杂度都是O(logn)
所以红黑树的统计性能要优于AVL树。
http://www.cnblogs.com/skywang12345/p/3245399.html
B树和B+树
https://www.cnblogs.com/vincently/p/4526560.html
https://www.sohu.com/a/156886901_479559
B树（B-tree）是一种树状数据结构，它能够存储数据、对其进行排序并允许以O(log n)的时间复杂度运行进行查找、顺序读取、插入和删除的数据结构。B树，概括来说是一个节点可以拥有多于2个子节点的二叉查找树。与自平衡二叉查找树不同，B-树为系统最优化大块数据的读和写操作。B-tree算法减少定位记录时所经历的中间过程，从而加快存取速度。普遍运用在数据库和文件系统。”
B+树的非叶子结点只包含导航信息，不包含实际的值，所有的叶子结点和相连的节点使用链表相连，便于区间/范围查找和遍历。