最常见的数据结构：数组、链表结构，以及最基本的元数据处理算法

• 查找算法：枚举查找、哈希查找、二分查找。最常见的应用场景是：内存缓存数据查询
• 排序算法：选择排序、冒泡排序、快速排序、插入排序、归并排序。最常见的应用场景是：内存缓存数据排序

查找算法

• 用处最广的算法，一般而言，使用枚举查找，时间复杂度O(n)。对于大多数场景，是在一个小数据量（通常在内存数组或链表等结构）中存储的数据的查找。
• 如果还想更快，只能引入散列表（也称为哈希表），通过有逻辑的hash函数，来实现O(1)级别的查找。通常使用的字典、hash_map就是这种。这里，哈希函数是实现该任务的最关键因素，也是决定程序是否真的比枚举好的决定性因素（因为通常枚举实现非常简单，程序不会有bug，但是哈希函数，需要考虑内存存储空间的消耗、需要考虑哈希函数映射关系、需要考虑哈希函数本身实现的性能消耗等，所以比较适合采用现有成熟的组件来使用）。使用哈希查找，是最典型的用空间换取时间的方法，如果有100w个数据要查找，可以建立100w个hash桶，通过hash算法直接映射到这100w个桶中，就可以实现瞬间查找。但是实际上，我们通常是无法这么做到，通常会将桶到个数，限制到有限个，例如1w个，而进一步将数据平缓到映射到这1w个当中。其实hash函数本质上，也是做数据均匀分类到一种有效机制。要做到均匀分类，实际上就是要做到用均等概率，来映射每个值，保证hash分类产生均等概率函数。
• 二分查找，真正使用的场景比较小，因为它受限于数据采用顺序排序的方式存储。不过之所以使用场景比较小，是因为我们很少用到需要非常大量的查询的性能消耗场景，因为大多都是在内存中对小量数据数组进行查找，而这些数据，查找和修改的频率，不会相差太大。真正用途较广的，或许只有一些组件中使用。但是正因为我们使用得非常少，说明我们对性能的追求，并为达到极致，实战中，还应该更多的考虑这些点。

哈希函数实现方式

ToDo

排序算法

• 最常使用的是选择排序，时间复杂度O(n^2)，每次选择最小的值，交换到首位。我们不在乎这一点点性能消耗，也是由于n通常会非常小，通常为千级别，而且它实现最简单，我们也可以利用多线程技术，让这种想对稍微耗时操作放置在独自的线程中异步处理。说白了，还是数据量不够巨大，对性能追求不高。
• 冒泡排序，时间复杂度虽然也为O(n^2)，但是通常不使用它，因为我们操作的数据块，通常是多线程使用，我们希望读更可能多，而写更可能少。冒泡排序相对于选择排序，它几乎每次操作都在写数据，对于数据的比较，它没有比选择排序耗时少，而增加了写操作。简单来说，冒泡排序是减少了一个全局变量的存储空间消耗（选择排序使用一个x_min内存变量，来表征全局最小），每次依靠本数组的数据交换，来实现将最小值不断往前提升。不过另外一方面，它每次交换，都会让小数往左，大数往右，每次比较的同时，整体进行来调整，一般而言，最终操作的步数，应该是要比选择排序少，因为很可能到提前将所有数据都排序完成。不过总体来说，使用频率不如选择排序。
• 快速排序，利用了递归的机制，每次选择一个基准值，将比它小的靠左，比它大的靠右放，然后利用递归，分别对左侧的数据和右侧的数据，再次进行前面相同的操作。这样，它将本来要用O(n^2)的时间消耗，降低到O(nlog(n))，它的本质，跟冒泡排序有点像，都是每次的操作，都整体操作数据，使得情况变得比上一次好。不过它比冒泡排序优良的点在于，冒泡排序虽然也是整体数据调整，每次都比上一次好，但是算法本身并未对这个好产生感知，最终的效果是，即时中间步骤已经排序完成，最终也还是需要遍历到结尾。而快速排序在这一点上进行了改进，每次情况变得更好，还能通过操作步数的减少，尽可能的展示这种变好的可能情况，而它减少步数的操作的本质是，每一次操作都将整个长度除以2，也就是，拆分log(n)层，就基本上将整个数据拆分成2个。这里边其实还有一个因素在于，拆分这个动作，其实也是耗时了，相比于冒泡排序、选择排序，拆分这个动作是多余出来的，但是由于拆分只是递归中栈指针和几个寄存器的操作，耗时可以忽略不计，正是利用了这种耗时权重的意义的东西，才造就了快速排序优良的性能优势。
• 插入排序，与选择排序类似，每次都选择最小都值，只不过不是交换，而是放到第三个数据块中，依次放入（当然也可以选择直接使用当前数据块，那就跟冒泡排序有点类似，不同于冒泡排序的是，它每次选择的值，是插入前面数据块的中间，而冒牌排序，每次都是挑选剩余都最小都值出来）。它的存在，对于一堆乱序都数据块而言，其实意义不是很大，因为每次都要遍历完整都数据块，找到最小值。但是，如果把它用于处理两个顺序数据块的排序，就非常合适了，因为只需要遍历一次，我们就能确定整个数据排序完成。
• 归并排序，跟快速排序类似，同样采用递归的思想，时间复杂度也为O(nlog(n))，但是不同于快速排序的点在于，快速排序是自顶向下，每次都全部遍历找到比基准值小和比基准值大都值，重新组成新数据块。而归并排序，是自底向上，不断二分数据块，直到不能再分，然后自底向上，然后采用插入排序，不断将左右两个顺序都数据块，重新组成一个更大都数据块。相比于快速排序，每次划分都使得情况变得更好，归并排序是直到划分到底层之后，才开始逐步向上排序以及merge排序完的结果。实际场景中，使用快速排序更多，实现更简单直接。

图

元数据表征方式，比较常见到，是采用数组、链表的形式。而图，也是一种更复杂到元数据表征方式，能表征更大的场景下的概念。可以说，数组、链表等，所表征的每一个数据元素之间，是独立不相关的，彼此完全独立。而图所表示的每一个数据元素之间具有相关性的概念。例如一个纯色图片，可以用二维数组表征，它的每个数据元素，都是一个色号，元素与元素之间，没有任何相关性；而一旦来说一副艺术图，用二维数组表征的话，其实它的元素之间，是具有相关性的，这种相关性，主要表现在相邻元素（上下左右）的相关性，以及相邻数据块（上下左右）的相关性。研究独立的东西，只研究单点，一个个攻破即可，研究关联性的东西，则需要借助相关性的概念，借助关联来分析。