什么是数据结构和算法？
数据结构，就是一组数据的存储结构。
算法，就是操作数据的一组方法。
衡量的标准(metric)---时间复杂度和空间复杂度。
时间复杂度的全称是渐进时间复杂度，表示算法的执行时间与数据规模之间的增长关系
空间复杂度全称就是渐进空间复杂度（asymptotic space complexity），表示算法的存储空间与数据规模之间的增长关系。
常用的复杂度级别？
多项式阶：随着数据规模的增长，算法的执行时间和空间占用，按照多项式的比例增长。包括，
O(1)（常数阶）、O(logn)（对数阶）、O(n)（线性阶）、O(nlogn)（线性对数阶）、O(n^2)（平方阶）、O(n^3)（立方阶）
大O表示法来源
算法的执行时间与每行代码的执行次数成正比，用T(n) = O(f(n))表示，其中T(n) 表示算法执行总时间，f(n)表示每行代码执行总次数，而n往往表示数据的规模。
复杂度分析的4个概念
- 最坏情况时间复杂度：代码在最理想情况下执行的时间复杂度。
- 最好情况时间复杂度：代码在最坏情况下执行的时间复杂度。
- 平均时间复杂度：用代码在所有情况下执行的次数的加权平均值表示。
- 均摊时间复杂度：在代码执行的所有复杂度情况中绝大部分是低级别的复杂度，个别情况是高级别复杂度且发生具有时序关系时，可以将个别高级别复杂度均摊到低级别复杂度上。基本上均摊结果就等于低级别复杂度。
重点学习20个最常用的最基础的数据结构和算法
10个数据结构: 数组，链表，栈，队列，散列表，二叉树，堆，跳表，图，Trie树
10个算法： 递归，排序，二分查找，搜索，哈希算法，贪心算法，分治算法，回溯算法，动态规划，字符串匹配算法