数据结构的存储方式只有两种：数组(顺序存储)和链表(链式存储)
其它的数据结构都是都是在链表或者数组上的特殊操作。
队列、栈
既可以使用数组，也可以使用链表实现。用数组实现，考虑扩容缩容的问题；用链表实现，需要更多的内存空间。
图
分为有向图和无向图。表示的方法有：邻接表（链表）和邻接矩阵（数组）。
邻接表：把每个顶点和其相邻的顶点用表格列出来。节省空间，但是操作效率上不如邻接矩阵。
邻接矩阵：二维数组，布尔矩阵。判断连通性迅速，并可以使用矩阵运算解决一些问题，但是图比较稀疏的话很耗费空间。
散列表
Hash Table是根据键（key）而直接访问在内存存储位置的数据结构。通过散列函数，将所需查找的数据映射到表中一个位置来访问记录，没有哈希冲突的时候，时间复杂度是O(1)。
为什么哈希表的查找速度非常快？
因为哈希函数建立了键和存储位置的映射：存储位置 = f(key)
在查找一个元素的时候，不需要像数组一样逐个遍历比对，只需要用哈希函数计算一下关键字的hash值，即可直接找到它的存储位置。
哈希冲突：key1 != key2，但是f(key1) = f(key2)
解决冲突的方法：
- 拉链法：数组 + 链表
- 线性探测法：查找散列表中离冲突单元最近的空闲单元，并且把新的键插入这个空闲单元
拉链法
| 存储方法 | 优点 | 缺点 |
|---|---|---|
| 数组（顺序存储） | 随机读取效率很高 | 不适合大量数据的插入删除 |
| 链表（链式存储） | 查找效率低 | 数据的插入删除很容易 |
拉链法结合了数组和链表的优点，处理冲突简单，且无堆积现象。
线性探测法
开放定址法的一种。
容易产生堆积问题；不适于大规模的数据存储；散列函数的设计对冲突会有很大的影响；插入时可能会出现多次冲突的现象，删除的元素是多个冲突元素中的一个，需要对后面的元素作处理，实现较复杂；结点规模很大时会浪费很多空间
树
堆可以被看作是一棵（每层结点都完全填满，在最后一层上如果不是满的，则只缺少右边的若干结点。）的数组对象，也被称为优先队列，在堆底插入元素，在堆顶取出元素，堆中元素是按照一定的优先顺序排列的。