说到数据结构，我们可能会想到各种各样的数据结构：如果栈，队列，树，图，散列表，再高级一些，可能学过堆，优先队列，线段树，并查集和AVL树，红黑树等。上面说的数据结构，基本上都可以使用数组或链表两种存储方式来实现的。
数据结构的存储方式只有两种：数组（顺序存储结构）和链表（链式存储结构）。
数组和链表是数据结构存储数据的方式，而栈堆树图等数据结构是在使用数组和链表存储数据的基础上，对数据相关操作进行规则的约束和定义，究其源头，都是在数组或者链表上进行特殊操作，API不同而已。
比如说“队列”，“栈”，队列约束数据先进先出，栈约束数据先进后出，这两种数据结构既可以使用链表也可以使用数组来实现，对应实现不同的api而已，使用数组，需要处理数据移动和扩容缩容的问题；使用链表需要更多的内存空间来存储指向节点的指针。
栈和队列
“图”主要有两种实现方式，邻接表和邻接矩阵，其中邻接表是链表实现的，邻接矩阵是二维数组实现的。邻接矩阵判断连通性更适合，可以进行矩阵运算解决一些问题，但如果数据稀疏的话，就好浪费内存空间了。邻接表比较节省空间，但是操作效率上肯定比不上邻接矩阵。
图
“散列表”是通过散列函数把键值对映射到一个大的数组中，可以使用拉链法解决数据冲突，拉链法底层使用的是链表的特性，java中的HashMap就是这样实现的，即使用了数组，也使用链表解决冲突。
散列表
“树”， 可以⽤数组实现，比如“堆”，因为「堆」是⼀个完全⼆叉树，⽤数组存 储不需要节点指针，操作也比较简单；⽤链表实现就是很常⻅的那种 「树」，因为不⼀定是完全⼆叉树，所以不适合⽤数组存储。为此，在这种 链表「树」结构之上，⼜衍⽣出各种巧妙的设计，⽐如⼆叉搜索树、AVL 树、红⿊树、区间树、B 树等等，以应对不同的问题。
树
数据结构种类有很多，甚至你可以定义自己的数据结构，但是底层的存储方式无非就是数组或者链表。
“数组” 底层连续存储,可以随机访问，能够通过索引快速找到对应元素，所以当索引具有业务含义的时候，根据索引能够实现O(1)时间复杂度的查询。但正因为连续存储，内存空间必须⼀次性分配够，所 以说数组如果要扩容，需要重新分配⼀块更⼤的空间，再把数据全部复制过 去，时间复杂度 O(N)；⽽且你如果想在数组中间进⾏插⼊和删除，每次必 须搬移后⾯的所有数据以保持连续，时间复杂度 O(N)。
“链表” 每存入一个元素，需要申请内存空间，所以链表是不连续的，是靠指针指向下⼀个元素的位置，所以不存在扩容问题；如果知道某⼀元素的前驱和后驱，操作指针即可删除该元素或 者插⼊新元素，时间复杂度 O(1)。但是正因为存储空间不连续，你⽆法根 据⼀个索引算出对应元素的地址，所以不能随机访问，查询数据需要遍历访问，时间复杂度为O(n)；⽽且由于每个元素必 须存储指向前后元素位置的指针，会消耗相对更多的储存空间。
基本上现在的大厂面试，算法是肯定要考的，每次想冲击大厂，想到自己的算法都会觉得很无奈。算法的学习是持之以恒的，不是一蹴而就得，所以打算最近要持续学习数据结构和算法。这里我主要阅读了labuladong的算法小抄，觉得写的非常好，大家可以去关注一下，在这里说明一下，归纳总结一下自己学习心得。