纵观时代的发展，从具体到抽象，从计算机到万维网；时代的脚步一直在向前进步，而我们要么引领时代要么紧随时代，再要么落后时代，想必没有谁愿意落后，要做的大多数是紧随时代脚步，正如华为老总任正非所说：没有成功的企业，只有踩对时代节拍的公司。现如今信息发达，大数据时代来临，身为IT从业人员，哪能不去学习了解；而且当了解（掌握）了数据结构与算法，你看待问题的深度，解决问题的角度就会完全不一样。因为这样的你，就像是站在巨人的肩膀上，拿着生存利器行走世界。数据结构与算法，会为你的编程之路，甚至人生之路打开一扇通往新世界的大门。
先看入门书籍：《大话数据结构》《算法图解》
数据结构和算法是相辅相成的。数据结构是为算法服务的，算法要作用在特定的数据结构之上。
想要学习数据结构与算法，首先要掌握一个数据结构与算法中最重要的概念——复杂度分析。
初级学习者，只有逐一攻克20个最常用、最基础数据结构与算法的知识点就足够了。
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、回溯算法、动态规划、字符串匹配算法。
数据结构和算法本身解决的是“快”和“省”的问题。如何做到更快更省，就要对时间、空间复杂度分析必须了解。复杂度分析是整个算法学习的精髓，只要掌握了它，数据结构和算法的内容基本上就掌握了一半。
大O复杂度表示法
算法的执行效率，粗略地讲，就是算法代码执行的时间。
T(n)表示代码执行的时间；n表示数据规模的大小；f(n)表示每行代码执行的次数总和。因为这是一个公式，所以用f(n)来表示。公式中的O，表示代码的执行时间T(n)与f(n)表达式成正比。
时间复杂度分析
1.只关注循环执行次数最多的一段代码
我们在分析一个算法、一段代码的时间复杂度的时候，也只关注循环执行次数最多的那一段代码就可以了。
2.加法法则：总复杂度等于量级最大的那段代码的复杂度
3.乘法法则：嵌套代码的复杂度等于嵌套内外代码复杂度的乘积
空间复杂度分析
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。类比一下，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。
还有4个复杂度分析的知识点：
最好情况时间复杂度（best case time complexity）、最坏情况时间复杂度（worst case time complexity）、平均情况时间复杂度（average case time complexity）、均摊时间复杂度（amortized time complexity）。
