第一部分 · 数据结构与算法（DSA）

note

这一整部分的目标：用工程实战级的深度，把 DSA 在脑子里重新 "焊一遍"。读完你应该能在日常工程里：看一段代码就能说出大概的复杂度，看一个需求就能给出合理的数据结构选型，并能落地到至少两种语言。

为什么从头学 DSA

很多有经验的工程师会把 DSA 视为"面试才用得上"的东西。这是一个严重的认知偏差。真实世界里，DSA 决定的不是能不能写出代码，而是：

你能不能在几亿行日志里 5 分钟内找到重复事件；
你的服务体系结构能不能替换一个 map 为 lsm-tree，写入吞吐翻一个量级；
你能不能看出来某个"看起来正确"的缓存实现其实是 O(n²)，被一个意外输入直接打挂。

DSA 不是面试题，是 "数据形态 × 性能空间" 的设计空间本身。

这里和别处有什么不同

每个数据结构：语义 → 复杂度 → 实现 → 工程取舍 → 易错点 → 经典题。
多语言实现：Go / TypeScript / Python / C++，对照看会让你发现"语言运行时帮你藏了多少东西"。
重视 amortized / worst-case / cache 的差异，而不是只记一张表。
每章末尾有"反推设计"：给一个真实负载，让你反推出该用什么。

阅读路径建议

算法 = 空？→ 先读《复杂度分析》
        │       因为后面每一章都会用 O(·) × θ(·) × Θ(·)
        ↓
结构 → 数组/链表/栈队列/哈希
        ↓
树 → 二叉搜索树 → 平衡 → 堆 → 字典树/并查集
        ↓
图 → 表示 → 路径 → MST → 拓扑 → 网络流
        ↓
算法范式 → 分治/贪心/DP/回溯/分支限界
        ↓
专题 → 排序/搜索/字符串/数论
        ↓
附录 → snippets + LeetCode 路线

tip

如果你不是第一次学，可以快速翻过前面，但复杂度分析和树的非递归实现这两节建议精读——这俩最容易"以为自己懂了"。