搞软件的必然知道数据结构，它是程序员解决问题的重要工具，抽象问题模型，表达数据内在逻辑。大学时的老师姓高，是个50多岁的老太婆，我没有恶意，只是对她所代表的教书方式无法认同。
数据结构和数学有很大的关系，而我所接受的教育却没有把二者作平稳的过渡（大学和高中、初中作了完全的割裂），结果就是没有真正的明白。
维基百科对于数据结构的定义很中肯
在计算机科学中，数据结构（英语：data structure）是计算机中存储、组织数据的方式。
数据结构意味着接口或封装：一个数据结构可被视为两个函数之间的接口，或者是由数据类型联合组成的存储内容的访问方法封装。
大多数数据结构都由数列、记录、可辨识联合、引用等基本类型构成。举例而言，可为空的引用（nullable reference）是引用与可辨识联合的结合体，而最简单的链式结构链表则是由记录与可空引用构成。
数据结构可透过编程语言所提供的数据类型、引用及其他操作加以实现。一个设计良好的数据结构，应该在尽可能使用较少的时间与空间资源的前提下，支持各种程序运行。
不同种类的数据结构适合不同种类的应用，部分数据结构甚至是为了解决特定问题而设计出来的。例如B树即为加快树状结构访问速度而设计的数据结构，常被应用在数据库和文件系统上。
正确的数据结构选择可以提高算法的效率（请参考算法效率）。在计算机程序设计的过程中，选择适当的数据结构是一项重要工作。许多大型系统的编写经验显示，程序设计的困难程度与最终成果的质量与表现，取决于是否选择了最适合的数据结构。
常见的数据结构，队列、数组、链表、堆栈、树、图、堆、散列表。程序员会选择适合应用的数据结构处理问题，比如MySql使用B+树作数据存储，MongoDB选择用B树作存储。B+树是B树的变种，为何它们会选择不同的数据结构呢。
MySql常见的面试问题，索引的左前缀规则，顺序扫描，排序优化皆是B+树存储特性导致的。作为NoSql的代表，MongDb的设计与MySql是大相径庭的。它们之间的行为为何会不同？
这里不解答问题，而是对数据结构的一些思考。
数据结构这个词包含两个东西，一个是数据（对应数学里的集合，集合中的元素各不相同），一个是结构（对应数据之间的逻辑）。对集合而言，编程语言里对应的概念是Set。如果集合元素之间可以重复，那就是List。在计算机的内存布局上，如果是顺序存储，就是数组；如果是通过指针关联，不连续存储，则是链表。为何c语言里有字节对齐的概念，比如布尔通常是一个字节，往往会对齐到4个字节。这是因为32的CPU限制的，4个字节正好是32位。
队列和堆栈反映了数据的出入方式不同。树、堆，是树的简化版本。散列表数据存储可以是数组，也可以是链表，它体现的更多是一种逻辑，是数学里的单调发散函数，x=>y,不同的x映射到分散的y空间，越离散越好。
理解了数据结构是数据和逻辑的组合，那么泛化的推广。对一个App而言，用户看到的界面，图像、文字、音乐都可以被视为数据。给用户的操作，按钮，手势，输入框，则可被视为逻辑。App是一种形而上的数据结构，我们开发的后台应用服务也可以这么理解，它暴露的接口提供数据，而内部业务逻辑提供严密的内部生态循环。如果逻辑被破坏了，那么产出的数据就有问题。测试人员检验逻辑，黑客破坏逻辑牟利。
对程序员而言，数据结构可以衍生出很多变种，我们可以根据自己的业务需求去定制自己需要的，不用局限于教科书讲的那几种。不同的应用有自己独到的一面，这就需要程序员的创新能力。谷歌提出的BigTable列式存储是一种新的数据结构，养活了不少公司。
| 目前国内软件行业开发的大多是工具类应用，购物、娱乐、社交、办公，处理的是和人相关的问题。而美国对我们进行技术压制，禁止国内使用一些专业化软件，比如MATLAB、CAD | 、CAE。这些都是工业软件，处理机器、学术相关的问题。这类软件的开发对程序员要求很高，需要掌握很多行业知识，数学、物理、化学。半导体对我们而言，是卡脖子的产业问题，它需要的软件目前国内厂商并不成熟。 |
在认识数据结构这个概念上，国内的大多数程序员依然停留在书本上，没有切实的思考。请产出你自己的数据结构吧！
