一、什么是数据结构，什么是算法
过于学术的概念定义比较抽象，难以理解。我们从广义和狭义两个层面，来理解数据结构与算法这两个概念。
1. 广义角度
从广义上讲，数据结构就是指一组数据的存储结构。算法就是操作数据的一组方法。简言之，数据结构解决数据“怎么放”，算法决定数据“怎么用”。
我们以图书馆的场景为例来进一步理解：
图书馆书籍量十分巨大，首先要分类设置阅览室，譬如社科类、科技类、报刊类等。每个阅览室内，再根据图书的索引号排列摆放。这就是“数据结构”。当我们想借阅某本书时，可以到每个阅览室去，一本一本地找，也可以通过检索索引号，直接到对应的阅览室去查找。这些不同的查找方式，其实就是“算法”。
2. 狭义角度
从狭义上讲，是指某些典型的数据结构和算法，比如队列、栈、堆、二分查找、动态规划等。
二、数据结构和算法的关系
数据结构和算法这两个概念，有点“焦不离孟，孟不离焦”的意思。我们之所以总是把它们放在一起，是因为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。我们无法孤立数据结构来讲算法，也无法孤立算法来讲数据结构。数据结构是静态的，它只是组织数据的一种方式。如果不在它的基础上操作、构建算法，孤立存在的数据结构是没有用处的。
三、学习重点
1. 复杂度分析
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。
复杂度分析几乎占了数据结构和算法这门课的半壁江山，是数据结构和算法学习的精髓。数据结构和算法解决的是如何更省、更快地存储和处理数据的问题，因此需要一个考量效率和资源消耗的方法，这就是复杂度分析。可以说，复杂度分析是九阳神功，有了内功根基，再学招式上手就很快了。
2. 数据结构与算法主体
我们首先来看一张框架图，以便对数据结构与算法建立整体认识：
当然，作为初学者或非算法工程师，我们并不需要掌握上图所有知识点。很多高级的数据结构与算法在日常开发中很少用到，比如二分图、最大流等。学习要抓主要矛盾，攻克下面两个“十大”，就足够应对面试和日常工作了：
十大数据结构
数组、链表、栈、队列、散列表、二叉树、堆、跳表、图、Trie 树；
十大算法
递归、排序、二分查找、搜索、哈希算法、贪心算法、分治算法、回溯算法、动态规划、字符串匹配算法。
掌握了这些基础的数据结构和算法，再学更加复杂的数据结构和算法，就很容易上手。
四、学习方法
在学习数据结构和算法的过程中，一定要注意，不能死记硬背。要注意以下四个问题：“来历”、“自身的特点”、“适合解决的问题”、“实际的应用场景”。学习数据结构和算法的过程，是非常好的思维训练的过程，所以，千万不要被动地记忆，要多辩证地思考，多问为什么。
1. 边学边练，适度刷题
数据结构与算法对实践要求很高。除了学习的过程中要动手实操，每周要再花 1～2 个小时的时间，集中把这周学习的内容涉及的数据结构和算法，全都自己写出来，用代码实现一遍。这样一定会比单纯地看或者听的效果要好很多。
至于面试前的准备，刷题还是要适量，不要浪费太多时间在刷题上。除非你要面试 Google、Facebook 这样的公司，它们的算法题目非常非常难，必须大量刷题，才能在短期内提升应试正确率。如果是应对国内公司的技术面试，即便是 BAT，只要熟练掌握原理，适度练习，就足以应对。
2. 多思考、多讨论
3. 限定时间
上大学时看新东方的单词课，其中一个观念让我受益匪浅：学习一定要设立详尽的时间规划，不要把战线拉得太长，用集中的时间来完成学习。否则一个学期过去，你可能还停留在 abandon。我认为这是个通用的道理，学习数据结构和算法，也要给自己制定好时间规划。
4. 小目标
在枯燥的学习过程中，可以给自己设立一个切实可行的目标，就像打怪升级一样。比如，每部分学完都写一篇博客，或者找找资料中讲得有误或者可以改善的地方。这样可以使学习形成积极的反馈。
5. 多重复
学习是反复迭代、不断沉淀的过程，不要期望一蹴而就。有些知识点学了一遍，不能透彻理解，这是正常的。反复学习几次，一定能“温故而知新”。