分析对象
各类数据结构，具体包括：
１．数组
２．链表
３．栈
４．队列
５．堆
６．优先队列
７．二叉树
８．哈希表
分析
数组
定位－－不受限容器
数组是容器，
提供
值查找，
索引访问，
指定位置插入，
指定位置删除，
遍历操作．
数组的定位是操作不受限的容器．
不受限体现在，可在数组的指定位置进行插入／删除，
操作的位置没有限定．
元素插入／删除时，也没有需要进行调节以满足某个循环不变式．
不可忽略的优势＆劣势
数组作为容器
不可忽略的优势是支持时间复杂度为O(1)索引访问，
无法忽略的劣势是，
指定位置的插入／删除／按值查找均需要O(n)的时间复杂度．
可以忽略的优势
实现简单，
无需存储管理数据，节省内存
适合使用场景建议
频繁使用索引访问，且不怎么使用动态插入／删除场景
管理元素规模不大场景
链表
定位－－不受限容器
链表也是容器．
与数组不同，容器元素通过指针串联．易于动态扩展．
正常项目中的链表应该是：
双向链表，记录链表首元素指针，尾元素指针，
记录链表有效元素个数［在对元素操作时进行维护］
PAT／考试环境下，看情况，
单链表能满足要求时，用单链表也可．
链表和数组一样作为容器，
一般要提供，
遍历，值查找，指定位置插入，指定位置删除．
链表插入，删除时，注意区分在头部／在尾部／在中间插入／删除．
链表组织的元素，不方便进行排序．
链表的不受限体现在，
可以在指定位置进行元素插入／删除，
操作的位置没有限定．
元素插入／删除时，也没有需要进行调节以满足某个循环不变式．
不可忽略的优势＆劣势
链表作为容器
不可忽略的优势是，在首部插入／删除，尾部插入／删除时，
具有O(1)的时间复杂度．
双向链表下，中间位置插入在传入指针下，也有O(1)时间复杂度
不可忽略的劣势时，
只支持按值进行元素查找，且查找时间复杂度为O(N)
可以忽略的优势
所管理的元素易于实现容量动态变化．
可以忽略的劣势
每个结点除了存储数据，
还需存储指向上一结点，下一结点指针．
需要额外存储空间．
适合使用场景建议
需要频繁使用首部插入／删除，尾部插入／删除，
且不怎么用值查找场景．
需用值查找但管理的元素规模不大场景．
栈
定位－－操作受限容器
受限体现在：
栈的插入元素只能是在最后插入元素之后插入．
栈的删除元素只能是最后插入元素的删除．
可以基于数组来实现，
也可以基于链表［在头部插入／删除的单链表即可］来实现．
如果PAT／考试下，
栈的容量固定，优先用数组．
栈的容量不固定，优先用头部插入／删除的单链表．
栈作为受限的容器提供的操作包括：
栈空判断
插入元素
删除元素
查看顶部元素
满判断［仅针对容量固定的栈］
不可忽略的优势＆劣势
每类操作受限容器，按其操作限定类别，
决定了其使用场景．
这类容器的不可忽略优势是，
在符合其限定要求下，应使用此类容器．
这类容器的不可忽略劣势是，
在不符合其限定要求下，不应使用此类容器．
适合使用场景建议
需要限定插入／删除，只能基于最后添加元素下．
队列
定位－－操作受限容器
队列也是受限的容器．
队列的受限体现在
插入只能在最后插入元素之后进行
删除针对目前存在的最早插入元素进行．
队列可以用数组实现，也可以用链表实现．
用数组实现时，一般是固定容量数组．
队列特点时，随着入队，出队元素在数组中存放位置不断移动，
为此使用数组实现时，数组是循环可用的．
为了在固定容量数组实现下便于判断队列空，
队列满常用的一个策略是：
维护一个索引Ａ指向尾部元素位置，
一个索引Ｂ指向队列首个元素前一位置．
这时，为了区分满，空．
容量为N的数组，最大只存储N-1个元素．
这时，
两个索引相等，代表队列空．
若指向尾部元素的索引下一位置为首部元素前一位置，
则表示队列已经满了．
［考虑若尾部下一位置为首部元素前一位置，
则表示若允许此次插入则数组N个槽全部有元素，就很好理解了］
如果允许N个槽都有元素，
则槽空，槽满时，尾部元素索引和首部元素前一位置索引均相等．
就不好判断了．
上述是书上的做法．
实际上本人更推荐
维护首部元素索引，尾部元素索引，
和一个有效元素个数［插入／删除时作维护］
这样也不用舍弃一个空间，理解起来也直观．
若是队列使用的环境是容量不确定，
用链表来实现队列．
用头部删除／尾部插入的单链表即可实现队列．
队列维护头部结点指针，尾部结点指针，推荐也维护有效元素个数．
PAT／考试下，
队列容量固定，优先考虑用数组实现．
队列容量不固定，优先考虑用单链表实现．
个人推荐，
队列只用单链表实现，因为够简单，和直观．
通过维护有效元素个数，
记录容量作限制也很容易施加固定容量的限制．
不可忽略的优势／劣势
每类操作受限容器，按其操作限定类别，
决定了其使用场景．
这类容器的不可忽略优势是，
在符合其限定要求下，应使用此类容器．
这类容器的不可忽略劣势是，
在不符合其限定要求下，不应使用此类容器．
适合使用场景建议
需要限定首部删除，尾部插入下．
堆＆优先队列
定位－－操作受限＋满足特定性质容器
堆是有序＋操作受限的容器．
操作受限体现在，对堆／优先队列执行元素删除时，
只能删除首个元素．
满足特定性质体现在，
依据最大堆／最小堆，
要求父结点与其孩子结点大小关系满足全局一致性．
最大堆下，为父结点大于孩子结点，
最小堆下，为父结点小于孩子结点
不可忽略优势／劣势
作为操作受限容器
堆的不可忽略优势是，每次从堆取出的元素是堆中最小／最大的．
这一性质可用于排序．
堆的插入／删除时间复杂度均为O(log(N))，
N为操作时堆中元素个数．
堆需要提供的接口一般为：
插入／删除／有效元素个数／满判断／空判断
构建堆，
可以逐个元素插入来构建．
也可基于一个数组进行从尾到首的调整来实现，
时间复杂度均为O(Nlog(N))
不可忽略劣势，
如果要求的性质和容器的限定不匹配，则不应使用
适合使用场景建议
使用场景，
如果是直接的排序，不要用堆，直接用数组存储集合，
然后用排序算法对其排序．
但是，
如果是针对一个动态变化的容器，
需要不断在动态变化的值中间取出最小值的情况下，
就是堆适合被使用的场景．
堆的实现主要是放入元素后的调节，
从顶部向下调节
从底部向上调节两种调节形式．
插入时，尾部插入，
然后从插入位置向上调节．［调节只涉及父子间的调节］
删除时，头部删除，尾部元素移入头部，
然后从头部向下调节．［调节只涉及父子间的调节］
二叉树
定位－－满足特定性质的操作不受限容器
二叉搜索树也是容器
二叉搜索树是满足特定性质但操作不受限的容器．
操作不受限体现在，
对其执行插入／删除，不限定位置．
满足特定性质体现在，
１．搜索树的性质
左子树中所有元素均小于或等于树的根
右子树中所有元素均大于树的根
你也可以实现：
左子树中所有元素均大于或等于树的根
右子树中所有元素均小于树的根
的二叉搜索树
因为有了上述性质，对树内元素搜索时可应用二叉搜索
２．二叉树的性质
１．树中除了根节点外，每个节点有唯一一个父节点
２．树中每个节点可以有至多一个左孩子，至多一个右孩子．
不可忽略优势／劣势
二叉搜索树这种数据结构存在的意义在于：
１．它支持容器应该支持的插入／删除／元素访问，
且插入／删除／元素访问本身无限制，
所以首先它是一个不受限制的容器．
依据其性质，二叉搜索树具备以下优势：
２．对元素进行值访问时，
二叉搜索树执行的是二叉访问．效率上优于顺序访问．
３．二叉搜索树因为其性质额外支持前序／后序／中序／广度搜索
一个搜索的时间复杂度为O(N)［N为搜索时树内元素个数］
执行中序搜索，按节点访问顺序可以完成树内元素的排序．
这样即在O(N)时间复杂度下完成了元素排序
［前提：针对一个给定的二叉搜索树结构］
劣势：
二叉搜索树在树不平衡的情况下，
元素搜索／插入／删除会退化到O(N)的时间复杂度
可以忽略的劣势
１．二叉搜索实现上比数组／链表要复杂，
２．二叉搜索树在存储同样一个元素下，
因为要额外保存父结点指针，左右孩子指针，
需要更多内存．
适合使用场景建议
要使用操作不受限容器，具体体现在
可能在任意位置进行插入，可能涉及任意位置的删除等．
且所管理的元素规模较大．
一般实际项目不会使用二叉搜索树，
只会使用二叉搜索树的进化版－－红黑树或二叉搜索平衡树．
因为红黑树不仅具备二叉搜索树所具备的所有优势，
额外具备平衡的性质．
平衡保证了对其插入／删除／搜索均可保证O(log(N))的时间复杂度．
所以实际项目中，需要管理规模较大的元素，且元素操作不受限时，
适合使用红黑树．
红黑树一个可以忽略的劣势是，
平衡调节的实现比较复杂．
哈希表［基于链表版本］
略．
和红黑树适合使用场景一致．
哈希表解决规模大的思想是，执行一次基于槽的划分．
来将大规模进行一次分解．
但实际一次分解在整体规模大，
桶容量有限下，仍然最终导致O(N)时间复杂度．
实际中项目中可能会有动态哈希，动态调节桶容量，来保证
散列分布均匀下，每个桶容量始终维持在常量情形．