简单记录部分常见数据结构：
1、二叉树
定义：二叉树是每个结点最多有两个子树的树结构。
由于其最多只有两个节点，基本结构简单，数学上便于统计和计算。
2、二叉堆
定义：二叉堆就是父节点都比子节点大或者小的二叉树。
二叉堆就是有一定排序的二叉树，插入操作的时间复杂度为O(logn)，由于经过排序，查找效率比二叉树高。但左右子树没有经过排序，
3、二叉查找树（又称二叉搜索树、二叉排序树）
定义：二叉查找树是满足以下条件的二叉树，若左子树不为空，则左子树上的所有节点的值均小于或等于它的根节点的值；若右子树不为空，则右子树上的所有节点的值均大于或等于他的根节点的值；左、右子树也分别为二叉查找树。
二叉查找树的搜索：从根节点开始搜索，若命中则结束；若比根节点小，则搜索左子树，反之则搜索右子树；依次类推。若左右子树的节点数目差不多，则接近二分查找的效率。
二叉查找树的问题：多次插入删除后，可能会变成线性链表（比如只有右子树），效率会变低。可以在插入和删除加上平衡算法，即得到平衡二叉树。
4、平衡二叉树（AVL树）
定义：平衡二叉树是满足以下条件的二叉查找树，它是一棵空树或左右子树的高度差绝对值不超过1，左右子树都为平衡二叉树。
那么怎么实现平衡二叉树呢？引入了平衡因子，平衡引子 = 左子树高度 - 右子树高度，平衡因子应在-1到1的区间时就说平衡二叉树。若插入删除操作导致不平衡，通过旋转调整，根据插入位置不同，分为LL，LR，RR，RL。
5、红黑树
定义，红黑树是满足以下条件的二叉查找树：
1）每个节点都是带有颜色属性的，节点是红色的或者黑色的；
2）根节点是黑色的；
3）叶子节点是黑色的；
4）红色节点的子节点均为黑（即红节点不能连续）；
5）任一节点到每个叶子的所有路径包含相同数量的黑色节点；
由于从根到叶子的最长的可能路径不多于最短的可能路径的两倍长，因此红黑树大致上是平衡的。
红黑树的插入操作：
1）新插入的节点都是红色的。
2）若根节点为空，插入节点为根节点。
3）若插入节点的父节点为黑色，不需要修改颜色。
4）若插入节点的父节点为红色，这是最复杂的情况。若叔父节点为红色，则将父节点和叔父节点都改为黑色。判断祖父节点，若祖父为根节点，则置为黑色，否则置为红色。以此向上递归；若叔父节点为黑色，且插入节点和父节点在同一边，则将父节点置为黑色，祖父节点置为红色，以祖父节点为基准进行 右旋（或左旋）；若叔父节点为黑色，且插入节点和父节点不在同一边，则以父节点为基准进行左旋（右旋），然后以父节点作为插入节点的情况进行后续判断。
6、B-Tree（B树）
定义：B-Tree是一种所有叶子节点位于同一层多路搜索树，并非二叉树。
使用B-tree结构可以显著减少定位记录时所经历的中间过程，从而加快存取速度。一般用于数据库的索引，综合效率较高。
7、B+Tree
与B-Tree区别在于数据都在叶子节点，且每个叶子节点都有一个指向下一个叶子节点的指针。
B+Tree以看作是B树的一种变形，在实现文件索引结构方面比B树使用得更普遍。
8、B*Tree
B*Tree在B+Tree的非根和叶子节点增加指向兄弟的指针。B*树分配新结点的概率比B+树要低，空间使用率更高。