支付宝前端架构专家梁文森(绝云)与你探讨算法与数据结构

本文是对CSDN专家问答的汇总，原贴见支付宝前端架构专家与你探讨算法与数据结构（第十一期）

这个问答解决了很多我的疑问，要养成每天学习算法和数据结构的习惯，从今天起！

什么是数据结构和算法？

设计一个类不就是在设计一个数据结构吗？实现一个接口就是在写一个自己设计的算法或者应用经典的算法。平时写程序的时候设计的一个类就是一个数据结构啊。java里的set、map这些其实都是封装好的数据结构。array的sort方法之类的就是封装好的算法实现。自己写的程序里，表示流程的（一个函数？）可以看作算法；表示数据的（一个Person类？）就可以看作数据结构。数据结构和算法不是什么高大上的东西，其实都在我们平时写的程序里头了。

其实写程序就是设计算法、实现算法或者应用算法的过程（“程序＝数据结构＋算法”）。

为什么我感觉没有用到数据结构和算法？

这个和从事的领域、工作性质、技术栈、个人编程习惯各个方面都有关系的。譬如如果不从事游戏界面编程之类的，可能寻找最佳路径等场景都挺难遇得到；譬如如果不需要做AI，那很多数据挖掘相关的算法也不太有机会用得到；譬如如果不需要倒腾巨量数据，那很多索引、压缩、集群、并发相关的算法也没有用武之地了。加上很多大家熟知的“经典算法”可能从编程语言层面就封装好了，所以的确容易有这样的观点。

数据结构和算法在实际中是怎么用的？

我觉得如果按照经典的“程序＝数据结构＋算法”说法，平时写的程序也可以说是算法＋数据结构的结合。并不是说一定要用上动态规划、KMP之类的才算是“用上了算法”。不过知名的算法大多是经过实践检验的、某种场景下接近最优解的算法，所以如果刚好碰上这样的场景，用经典的算法是比较可靠、高效的。举个例子说，Web开发中有可能会遇到在一个大的有序列表（譬如带自增id的聊天记录）中查找某一个纪录（不知道id，但知道大概的创建时间）的问题，这个时候就可以用二分法之类的算法来提升查找效率。

想想还是有不少地方可以用上“经典算法”的，譬如利用搜索相关的算法优化一下信息查询（数据库查询？全文搜索？）；譬如在解释XML或者其它什么结构化数据的时候想一想树相关的算法；譬如做某个需求的时候先看看是不是某个经典算法的应用场景。。。

再者，脑子里的“经典算法”并不是要实际实现了才算是发挥作用。如果它的某种思路（动态规划？贪心策略？缓存化？）能帮助你用更好的设计去解决实际问题，那也不失为一种“应用”。

我不是做算法研究的，工作的内容集中在web上（即时通讯服务器／手游服务器／前端），应用场景大多数不涉及到很复杂的算法，遇到的性能瓶颈一般经典的算法也能完美解决，所以并没有什么“算法优化”的内容。

硬要说算法方面的能力，可能也就会根据不同的场景选用或者切换不同的算法而已。这个可能要实际问题实际分析了。譬如如果是一个对性能有严苛要求的场景，可能会用很多极端优化，不过可维护性很差的算法；譬如如果应用运行的环境内存很充分，对性能也有一定的要求，那么可以考虑采用“用空间换时间”的算法；譬如如果项目的维护周期特别长，对性能的要求也不是特别高，那么相比起复杂、优化到极端的算法而言，逻辑简单、易于维护的算法更是首选。

总之，每个算法都有它的优势和局限，都有最适合应用的场景。好好把握当前领域的算法特征，吃透这些适用场景和限制，就能作出相对较好的选择了。

其实写程序就是设计算法、实现算法或者应用算法的过程（“程序＝数据结构＋算法”）。要知道偏重哪些算法、有哪些经典算法，还是要分领域的。譬如偏数据处理的可能有一堆数据挖掘相关的算法；偏图像处理的也有一堆CG 相关的算法；偏处理流程（譬如设计DSL等）可能涉及图论的一堆算法等。不过无论如何，要写出优雅、结构良好的程序，的确是需要一定的算法功底的。

怎么提高自己在数据结构和算法方面的理解力？

1.    怎么学，怎么设定短期目标呢？一定要动手做项目，最好选自己感兴趣、和某个长期目标（学分？职业规划？）相关的项目。在leetcode上刷题也不失为练习的方法啊，在解决具体问题的同时复习编程技巧和算法基础。当然就是有点功利，有点无聊了。学习算法比较重要的一点是一定要结合应用。光是看肯定理解不深，要实际去实现算法，在实际的项目里应用算法，才能对算法的原理、适用范围、优势和局限等方面理解得更深

2.     我觉得学习算法应该尽量去关注和理解它背后的初衷和局限，是解决什么样的问题，怎样解决的，解决得怎么样。这样无论是要应用到适当的地方，还是为解决新的问题做参考，还是要设计更好的算法，都有章可循。

3.     我对学习算法和数据结构最大的感触是：一定要动手多写。要搞清楚递归、尾递归都是怎么回事，就一定要实际写过相关代码，一行一行地调试去确认；要弄明白O(N)和O(logN)的算法有什么区别，也一定要实际动手写、动手跟踪代码。从最简单的算法开始，从最基础的算法概念入手，一遍遍地实践、理解。算法的描述对于很多初学者来说是全新的“语言”，光看是很难掌握的，一定要实际地去“用”起来。攻克一个算法之后，自然就会增加一点经验、一点自信，坚持下去总会形成良性循环的

4.     可以先了解一些基本的概念：什么是算法、怎么衡量一个算法（时间复杂度／空间复杂度）、有哪些经典的算法等，最好学习的过程中动手写写程序，自己实现一些算法、设计一些算法（找些经典的问题譬如八皇后问题、汉诺塔问题、背包问题等）。我觉得对程序员来说，数据结构和算法应该是必备的能力。写程序实际上就是设计算法、实现算法的过程。所以应该无所谓“用算法比较多的项目”。如果要说“经典算法（譬如你提到的排序）”能用在什么场合，我觉得有几个方面：1，平时写程序可以借鉴经典算法的思路，譬如用缓存化提高效率／采用类似动态规划的思路来剪枝等；2. 直接应用经典算法，譬如用hash替代array实现快速查找，用二分法加快搜索过程等

5.    如果单纯从优化算法的角度来看，我可能会推荐一些辅助方法：不是通过训练来提升技艺，而是通过可视化、对比的方式来排错。自己想好的某个优化方向对不对？不同的h(n)在不同的数据集下的表现如何，有哪些是有优化的潜力的？单纯用BFS、单纯用Dijkstra和用A star算法的差异是怎么样的？能不能把寻径过程可视化出来，看看究竟在什么样的场景下损耗的性能比较大，针对这一的场景能不能做特异化的处理？

相信你工作的性质已经可以经常接触算法实现／算法优化了。有时候埋头码代码，对着一堆字符调参数、调函数会很闷，会有恶性循环，会对自己的水准产生怀疑。但通常来讲实现算法的能力上下浮动并不会太大，是不是可以考虑用更直观的方式、代码以外的方式来辅助算法优化呢？每次调参数的时候做了什么，带来的结果是什么，处理时间、结果的精度是怎么变化的，把这些记录下来，用数据，用图表来指导下一步的工作可能也是一种可行的办法。