数据结构同样是存数据，为什么有人查得快有人查得慢

十条数据怎么存都行，一万条、十万条时，存法不对程序就会慢得受不了。数据结构就是研究“数据怎么摆”的学问：摆法对了，查找、增删都快。本文用最常见的四种结构，数组、链表、哈希表、树，讲清各自擅长什么、代价是什么，看完就懂选结构其实就是在做取舍。

很多新手以为程序快慢全看语言和机器，其实同样一台机器、同一门语言，数据存法不同，速度能差出几百倍。举个最直观的例子：在一本没有目录、没有页码的书里找一句话，你只能一页页翻；在有目录的书里，你直接翻到对应章。数据量越大，这种差距越夸张。数据结构解决的就是“怎么摆，才能按需要最快找到、改好数据”。

先看数组，它是最简单的结构：一排连续的格子，每个数据占一格，格子有编号。它的强项是按编号取数据极快，告诉它编号，立刻定位，就像按座位号找人。它的弱项是中间插入和删除：往第 3 格插一个新数据，后面所有数据都要往后挪一格，数据越多挪得越累。所以数组适合“查得多、改得少”的场景，比如配置表、固定名单。

链表正好反过来：数据不挨着放，每个数据额外记着“下一个在哪”。插入和删除时只要改一下指向，不用搬动其他数据，快得多，就像排队时有人插队，后面的人不用全体后退，改一下前后关系就行。但它的代价是查找慢：想找第 100 个，只能从头一个个数过去，没有编号直达。所以链表适合“经常增删、较少按位置查”的场景。

哈希表是日常最常用的明星结构，存键值对的那种字典、Map 用的就是它。它的原理是把键通过一个计算直接换算成存放位置，查找时同样算一次就定位，不用遍历，所以增删查都很快。它的代价是数据是无序的，而且设计不好时多个键算到同一位置会起冲突、拖慢速度。用人话选：只要你是按名字、编号这种唯一键来存取数据，优先想到哈希表，大多数业务的缓存、索引、去重，背后都是它。

最后说树。树是分层的结构，像公司的组织架构图，最典型的二叉搜索树，左边的都比根小、右边的都比根大，查找时每比较一层就砍掉一半范围，一万条数据十几次比较就找到了，速度接近翻目录。数据库索引用的一种 B+ 树就是它的亲戚。树的代价是实现和维护比前三种复杂，所以它适合数据量大、又要又快查又要保持顺序的场景，普通小项目用不上，交给数据库去操心就好。

把四种放一起看，规律就出来了：没有最好的结构，只有最合适的。按编号快速取用数组，总在中间增删用链表，按键存取用哈希表，大数据量有序查找用树。还有一个尺子可以顺带理解：大家常说的时间复杂度 O(1)、O(n)、O(log n)，说的就是数据变多时操作变慢的速度，O(1) 是几乎不变，O(log n) 是缓慢变慢，O(n) 是数据翻倍时间也翻倍，选结构本质上就是在选这个尺子。