` → `
` 就是一棵树
- **数据库索引**：B+ 树让百万级数据的查找只需要 3-4 次磁盘读取
- **JSON/XML**：嵌套的数据格式本质上就是树
:::
---
## 5. 图结构：复杂关系的网络
树只能表示"一对多"的层级关系。但现实中很多关系是"多对多"的——你的朋友也有朋友，城市之间有多条路可以走。这种**任意节点之间都可能有连接**的结构，就是图。
### 5.1 图的三种形态
| 类型 | 特点 | 类比 | 典型应用 |
|------|------|------|---------|
| **无向图** | 边没有方向，A→B 等于 B→A | 微信好友（互相的） | 社交网络、通信网络 |
| **有向图** | 边有方向，A→B 不等于 B→A | 微博关注（单向的） | 网页链接、依赖关系 |
| **带权图** | 边有权重（距离、费用等） | 城市间的公路（有里程数） | 地图导航、最短路径 |
### 5.2 图的遍历
图的遍历比线性结构复杂，因为可能有环（A→B→C→A），需要记录"已访问"的节点：
| 遍历方式 | 策略 | 类比 | 适用场景 |
|---------|------|------|---------|
| **BFS（广度优先）** | 先访问所有邻居，再访问邻居的邻居 | 水波纹扩散 | 最短路径、层级遍历 |
| **DFS（深度优先）** | 一条路走到底，走不通再回头 | 走迷宫 | 路径搜索、连通性判断 |
::: tip 图在现实中的应用
- **地图导航**：城市是节点，道路是边，导航就是在图上找最短路径
- **社交网络**：用户是节点，关注/好友是边，"你可能认识的人"就是图算法推荐的
- **包管理器**：npm/pip 的依赖关系就是有向图，`npm install` 就是在做图的拓扑排序
:::
---
## 6. 性能对比：一张表看清所有数据结构
学了这么多数据结构，它们的性能到底差多少？下面这个交互式对比能帮你建立直觉：
**核心性能对比表：**
| 数据结构 | 访问 | 查找 | 插入 | 删除 | 空间 |
|---------|------|------|------|------|------|
| **数组** | O(1) | O(n) | O(n) | O(n) | O(n) |
| **链表** | O(n) | O(n) | O(1) | O(1) | O(n) |
| **栈/队列** | O(n) | O(n) | O(1) | O(1) | O(n) |
| **哈希表** | — | O(1) | O(1) | O(1) | O(n) |
| **二叉搜索树** | — | O(log n) | O(log n) | O(log n) | O(n) |
| **图** | — | O(V+E) | O(1) | O(E) | O(V+E) |
::: tip 怎么读这张表？
- **O(1)**：不管数据量多大，操作时间恒定——最快
- **O(log n)**：数据量翻倍，时间只多一步——很快
- **O(n)**：数据量翻倍，时间也翻倍——一般
- **O(V+E)**：取决于节点数和边数——图的特殊表示
注意：这些都是**平均情况**。最坏情况下，哈希表会退化到 O(n)，二叉搜索树也会退化到 O(n)。
:::
---
## 7. 选型指南：该用哪种数据结构？
学了这么多数据结构，面对实际需求时该怎么选？关键是**从需求出发**，问自己几个问题：
1. **最频繁的操作是什么？** 查找？插入？删除？遍历？
2. **数据之间有什么关系？** 一对一？一对多？多对多？
3. **数据量有多大？** 几十条和几百万条的最优选择可能完全不同
4. **需要有序吗？** 是否需要按某种顺序遍历数据
**快速决策流程：**
| 你的需求 | 推荐结构 | 原因 |
|---------|---------|------|
| 按位置快速访问 | 数组 | O(1) 随机访问 |
| 频繁在中间插入删除 | 链表 | O(1) 插入删除，不用移动元素 |
| 后进先出（撤销、递归） | 栈 | LIFO 语义天然匹配 |
| 先进先出（任务队列） | 队列 | FIFO 语义天然匹配 |
| 按键快速查找 | 哈希表 | O(1) 平均查找 |
| 有序数据 + 快速查找 | 二叉搜索树 | O(log n) 查找且保持有序 |
| 复杂多对多关系 | 图 | 能表达任意节点间的连接 |
::: tip 实际开发中的经验法则
- **80% 的场景**用数组和哈希表就够了
- **需要有序**时考虑树
- **关系复杂**时考虑图
- **不确定？** 先用最简单的，遇到性能问题再换。过早优化是万恶之源
:::
---
## 总结
> 数据结构是程序的骨架。**数组**像一排编号储物柜，按位置取东西最快；**链表**像寻宝线索链，插入删除最灵活；**哈希表**像图书馆索引，按名字找东西最快；**树**像家族族谱，表达层级关系且保持有序；**图**像地铁线路图，表达任意复杂的网状关系。没有最好的数据结构，只有最合适的——关键是理解每种结构的优势和代价，根据实际需求做出权衡。
---
## 延伸阅读
| 主题 | 推荐资源 |
|------|---------|
| 数据结构可视化 | [VisuAlgo](https://visualgo.net/) - 动画演示各种数据结构和算法 |
| 算法与数据结构 | 《算法图解》- Aditya Bhargava，图文并茂适合入门 |
| 深入理解 | 《数据结构与算法分析》- Mark Allen Weiss |
| 刷题练习 | [LeetCode](https://leetcode.cn/) - 按数据结构分类练习 |
---
## 下一步
现在你已经掌握了数据结构的核心知识。接下来可以继续学习：
- **[算法思维](./algorithm-thinking.md)**：学会用排序、搜索、递归、动态规划等算法思维解决问题
- **[编程语言](./programming-languages.md)**：了解不同编程语言如何实现这些数据结构