数据结构的存储方式
数据结构的存储方式只有两种：数组（顺序存储）和链表（链式存储）。
Q：不是还有散列表、栈、队列、堆、树、图等等各种数据结构吗，如何理解？
A：分析问题，⼀定要有递归的思想，⾃顶向下，从抽象到具体。
散列表、栈、队列、堆、树、图等各种数据结构都属于「上层建筑」，而数组和链表才是「结构基础」。
因为那些多样化的数据结构，究其源头，都是在链表或者数组上的特殊操作，API 不同而已。
| 数据结构 | 数组实现 | 链表实现 |
|---|---|---|
| 队列、栈 | 处理扩容缩容的问题 | 需要更多的内存空间存储节点指针 |
| 图 | 邻接矩阵 | 邻接表 |
| 散列表 | 线性探查法 | 拉链法 |
| 树 | 堆（完全二叉树） | 链表「树」（二叉搜索树、AVL 树、红黑树、区间树、B 树等） |
| Redis 数据库 |
比如「队列」、「栈」这两种数据结构既可以使用链表也可以使用数组实现。用数组实现，就要处理扩容缩容的问题；用链表实现，没有这个问题，但需要更多的内存空间存储节点指针。
「图」的两种表示方法，邻接表就是链表，邻接矩阵就是二维数组。邻接矩阵判断连通性迅速，并可以进行矩阵运算解决一些问题，但是如果图比较稀疏的话很耗费空间。邻接表比较节省空间，但是很多操作的效率上肯定比不过邻接矩阵。
「散列表」就是通过散列函数把键映射到一个大数组里。而且对于解决散列冲突的方法，拉链法需要链表特性，操作简单，但需要额外的空间存储指针；线性探查法就需要数组特性，以便连续寻址，不需要指针的存储空间，但操作稍微复杂些。
「树」，用数组实现就是「堆」，因为「堆」是一个完全二叉树，用数组存储不需要节点指针，操作也比较简单；用链表实现就是很常见的那种树，因为不一定是完全二叉树，所以不适合用数组存储。为此，在这种链表「树」结构之上，又衍生出各种巧妙的设计，比如二叉搜索树、AVL 树、红黑树、区间树、B 树等等，以应对不同的问题。
对于 「Redis 数据库」，Redis 提供列表、字符串、集合等等⼏种常⽤数据结构，但是对于每种数据结构，底层的存储⽅式都⾄少有两种，以便于根据存储数据的实际情况使⽤合适的存储⽅式。
综上，数据结构种类很多，甚⾄你也可以实现⾃⼰的数据结构，但是底层存储无非是数组或链表。
数组和链表对比
数组由于是紧凑连续存储，可以随机访问 ，通过索引快速找到对应元素，而且相对节约存储空间。但正因为连续存储，内存空间必须一次性分配够，所以说数组如果要扩容，需要重新分配一块更大的空间，再把数据全部复制过去，时间复杂度 O(N)；而且你如果想在数组中间进行插入和删除，每次必须搬移后面的所有数据以保持连续，时间复杂度 O(N)。
链表因为元素不连续，而是靠指针指向下一个元素的位置，所以不存在数组的扩容问题；如果知道某一元素的前驱和后驱，操作指针即可删除该元素或者插入新元素，时间复杂度 O(1)。但是正因为存储空间不连续，你无法根据一个索引算出对应元素的地址，所以不能随机访问；而且由于每个元素必须存储指向前后元素位置的指针，会消耗相对更多的储存空间。
