一张图看懂「常见数据结构」：大白话 + 漫画

你打开一个 App，刷一刷、存点东西、搜个好友——背后都是数据结构在干活。

别被名字吓到，数据结构其实就是“怎么把东西摆好，方便以后找、方便以后改”。这篇文章用大白话（外加几张漫画）把最常见的 8 种一次讲清楚。

一、数组（Array）= 一排带编号的储物柜

数组最简单：在内存里给你一排连在一起的格子，从 0 开始编号。

• 想知道第 3 个是什么？直接按编号 2 去拿，一步到位（时间复杂度 O(1)）。
• 缺点是：这排格子长度固定，中间想插一个，后面所有人都得往后挪，费劲。

一句话：下标访问快，插入删除慢。

二、链表（Linked List）= 寻宝线索，每关指向下一关

链表不追求“排排坐”，而是每个节点都记着“下一个是谁在哪”。

• 想从头找到尾，就顺着线索一个个走下去。
• 想在中间插入？只要改一下前后两条线索，不用搬动其他人，插入删除快。
• 代价是：不能跳着找，想知道第 5 个，得从第一个一路数过去，随机访问慢。

一句话：插入删除快，但找不到第几个直接拿。

三、栈（Stack）= 一摞盘子，后进先出

想象你洗碗，洗好的盘子往上叠。最后放上去的，最先被拿走——这就是“后进先出” LIFO。

• 只能从顶部放（push）和取（pop）。
• 典型场景：撤销操作（Ctrl+Z）、函数调用、浏览器后退。

一句话：只许一头进出，后进的先出。

四、队列（Queue）= 排队买票，先进先出

排队大家都熟：先来的人先办完走人——这就是“先进先出” FIFO。

• 新来的站到队尾（enqueue），办完的从队首离开（dequeue）。
• 典型场景：打印机排队、消息队列、秒杀排队。

一句话：一头进一头出，先来的先走。

五、哈希表（Hash Table）= 按名字直接找衣柜

你去健身房，柜子太多记不住位置？那就给每个柜子编个号，按名字算编号。

“小明”这个名字经过一个叫哈希函数的小机器，立刻算出该去第 7 号柜——一步到位，不用挨个找。

• 理想情况下存取都是 O(1)，超级快。
• 万一两个名字算到同一个柜子（哈希冲突），就用“链地址法”在同一个柜子挂一串。

一句话：用名字算位置，查找飞快。

六、树（Tree）= 家谱 / 公司组织架构

树就是一个根，往下分叉：老祖宗在顶上，孩子是分支，最底下的叫叶子。

• 二叉树最多两个孩子，常用于高效查找（二叉搜索树：左小右大）。
• 文件系统、公司层级、DOM 结构，全是树。

一句话：一层管一层，查找能砍掉一半。

七、堆（Heap）= 小顶金字塔

堆是一棵特殊的树，规矩是：父节点永远比孩子“小”（小顶堆）或“大”（大顶堆）。

• 所以最小的那个一定在塔尖，取最小值只要 O(1)。
• 典型场景：优先队列、Top-K 问题、堆排序。

一句话：塔尖永远是最大或最小，取最值飞快。

八、图（Graph）= 朋友圈 / 地铁线

前面的结构大多“一条道”，图就不一样了：任意两点都能连，还能成环。

• 节点是人，边是“认识/连通”。
• 地铁线路图、社交网络、地图导航，全是图。
• 经典问题：最短路径（导航怎么走最快）、连通性。

一句话：谁和谁都可能是朋友，关系最自由。

九、一张表总结

结构	大白话	典型用途
数组	一排编号储物柜，下标直取	频繁按位置读写
链表	寻宝线索，逐环相扣	频繁插入删除
栈	一摞盘子，后进先出	撤销、函数调用
队列	排队买票，先进先出	排队、消息缓冲
哈希表	按名算号找柜子	快速查找、缓存
树	家谱一层管一层	层级数据、搜索
堆	塔尖最值	优先队列、Top-K
图	朋友圈随意连	社交、导航、网络

看完这 8 张图，你会发现：数据结构没有谁好谁坏，只有谁更适合当下的活儿。把“东西怎么摆”想清楚，代码自然就顺了。