这份 数据结构知识体系 按面试和 Java 后端场景组织内容：先理解数据怎么存，再看常见操作复杂度，最后把结构和 Java 集合、MySQL 索引、Redis、缓存、消息队列这些工程问题连起来。

面试里问数据结构，很少只停在“数组是什么”。更常见的是追问：数组和链表为什么一个查询快、一个插入删除方便？HashMap 为什么需要扩容？B+ 树为什么适合索引？布隆过滤器为什么会误判？这些问题背后都在考同一件事：你是否理解结构选择带来的复杂度和场景取舍。

准备数据结构时，不建议只背定义。更有效的方式是把每个结构拆成 4 个问题：怎么存、怎么查、怎么改、适合什么场景。能把这 4 个问题讲清楚，再去刷对应的算法题，效率会高很多。

• 正在补数据结构基础，准备校招或社招后端面试的同学。
• 刷算法题时经常卡在数组、链表、树、图、堆等结构上的读者。
• 想把数据结构和 Java 集合、Redis、MySQL、缓存系统联系起来的工程师。
• 已经看过概念，但回答面试题时容易停在定义层面的开发者。

数据结构题的回答不要只停在“是什么”。面试里更稳的表达方式是按下面这条线展开：

定义 -> 存储方式 -> 常见操作复杂度 -> 优缺点 -> 适用场景 -> Java/Redis/MySQL 中的应用

以哈希表为例，一个完整回答可以这样组织：

1. 哈希表通过哈希函数把 key 映射到数组下标。
2. 查询、插入、删除平均是 O(1)，但冲突严重时会退化。
3. 冲突可以用拉链法、开放寻址法等方式处理。
4. Java HashMap 使用数组 + 链表 + 红黑树，扩容用于控制负载因子。
5. 它适合快速查找、计数、去重、缓存索引等场景，但会消耗额外空间。

这种回答比“哈希表查询是 O(1)”更耐追问，因为它同时交代了原理、复杂度和工程落点。

1. 线性数据结构详解：先掌握数组、链表、栈、队列，理解顺序存储和链式存储。
2. 哈希表面试题总结：理解哈希函数、冲突、扩容，并和 HashMap 连起来。
3. 树结构详解：掌握二叉树、二叉搜索树、AVL、B 树、B+ 树，以及 MySQL 索引关联。
4. 堆详解：理解优先队列、Top K、堆排序和 PriorityQueue。
5. 图详解：理解图的存储、DFS、BFS、拓扑排序和最短路径入口。
6. Trie 前缀树面试题总结、并查集面试题总结：补齐字符串集合和连通性问题。
7. 跳表面试题总结、红黑树详解、布隆过滤器详解、LRU 缓存面试题总结：面向 Java 集合、Redis、缓存和数据库场景复盘。

很多数据结构问题，实际是在问“这个场景为什么选它，而不是另一个结构”。下面这张表适合面试前快速复盘：

复习时可以反过来问自己：如果不用这个结构，会慢在哪里？会多占多少空间？边界条件是什么？这几个问题想清楚，面试追问通常就能接住。

• 数组和链表的内存布局有什么区别？为什么数组随机访问快？
• ArrayList 和 LinkedList 在 Java 里怎么选？
• 栈和队列分别适合哪些场景？单调栈、单调队列解决什么问题？
• 哈希冲突有哪些解决方式？HashMap 为什么要扩容？
• 二叉搜索树、AVL 树、红黑树有什么区别？
• B 树和 B+ 树为什么适合数据库索引？
• 堆和普通二叉树有什么区别？Top K 为什么常用堆？
• 图的邻接表和邻接矩阵怎么选？DFS 和 BFS 复杂度是多少？
• 跳表为什么适合范围查询？Redis 为什么使用跳表？
• 布隆过滤器为什么会误判？为什么删除困难？
• LRU 为什么常用哈希表加双向链表实现？

• 计算机基础知识体系
• 算法专题
• 常见数据结构经典 LeetCode 题目推荐
• Java 集合
• MySQL 索引详解
• Redis 常见面试题总结
• 面试准备