避免孤立的學習知識點，要關聯(lián)學習。

　　比如實際應用當中，我們經(jīng)常使用的是查找，排序以及增刪改，這在我們的各種管理系統(tǒng)、數(shù)據(jù)庫系統(tǒng)、操作系統(tǒng)等當中，十分常用，我們通過這個線索將知識點串聯(lián)起來：

　　數(shù)組的下標尋址十分迅速，但計算機的內(nèi)存是有限的，故數(shù)組的長度也是有限的，實際應用當中的數(shù)據(jù)往往十分龐大；而且無序數(shù)組的查找最壞情況需要遍歷整個數(shù)組;后來人們提出了二分查找，二分查找要求數(shù)組的構造一定有序，二分法查找解決了普通數(shù)組查找復雜度過高的問題。任何一種數(shù)組無法解決的問題就是插入、刪除操作比較復雜，因此，在一個增刪查改比較頻繁的數(shù)據(jù)結構中，數(shù)組不會被優(yōu)先考慮

　　普通鏈表由于它的結構特點被證明根本不適合進行查找

　　哈希表是數(shù)組和鏈表的折中，同時它的設計依賴散列函數(shù)的設計，數(shù)組不能無限長、鏈表也不適合查找，所以也不適合大規(guī)模的查找

　　二叉查找樹因為可能退化成鏈表，同樣不適合進行查找

　　AVL樹是為了解決二叉查找樹可能退化成鏈表問題。AVL樹是嚴格的平衡二叉樹，平衡條件必須滿足(所有節(jié)點的左右子樹高度差的絕對值不超過1)。不管我們是執(zhí)行插入還是刪除操作，只要不滿足上面的條件，就要通過旋轉來保持平衡，而旋轉是非常耗時的，由此我們可以知道AVL樹適合用于插入與刪除次數(shù)比較少，但查找多的情況。

　　紅黑樹是二叉查找樹和AVL樹的折中。它是一種弱平衡二叉樹，但在每個節(jié)點增加一個存儲位表示節(jié)點的顏色，可以是紅或黑(非紅即黑)。通過對任何一條從根到葉子的路徑上各個節(jié)點著色的方式的限制，紅黑樹確保沒有一條路徑會比其它路徑長出兩倍，因此，紅黑樹是一種弱平衡二叉樹(由于是弱平衡，可以看到，在相同的節(jié)點情況下，AVL樹的高度低于紅黑樹)，相對于要求嚴格的AVL樹來說，它的旋轉次數(shù)少，所以對于搜索，插入，刪除操作較多的情況下，我們就用紅黑樹。

　　多路查找樹是大規(guī)模數(shù)據(jù)存儲中，實現(xiàn)索引查詢這樣一個實際背景下，樹節(jié)點存儲的元素數(shù)量是有限的(如果元素數(shù)量非常多的話，查找就退化成節(jié)點內(nèi)部的線性查找了)，這樣導致二叉查找樹結構由于樹的深度過大而造成磁盤I/O讀寫過于頻繁，進而導致查詢效率低下。

　　B樹與自平衡二叉查找樹不同，B樹適用于讀寫相對大的數(shù)據(jù)塊的存儲系統(tǒng)，例如磁盤。它的應用是文件系統(tǒng)及部分非關系型數(shù)據(jù)庫索引。

　　B+樹在B樹基礎上，為葉子結點增加鏈表指針(B樹+葉子有序鏈表)，所有關鍵字都在葉子結點 中出現(xiàn)，非葉子結點作為葉子結點的索引;B+樹總是到葉子結點才命中。通常用于關系型數(shù)據(jù)庫(如Mysql)和操作系統(tǒng)的文件系統(tǒng)中。

　　B*樹是B+樹的變體，在B+樹的非根和非葉子結點再增加指向兄弟的指針, 在B+樹基礎上，為非葉子結點也增加鏈表指針，將結點的最低利用率從1/2提高到2/3。

　　R樹是用來做空間數(shù)據(jù)存儲的樹狀數(shù)據(jù)結構。例如給地理位置，矩形和多邊形這類多維數(shù)據(jù)建立索引。 Trie樹是自然語言處理中最常用的數(shù)據(jù)結構，很多字符串處理任務都會用到。

　　Trie樹本身是一種有限狀態(tài)自動機，還有很多變體。什么模式匹配、正則表達式，都與這有關。