在很多数据结构相关的书籍，尤其是中文书籍中，常常把数据结构与算法“混合”起来讲，导致很多人初学时对于“数据结构”这个词的意思把握不准，从而降低了学习兴趣和学习信心。然而实际上，数据结构就是其字面意思：数据的结构。而“结构”这个词的标准意思又是“组成整体的各部分的搭配和安排”。所以，数据结构的意思就是“数据存储的结构”，而我们学习数据结构其实就是为了研究“应该以什么样的（抽象的）结构存储数据”。更广泛地说，数据结构不仅关心“数据如何存储”，还关心“存储哪些数据”。

那么，数据存储的不同结构（抽象的，因为数据的实际存储是物理的、底层的）会有什么区别，或者说我们为什么要学习数据结构呢？原因当然就是数据结构与我们的程序性能息息相关喽！为了举例说明这一点，我们先简要说明一下“链表”这种数据结构（后期会有相应文章讲解“链表”）。所谓“链表”，可以视作是“扩展的数组”，它与数组的不同之处在于其“元素”个数是不确定的（数组在创建时就需要指定大小，也就指定了元素个数），且“元素”间的位置也不再是相邻的。“链表”初始化后其内是没有“元素”空间的，当你需要添加元素时“链表”就在内存中随意找一个“元素”大小的空间加进“链表”中，然后写入数据到该空间。这样一来，“链表”就可以随着我们的需要动态地增大或减小其大小。至于为什么“元素不相邻却还能找到相关的其它元素”的原因，我们将在“链表”相应章节讲解，目前我们只需要知道其抽象概念及效果就好了。

现在，我们来假设一个程序（你也可以称为软件，可能会更高大上一点），其接收用户的输入，当输入完全结束后，进行相应操作，然后输出结果。但是，已知用户的输入数量是不确定的，有时候只需要1、2MB内存来存储，而有时候高达几百MB，并且用户的内存就只有1GB可用，那么程序设计时，如果使用数组来暂存用户的输入，这个数组该是多大呢？如果数组设置成2MB大小，那么程序将无法应对用户大量输入的情况，而如果将数组设置为比如500MB，那么有可能大部分情况下准备的空间都是浪费的！如果只运行你这一个程序，浪费也就罢了，然而现在同时运行多个程序已经是常见的现象，若一个程序占用了过多的空间那么其它程序怎么办呢？这个时候，显然“链表”才是该程序用于存储用户输入的更佳的数据结构。在特定的情况下，有的数据结构更合适而有的更不合适，我们要明白数据结构存在哪些选择，而哪个选择是更好的，才能写出更适合更优秀的程序。这就是为什么要学习数据结构的原因。

讲到这儿，数据结构的含义应该已经清楚了，接下来要说一说什么是算法。算法粗略地说就是“解决问题的方法或步骤”，而在编程中，我们解决问题往往就是处理数据。比如最常听说的排序算法，就是将数据处理成排好顺序的状态。很多时候算法的优劣决定了程序的性能，当数据个数为数万个时，使用插入排序算法可能需要耗费几十秒的时间，而快速排序算法则只需要零点几秒，这显然是有巨大差别的，且数据越多这两者差别越大。因此，算法对于编程是极其重要的。

       那么，为什么数据结构与算法往往是一起讲解的呢？这个问题想要通俗地解释有点困难，但是我们可以将原因归纳为两点：

1.特殊的数据结构需要特殊的算法进行处理。

　　有时候我们的程序会使用到特殊的数据结构来存储数据，比如上面提到的情形，我们就需要一个能动态变化大小的线性表——链表——来替代普通的数组去存储数据。而数据的存储结构发生变化后，我们存、取数据的方式也会发生变化，使用数组时我们想要第X个数据只需要用下标（X-1）就可以直接取出，但是如果使用链表，我们则不得不从第一个元素一路数过去，数到第X个就是第X个数据。此时因为我们使用了特殊的数据结构，所以相应的处理数据的方法也得变化，也就是说介绍某个特殊的数据结构，就必然要介绍“操作”该数据结构的算法，不然这个数据结构可怎么用？

2.特殊的算法需要特殊的数据结构来支持。

　　其实大部分情况下算法与数据结构一起讲解的原因都是第一点，即有了某种数据结构，再引出“配套”的算法。但是为了实现某种算法而必须使用特殊的数据结构的情况也是有的，比如用于快速查找的散列算法就需要链表提供支持，此处限于篇幅不予细讲。

　　总而言之，由于“算法需要有合适的数据结构支持，数据结构离开算法就没有什么意义”，数据结构与算法往往是一起提出的。日后本系列文章讲解时也会尽量做到：提出某种情形——提出合适的数据结构——给出该数据结构对应的算法，或者：提出某种情形——提出合适的算法——选择合适的数据结构。