是不是觉得数据结构和算法，跟os、计网一样，属于脱离实际工作的屠龙术？
除了面试，其实这辈子也用不着？

尽管计算机专业同学在大学都学过这些课程，甚至很多培训机构也会培训，但很多程序员对数据结构和算法依旧一窍不通。绝大多数人只听说过数组、链表、快排这些最简单的数据结构和算法，稍微复杂一点的就完全没概念。

很多人说实际工作中根本用不到数据结构和算法。所以，就算不懂这块知识，只要Java API、开发框架用得熟练，照样可以把代码写得“飞”起来。
事实真的是这样吗？

想要通关大厂面试，数据结构和算法是开胃菜

BAT字节、Google、微软，面试都喜欢考算法、手写代码并运行。有些人虽然技术八股文不错，但每次去面试都会“跪”在算法上，很可惜。

那你可曾想过，为何这些大公司喜欢考察算法？

校招时，学生一般都没有实际项目经验，公司只能考察他们的基础知识是否牢固。
社招更不用说，越注重技术的公司，越会重点考察数据结构与算法这类基础知识。
因为相比短期能力，他们更看中候选人的长期潜力。

我不懂算法，照样找到了高薪大厂工作啊。我是不是就不用研究算法了？

要以发展的眼光看待，我们学任何知识都是为了解决实际问题，学习算法自然有用处。难道你真愿意一直做个crud boy？

可我整天工作就是crud 啊，哪里用到过算法？

诚然，大部分业务开发都是利用封装好的API堆砌、转译业务逻辑，几乎无需自行实现算法。
但不需要自己实现≠什么都不需要了解。

若不知道这些类库背后的原理，不懂得时间、空间复杂度分析，你如何能用好、用对它们？
存储某业务数据时，你如何知道应该用ArrayList，还是LinkedList？
调用某方法后，你如何评估代码的性能和资源消耗？

业务开发用到的各种框架、中间件和底层系统，如MySQL、Spring、MQ和Redis等。这些基础组件中，其实都内置了很多基础算法思想。
如Redis中，有序集合用什么数据结构实现？为什么要用跳表？为什么不用二叉树？

若能清晰这些底层原理，就能更好利用它们。即便出现问题，也方便定位。

实际工作中的算法应用到处可见，如何实时地统计业务接口的99%响应时间？

你可能想，每次查询时，从小到大排序所有的响应时间，若总共有1200个数据，那第1188个数据就是99%的响应时间。
每次用这个方法查询的话都要排序，效率太低。但若你知道“堆”数据结构，用两个堆即可高效解决。

现在开源的技术文章、架构、项目很多，照猫画虎做一套基础框架并不难。我就拿RPC框架举例。

不同人做出的RPC框架，架构设计思路其实都差不多，所实现的功能也相差无几。但就是有人做的框架，Bug很多、性能一般、扩展性也不好，只能在自己公司仅有的几个项目里面玩一下。
而有人的框架就能开源到GitHub，甚至被Apache收录。
为什么会有这么大差距？

编程高手竞争就在细节：算法是不是足够优化，数据存取的效率是不是足够高，内存是不是够节省等等。
所以细节决定成败！

对编程还有追求？不想被35优化？那就不要只会写只是能run的代码！

何为编程高手？不同人可能观点不同。但在我看来，性能好坏至少算一项关键指标。若你连代码时间复杂度、空间复杂度都会分析，怎么可能写出高性能代码？

我在小公司工作的呀，非互联网，用户量少，处理数据量也小，qps几乎0，开发不需要考虑那些性能问题，完成功能就下班了，用不用数据结构和算法，无足轻重。

那你就甘愿“十年如一日”重复 crud 了吗？
大家都知道这行35岁后容易被行业淘汰，原因其实就在此。有人写代码，从不考虑非功能性需求，只是完成功能，能run就行；做事情的时候，也从无长远规划，只顾眼前三分利。
这样即使十年业务积累，跟应届生一年积累没有本质区别。怎么不会被淘汰呢？

大公司里性能几乎是时刻都要考虑的。一个简单的ArrayList、Linked List的选择问题，就可能会产生成千上万倍的性能差别。
数据结构和算法的意义就彰显了。

数据结构和算法这个东西，如果你不去学，可能真的这辈子都用不到，也感受不到它的好。但一旦掌握，你就会常常被它的强大威力所折服。
之前你可能需要费很大劲儿来优化的代码，需要花很多心思来设计的架构，用了数据结构和算法之后，很容易就能解决。

总结

学习数据结构和算法，并非为了死记硬背几个知识点。而是为建立时间复杂度、空间复杂度意识，写出高质量代码，能够设计基础架构，提升编程技能，训练逻辑思维，积攒人生经验，以此获得工作回报，实现你的价值，完善你的人生。

掌握数据结构与算法，看待问题的深度，解决问题的角度就会完全不同。