Language agnostic 数据结构也是如此；算法课程到底真的有用吗？

我记得当我在DSA的时候，我就像wtf O（n）一样，想知道除了在研究生院或者如果你不是布洛赫那样的博士，我会在哪里使用它。不知何故，it的使用的确会在业务分析中突然出现，所以我想知道你们什么时候需要调用自己的大O技能来了解如何编写算法，使用哪种数据结构来适应，或者是否必须实际创建新的ds（比如您自己的splay tree或trie实现）

在《旅行推销员》的实施中，网络是我所使用的全部。

理解数据结构是我所从事的许多项目的基础，这超出了在面试中被问到这样一个问题时的十分钟歌舞

---

尽管拥有各种收集类的现代环境可以轻松地存储和访问大量数据，但了解使用特定数据结构最好地解决特定问题可以节省大量时间。我所说的“省时”是指“工作和不工作的区别”。

当然（尽管我是一个卑微的EE硕士——没有博士学位，没有CS，与我的同事Joshua Block不同），我写了很多需要高度可伸缩的东西（或者可能需要在高度可伸缩的应用程序中重用的组件），因此，在我的设计中，大O的考虑因素总是在起作用（并且考虑它们并不困难）。我使用的数据结构几乎总是来自Python的简单但丰富的供应（我曾帮助开发；-），很少是完全定制的（而不是构建在列表、dict等之上）；但当它真的发生时（例如，我的开源项目gmpy中的位向量），没什么大不了的。

当我在算法类中了解到B树时，我就能够正确地使用它们（那是大约15年前，那时可用的开源实现少得多）。甚至后来，关于e。G容器类派上了用场……

老实说，能够回答这些问题是我在面试中认真对待受访者的最大标准。了解基本数据结构是如何工作的、基本的O（n）分析和一些轻理论对于成功编写大型应用程序非常关键

这在面试中很重要，因为它在工作中很重要。我过去曾与自学成才的技术人员一起工作，他们没有参加数据结构课程或阅读数据结构书籍，他们的代码偶尔会以他们应该看到的方式出现问题

如果您不知道n2的运行速度比n logN慢，那么您需要了解更多

---

就数据结构课程的后半部分而言，它通常不适用于大多数技术工作，但如果你最终需要它，你会希望你能多加注意。

Big-O表示法是描述特定库实现的算法时使用的基本表示法之一。例如，我所看到的所有关于STL的文档都用big-O来描述各种操作，因此自然地，您必须理解O（1）、O（logn）和O（n）之间的区别，以理解您选择STL容器和算法的含义。MSDN也为.NET类这样做，IIRC Java文档为标准Java类这样做。因此，我要说的是，了解符号在很大程度上是理解大多数流行框架文档的一个必要条件。

大约十年前，当我需要实现一个可定制的事件驱动系统时，我发现我的数据结构知识非常有用。这是个大问题，但我经常以较少的方式使用这类知识

对我来说，知道确切的算法是。。。背景知识不错。然而，最有用的是更一般的背景，即必须注意算法的不同部分是如何相互作用的。例如，在代码中的某些地方，移动一段代码（即循环外）可以在时间和空间上产生巨大的差异

---

与其说是课程教授的具体知识，不如说是几年的经验。这门课程花了很多年的时间，在纯粹的“真实世界经验”中，你可能会遇到（已经深入到）所有的变化，并将其浓缩

绝对正确：尽管堆栈、队列等非常简单，但以一种严格的方式介绍给他们会有所帮助

B-Tree和更高级的排序有点困难，所以尽早学习它们是一个很大的好处，我确实不得不在不同的地方实现它们

最后，几年前，我为单连接组件创建了一个算法，该算法明显优于我们的信号处理团队使用的算法，但我无法说服他们该算法更好，直到我能够证明它是O（n）复杂度，而不是O（nlogn）

…仅举几个例子

---

当然，如果你满足于继续做一个CRUD系统黑客，除了收取工资外，没有真正的愿望做更多的事情，那么可能没有必要……

你问题的标题询问数据结构和算法，但你问题的主体集中在复杂性分析上，因此我也将重点关注这一点：

在很多编程工作中，能够进行复杂性分析至少偶尔是有用的。请参阅以获取这些示例

我可以想到在我的职业生涯中，我或同事发现了一段代码，其中（通常是时间，有时是空间）的复杂度比它本应该的要高。当它可以是线性或nlog（n）时，它是二次或三次的。这样的代码在给定小的输入时可以很好地工作，但在较大的输入上会很快被删除