用通俗易懂的语言来介绍工作和面试中常见的数据结构和算法，提供golang和js两种语言的实现。另外提供面试中常见算法题，尤其是leetcode题目的讲解和golang代码实现。
增加了向前指针的链表叫作跳表。跳表全称叫做跳跃表，简称跳表。跳表是一个随机化的数据结构，实质就是一种可以进行二分查找的有序链表。跳表在原有的有序链表上面增加了多级索引，通过索引来实现快速查找。跳表不仅能提高搜索性能，同时也可以提高插入和删除操作的性能。
这里采用redis底层类似的实现，增加了
- B+树的简单实现（未考虑并发）
B+ 树是一种树数据结构，是一个n叉树，每个节点通常有多个孩子，一颗B+树包含根节点、内部节点和叶子节点。根节点可能是一个叶子节点，也可能是一个包含两个或两个以上孩子节点的节点。 B+ 树通常用于数据库和操作系统的文件系统中。 NTFS, ReiserFS, NSS, XFS, JFS, ReFS 和BFS等文件系统都在使用B+树作为元数据索引。 B+ 树元素自底向上插入，其特点是能够保持数据稳定有序，其插入与修改拥有较稳定的对数时间复杂度。 - 字典树的构建
LRU是Least Recently Used的缩写，即最近最少使用，是一种常用的页面置换算法，选择最近最久未使用的页面予以淘汰。该算法赋予每个页面一个访问字段，用来记录一个页面自上次被访问以来所经历的时间 t，当须淘汰一个页面时，选择现有页面中其 t 值最大的，即最近最久未使用的页面予以淘汰。
LFU（least frequently used (LFU) page-replacement algorithm）。即最不经常使用页置换算法，要求在页置换时置换引用计数最小的页，因为经常使用的页应该有一个较大的引用次数。但是有些页在开始时使用次数很多，但以后就不再使用，这类页将会长时间留在内存中，因此可以将引用计数寄存器定时右移一位，形成指数衰减的平均使用次数。
- golang实现LRUcache LRU cache(golang)
- golang实现LFUcache LFU cache(golang)
堆是一种带有顺序结构的完全二叉树，分为大根堆和小根堆，根据完全二叉和父子大小关系，利用数组结构比较容易实现堆结果。另外golang本身的堆实现(container/heap.go)则使用了sort接口，更加灵活。
golang实现的单链表和双链表结构
介绍了基本数据结构之线性表的特点和原理以及js的算法实现。 由于js语言本身的特点，线性表在js中主要以数组的应用为主，而js数组本身也并不是传统意义上的连续线性表。
js对象大家都用的很多，但其底层的哈希表特性你是否清楚？ 在这篇文章里，小茄会用最平白易懂的语言来讲哈希结构的原理、构造方法，当然，还有哈希表在js中的应用。
树是一种带有层次的数据结构，分层特性可以用于实现数据存储和快速查找。 比较常见的应用场景就是各种目录结构，如文件目录、DOM结构等，由于每指定一层就是一层筛选，所以可以用于快速查找。 js中可以通过对象的哈希结构来实现树结构，两种数据结构结合，速度更快。
做任何算法的时候，都要先弄清需求！如果是需要构造一个函数，那一定要弄清楚函数的调用方式、各参数的含义，多举几个例子说明。只有弄懂了这个函数应该是怎样的，才有可能写出符合要求的函数
Array array.js
-
indexOfArray：数组子串位置查询
-
arrayFilter：数组筛选
-
arrayUnique: 数组去重
-
combineArray: 数组归并排序
-
longestSubArray: 数组最长无重复子串查找
-
longestSubArrayHash: 利用哈希表去重的数组最长无重复子串查找
sort sort.js
recursiverecursive.js
LeetCode的golang解题：leetcode