學習演算法的真正目的#

學習資料結構和演算法，並不是為了死記硬背幾個知識點，而是為了：

• 建立時間複雜度、空間複雜度意識
• 寫出高品質的程式碼
• 能夠設計基礎架構
• 訓練邏輯思維

我們學任何知識都是為了「用」的，是為了解決實際工作問題的。

高手與普通人的差距，往往是「數量級」的#

物理學界曾把物理學家分成五個等級，每一級之間的貢獻相差大約一個數量級——也就是十倍。工程師之間也是如此：一流工程師的產出，常常不是比二流好 20%、30%，而是好上十倍。賈伯斯就說過，一個頂尖工程師可以頂得上五十個平庸工程師。

這種「數量級差距」從哪裡來？很大一部分，就藏在演算法的選擇裡。

人類天生對「大數」沒有概念，因為我們活在小數的世界裡；也對計算機的高速無感，因為我們活在一個很慢的世界裡。正因如此，我們的直覺會嚴重低估當資料規模變大時，複雜度差異帶來的後果——這正是必須刻意訓練 Big-O 思維的理由。

舉個讓人脊背發涼的例子：圍棋的變化數約為 3³⁶¹ ≈ 2×10¹⁷²，而整個可觀測宇宙的基本粒子數量只有約 10⁸⁰。換句話說，即使把宇宙中每一個粒子都變成一個宇宙、再把所有粒子數一遍，總數仍遠少於圍棋的變化數。指數爆炸的威力，遠超任何人的直覺。

一個真實的故事：某位工程師實習時負責對帳模組，用了一個笨演算法。當資料量增大十倍，執行時間卻多出了幾十倍；最後一位同學只改了十幾行程式碼就解決了。演算法的差異，是實打實的真金白銀。

不同角色的學習必要性#

業務開發工程師#

你可能會說：「我整天就是做資料庫 CRUD，哪裡用得到演算法？」

確實，大部分業務開發利用封裝好的介面、類別庫來堆砌業務邏輯，很少需要自己實作資料結構和演算法。但是：

• 不需要自己實作，不代表不需要了解
• 不懂原理，如何選擇 ArrayList 還是 LinkedList？
• 不懂複雜度分析，如何評估程式碼的效能？

常用的框架如 Spring、RPC、Redis 等，都揉合了大量資料結構和演算法的設計思想。掌握這些知識，能更好地使用它們，出問題時也更容易定位。

基礎架構研發工程師#

不同的人做出的框架，架構設計思路都差不多，但品質差異巨大。高手之間的競爭在於細節：

• 演算法是否夠最佳化
• 資料存取效率是否夠高
• 記憶體是否夠節省

這些累積起來，決定了一個框架是否優秀。

資深工程師#

有的人寫程式從來不考慮非功能性需求，只完成功能、湊合能用就好。十年的積累可能跟一年沒有任何區別。

在大公司面對千萬級甚至億級使用者時，效能幾乎是開發過程中時刻都要考慮的問題。一個簡單的 ArrayList、LinkedList 的選擇，就可能產生成千上萬倍的效能差別。

面試的角度#

大公司面試為什麼喜歡考演算法？

• 校園徵才：學生沒有實際專案經驗，只能考察基礎知識是否牢固
• 有經驗者徵才：越厲害的公司，越注重基礎知識，因為他們更看重長期潛力而非短期能力

小結#

資料結構和演算法如果不去學，可能真的這輩子都用不到。但一旦掌握，你就會常常被它的強大威力所折服。之前需要費很大勁最佳化的程式碼，用了資料結構和演算法之後，很容易就可以解決。