每个系列一本前端好书，帮你轻松学重点。
本系列来自上海交通大学硕士，华为高级算法工程师 靳宇栋 的 《Hello，算法》
程序员圈儿有两种怪象：
1、人人称工程师，但少有人能真正担起一项"工程"。
2、掌握算法本是理所应当，实际寥寥无几。
一直以来，算法好像跟前端开发没多少关联，顶多用来应付面试。
本系列要做的，就是同大家一起啃下这块硬骨头，真正理解算法。
算法是什么
算法是什么，没有标准答案。
先看几个实际案例：
查字典
在字典里，每个汉字都对应一个拼音，而字典是按照字母顺序排列的。
查找"ren"的大概过程如下：
- 翻开字典约一半的页数，查看该页的首字母，假设为 j。
- 字母表中r位于j之后，所以排除前半部分，查找范围缩小一半。
- 不断重复前两个步骤 ，直至找到首字母为r的页码。
打扑克
打牌时，每局都需要整理扑克牌，使其从小到大排列。过程大概如下：
- 将扑克牌划分为"有序"和"无序"两部分，并假设初始状态下最左 1 张扑克牌已经有序。
- 从无序部分抽出一张扑克牌，插入有序部分的正确位置。
- 不断重复步骤 2 ，直至所有扑克牌都有序。
找零钱
在超市购买了 69 元的商品，给收银员 100 元，收银员需要找 31 元。大概过程如下：
- 可选项是比 31 元面值更小的货币，包括 1 元、5 元、10 元、20 元。
- 从中拿出最大的 20 元，剩余 31 − 20 = 11 元。
- 从剩余选项中拿出最大的 10 元，还剩 11 − 10 = 1 元。
这三个例子涉及的场景大家都非常熟悉，只是可能没意识到，它们就是算法。
算法就是问题的解决方案，并不一定跟编程相关。
从平常的生活细节，到巧夺天工的技艺，都隐藏着精妙的算法思想。
有个著名公式：程序 = 数据结构 + 算法。
所以不要说你没用过算法，只要在写程序，就在运用算法。
学习的难处
如此说来，理解算法并不难，为什么大家觉得难？原因大致两点：
1、大家所熟知的，只是简单问题的一般解，不一定是最优解，算法学习的目标是寻找最优解。
2、从解决思路到代码表示，需要一个转换过程。
编程中有两道坎：一是从完全不懂到具备编程思维，二是从语法正确到算法精良。
跨过第一道坎，写10行代码和1000行代码没有本质区别；跨过第二道坎，就能摆脱"工具人"属性，真正创造价值。
很多人都有这样的感受，学习算法像是重新学一遍编程，若干新概念扑面而来：冒泡、贪心、递归、动态规划、红黑树、B+树...
你得先理解这些概念，再将概念转换成代码。
理解不难，难的是转换，如果脑子转不过来弯儿，就难以完成转换。
怎么办？有人说刷题，刷题的确是一种受欢迎且看似有效的方法，但只是对自学能力强的人而言，基础薄弱的，可能每次都是从一道题开始，又从一道题结束，就像有些人学英语永远都是"abandon"。
何以解忧
学习这件事，没有毫无争议的"标准答案"，只有匹配读者当下认知水平的答案。
我们通常看到的资料和教程，讲师的背景和履历都很强，但稍作了解就知道，段位远高于基础。
它试图降低身段教会我们，但你刚理解了一个简单的问题，觉得自己好像可以，接着就迎来一段100行的代码，大脑马上投降------"谁爱看谁看去吧"。
我们需要的不是"看起来很厉害"，是能看懂，大脑可以跟随思考的东西，所以有了本书的选择，以及本系列文章。
本书重点着眼于"如何入门"，讲解的内容不一定是最优解，也不能保证学完拿到offer，但可以帮你慢慢找到"吸收"算法的感觉，这样以来，学习的进度条才能往前走，哪怕走得慢一些，只要有动力一直走，早晚能到不是吗？
先来两道开胃菜。
数据结构和算法
数据结构总是和算法同时出现，它们是什么关系？
其实生活中随处可见数据结构。
地铁线路是"图 "，公司组织架构是"树 "，叠在一起的盘子是"栈 "，车站排队进站是"队列"。
你或许想问，这些在JavaScript中都没有，怎么办？
JavaScript中，我们熟悉的数据结构只有"数组"和"对象"，但其实数组是一种通用型数据结构，以它为基础，可构造出栈、队列、树等，对象则是散列。
那么多数据结构，怎么区分和记忆？
它们可分为"逻辑结构 "和"存储结构"这两类。
逻辑结构：比如树，逻辑上具有"父--->子"关系。
存储结构：物理上是集中存储，还是分散存储。如：数组、链表。
数据结构是算法的基石，提供了结构化存储的数据和操作数据的方法。
算法是数据结构发挥作用的舞台，数据结构结合算法才能解决特定问题。
但要清楚，二者不是一对一的绑定关系，就像生活中的问题总有不同解。算法通常可以基于不同的数据结构实现，但执行效率可能相差很大，所以，往往对应着更优的选择。
质量评估
研究算法，是为了写出更好的程序，那什么是"好"？
如果把代码比作一匹马，好的算法就是"吃得少，还跑得快"。
当我们运行一段代码，直观感受到的，是快慢，不易察觉的，是内存占用。
那么优劣的评定就可归为两个维度：速度和内存，即"时间 "和"空间"。
有了评定标准，怎么验证呢？不可能带着代码去每一台机器上跑一遍。
这时候，就需要一套与机器和网络都无关的评定方法------"复杂度分析"。
复杂度分析体现算法运行所需的资源与输入数据大小之间的关系。它描述了随着数据大小的增加，算法执行所需时间和空间的增长趋势。
趋势是个很有意思的东西，有三个特点：
1、不精确，但能区分相对优劣。
2、忽略细枝末节，只关注大头。
3、量变引起质变，小于某个值的时候，A比B优，超过之后，可能是B比A优。
同时，时间和空间的利用往往难以共存，需要牺牲一方，成全另一方。
后续的学习过程中，还有很多机会感受它们的魅力。
我们的目标
本系列文章，尝试帮助不那么擅长编程的伙伴消除对算法的排斥和恐惧，培养算法思维，了解常见算法的用途和优势。
这里不得不提本书作者靳宇栋（@krahets） ，富有且慷慨，自身技术过硬的同时，能关注到基础相对薄弱的群体的需求，有耐心和创造力创作出这么好的作品，是为行业一大贡献。
著名物理学家费曼教授曾说："Knowledge isn't free. You have to pay attention."
书籍和文章可能是免费的，但要掌握它们，你需要付出时间和耐心。
希望大家通过这次旅程，体会到思考的乐趣，在后续的生活和工作中，更从容地解决自己遇到的问题。
本书 Github 已有超 110k star， 官网地址： www.hello-algo.com
不论你使用哪种语言，喜欢什么形式，它都能满足，如果等不及，可以先睹为快~
更多好文第一时间接收，可关注公众号："前端说书匠"