是时候回到过去上一堂课了。虽然我们今天在我们的高级托管语言中对这些事情的考虑不多，但它们是建立在相同的基础上的，因此让我们看一下如何在C中管理内存。
在我深入探究之前，先对“ 指针 ”一词的含义进行快速解释。指针仅仅是“指向”内存中某个位置的变量。它不包含该内存区域的实际值，而是包含该内存的地址。将一块内存视为一个邮箱。指针将是该邮箱的地址。
在C语言中，数组只是具有偏移量的指针，偏移量指定要在内存中查找的距离。这提供了O（1）访问时间。
MyArray [5]
^ ^
Pointer Offset
所有其他数据结构要么以此为基础，要么不使用相邻的存储器进行存储，从而导致较差的随机访问查找时间（尽管不使用顺序存储器还有其他好处）。
例如，假设我们有一个数组，其中包含6个数字（6,4,2,3,1,5），在内存中看起来像这样：
=====================================
| 6 | 4 | 2 | 3 | 1 | 5 |
=====================================
在数组中，我们知道每个元素在内存中彼此相邻。AC数组（MyArray在此处称为）只是指向第一个元素的指针：
=====================================
| 6 | 4 | 2 | 3 | 1 | 5 |
=====================================
^
MyArray
如果我们要查找MyArray[4]，可以在内部通过以下方式进行访问：
0 1 2 3 4
=====================================
| 6 | 4 | 2 | 3 | 1 | 5 |
=====================================
^
MyArray + 4 ---------------/
(Pointer + Offset)
因为我们可以通过将偏移量添加到指针来直接访问数组中的任何元素，所以无论数组大小如何，我们都可以在相同的时间内查找任何元素。这意味着获取MyArray[1000]将花费与获取相同的时间MyArray[5]。
另一种数据结构是链表。这是一个线性指针列表，每个指针都指向下一个节点
======== ======== ======== ======== ========
| Data | | Data | | Data | | Data | | Data |
| | -> | | -> | | -> | | -> | |
| P1 | | P2 | | P3 | | P4 | | P5 |
======== ======== ======== ======== ========
P(X) stands for Pointer to next node.
请注意，我将每个“节点”都放入了自己的块中。这是因为不能保证它们在内存中是相邻的（而且很可能不会相邻）。
如果我要访问P3，则无法直接访问它，因为我不知道它在内存中的位置。我所知道的只是根（P1）所在的位置，所以我必须从P1开始，并按照每个指针指向所需的节点。
这是O（N）查找时间（查找成本随添加每个元素而增加）。与P4相比，达到P1000的成本要高得多。
更高级别的数据结构（例如哈希表，堆栈和队列）都可以在内部使用一个数组（或多个数组），而“链表”和“二叉树”通常使用节点和指针。
您可能想知道为什么有人会使用需要线性遍历的数据结构来查找值，而不是仅使用数组，但是他们有其用途。
再次使用我们的数组。这次，我想找到包含值“ 5”的数组元素。
=====================================
| 6 | 4 | 2 | 3 | 1 | 5 |
=====================================
^ ^ ^ ^ ^ FOUND!
在这种情况下，我不知道要添加到指针的偏移量是多少，因此我必须从0开始，一直向上直到找到它。这意味着我必须执行6次检查。
因此，在数组中搜索值被视为O（N）。随着数组变大，搜索的成本增加。
还记得上面我说过的话，有时使用非顺序数据结构可以带来好处吗？搜索数据是这些优势之一，最好的例子之一就是二叉树。
二叉树是一种类似于链表的数据结构，但是每个节点可以链接到两个子节点，而不是链接到单个节点。
==========
| Root |
==========
/ \
========= =========
| Child | | Child |
========= =========
/ \
========= =========
| Child | | Child |
========= =========
Assume that each connector is really a Pointer
将数据插入二叉树时，它使用一些规则来决定将新节点放置在何处。基本概念是，如果新值大于父项，则将其插入到左侧；如果新值小于母项，则将其插入到右侧。
这意味着二叉树中的值可能如下所示：
==========
| 100 |
==========
/ \
========= =========
| 200 | | 50 |
========= =========
/ \
========= =========
| 75 | | 25 |
========= =========
在二叉树中搜索值75时，由于这种结构，我们只需要访问3个节点（O（log N））：
- 75小于100吗？看右边的节点
- 75大于50吗？看左节点
- 有75个！
即使树中有5个节点，我们也不必查看其余两个节点，因为我们知道它们（及其子代）不可能包含我们所寻找的值。这给了我们一个搜索时间，在最坏的情况下意味着我们必须访问每个节点，但是在最好的情况下，我们只需要访问一小部分节点。
那就是数组被击败的地方，尽管访问时间为O（1），但它们提供了线性的O（N）搜索时间。
这是关于内存中数据结构的令人难以置信的高级概述，跳过了许多细节，但希望它能说明数组与其他数据结构相比的优缺点。