学习数据结构，需要先熟练掌握插入、删除和查找等基本操作，
这些基本操作往往是解决很多面试题的关键。例如，如果我们熟练掌
握了前缀树的插入和查找操作，那么很多与字符串前缀相关的问题都
很容易解决。
同样，对于基础算法我们也需要深刻理解它们的原理及其实现代
码。例如，二分查找通常只需要10行左右的代码就能实现，我们要理
解它的循环条件的比较运算符什么时候用“＜”，以及什么时候用
“＜=”，确定下一步查找前半部分或后半部分的标准是什么。在理
解了这些原理之后，不管面试题如何变化，最终解决问题的代码都大
同小异。
学习数据结构，还要深刻理解每种数据结构的特点及其适用场
景，这样才能在面试过程中合理选择数据结构解决问题。例如，哈希
表是时间效率非常高的数据结构，它的插入、删除和查找操作的时间
复杂度都是
O
（1）。虽然哈希表的时间效率非常高，但并不是所有的
问题都能用哈希表来解决。如果存储的元素是字符串，并且需要根据
字符串的前缀进行查找，那么前缀树是更好的选择。如果存储的元素
是数值，并且解决问题需要知道数据集合中的最大值或最小值，那么
堆可能是更好的选择。如果需要对动态数据集合排序，并且需要根据
数值的大小进行查找，那么平衡的二叉搜索树（Java中的TreeSet或
TreeMap）可能是更好的选择。
同样，学习算法也要理解每种算法的特点及其适用场景。例如，
回溯法和动态规划适合解决的问题看起来很类似。如果解决一个问题
需要多个步骤，并且每个步骤都面临多个选择，那么我们可以考虑使
用回溯法或动态规划来解决问题。如果要求列举出问题所有的解，那
么我们应该采用回溯法来解决问题。如果只是要求计算某个最优解
（通常是最大值或最小值）或计算解的数目，那么我们应该采用动态
规划来解决问题。
本书的关注点是算法面试，因此，和常规的算法类书籍相比，本
书更加注重面试准备的实用性。本书注重总结常用的解题思路。例
如，如果面试题提到与二叉树相关的概念，那么我们可以尝试用广度
