数据结构决定了数据的顺序和位置关系
数据存储在计算机的内存中的时候，决定了数据顺序和位置关系的是“数据结构”

电话本的数据结构：

1.从上往下顺序添加：

举例来说：假设有个电话本，虽然说现在很多人吧电话存在手机里面，但是这里考虑到写在纸上的情况，每当我们得到了新的电话号码，就按照从上往下的顺序把他们记录在电话本上面。
假设我们想给其中的一个人打电话，但是因为数据都是按照获取顺序排列的，所以，在找这个具体号码时候，我们只能从头一个个往下找。如果电话本上的号码不多的话很快就能找到，但是如果存了很多号码，找起来就没那么容易了。

2.按照姓名的拼音顺序排列

如果按照联系人的姓名拼音顺序排列，那么数据都是有结构的，类似于字典类型。
使用这种方法存储，想要找到目标任务就轻松多了。通过姓名的拼音首字母就能推测出该数据大致位置。
而这种情况下，如果想要存储一个号码，如果需要插入一个号码到两个号码之间，那么就需要把后面的号码都执行“将本行内容写进下一行”，如果数据很多,那么就非常耗费时间

两种方法的优缺点：

总的来说：如果数据按照顺序排列，虽然添加数据很简单，但是查找数据很麻烦。
如果按照拼音顺序排列，虽然查询简单，但是添加数据比较麻烦

将号码获取顺序和拼音顺序结合起来使用：

先创建所有首字母的表从A-Z,然后在每个表中存储数据时候按照号码获取到的顺序来存储

这样做的结果是：添加新数据时候，找到对应的首字母，直接将数据添加到对应首字母的表的末尾，查询数据时候，也只需要到对应的表中查找即可

因为各个表中存储的数据依旧是没有规律的，所以查询时仍需从表头开始找起，但是比起来查询整个电话本来说要轻松

选择合适的数据结构以提高内存的利用率

数据结构的思路和电话本存储一样。将数据存入内存时候，根据使用目的的选择合适的数据结构，可以提高内存的利用率。

数据结构是呈线性排列的，但是我们可以使用指针等道具，构造出“数形”的复杂结构。

leetcode上有这么一道题求解两数之和。

给定一个整数数组 nums 和一个目标值 target，请你在该数组中找出和为目标值的那 两个 整数，并返回他们的数组下标。
你可以假设每种输入只会对应一个答案。但是，数组中同一个元素不能使用两遍。

示例：
给定 nums = [2, 7, 11, 15], target = 9
因为 nums[0] + nums[1] = 2 + 7 = 9
所以返回 [0, 1]
根据题目来看，最快想到的解决方案就是暴力解法，嵌套两个for循环问题就解决了

   for(int i = 0;i < nums.count - 1; i ++){
              for(int j = i +1;j < nums.count; j ++){
                    sum = nums[i] + nums[j];
                    if(sum == target){
                          return [i,j];
              }
         }
     }

这样解决是可以正常满足题意的，但是算起来假设数组nums长度是n，那么解题所需要的时间复杂度约等于O(n^2).占用的复杂度约等于1.

leetcode上给出了一种使用哈希表的的思路。使用一层for循环来处理问题。

 Map<Integer, Integer> hashtable = new HashMap<Integer, Integer>();
        for (int i = 0; i < nums.length; ++i) {
            if (hashtable.containsKey(target - nums[i])) {
                return new int[]{hashtable.get(target - nums[i]), i};
            }
      //用nums下标i取出来的值nums[i]作为key,将当前下标i做为value存入hashtable中，hashtable.put(key,value)等待下一个for循环中使用。
            hashtable.put(nums[i], i);
        }

这样做的时间复杂度为O(n),空间复杂度也是O(n).