作为一个非计算机专业出身，也没有参与过IT技术层面实现的人，在这个清明节假期，以一种必死的心态，去啃这本《数据结构》。
结果呢？说实话，真香！
尽管语言细节和如何实现一如预期的全看不懂，但我都略过了。一本差不多400页的专业书，只用了不到3个小时翻完，而且收获居然还非常大。收获主要是思维层面的。更确切点说，启发我去思考了几个大问题。
一、技术（或者广义点，工具）的本质是什么？
为什么有数据结构？因为要厘清数据的逻辑次序与物理存放位置。OK，把scope放大些。
为什么有信息技术？因为人类有更强的，对物理世界进行（虚拟的）逻辑化呈现与表达的诉求。OK，把scope再放大些。
为什么有工具？因为我们希望能对现实世界能有更清晰的认知和更强的改造能力，能更好地解决现实问题。
所以，工具的本质是帮助我们分析问题和解决问题。但是最关键的定义问题环节，工具（至少是现阶段的）爱莫能助，定义问题（或者是目标）仍然绝对的依赖于问题解决者，也就是工具的使用者。
换一个角度，工具的边界也在这里。人如果要想不被工具替代（例如我们现在爱说的机器替代人），就要在定义问题和目标的能力上下功夫，挖掘价值。
二、工具的能力的本质又是什么？
第一点里面提到了，是（帮助人）分析问题和解决问题，也就是支持从未知到已知。
数据结构是怎么玩转这个游戏的？转化。弄清了最基础的“线状”对吧？然后“树形”向“线状”转化，“图”又向“树形”转化。
在这个纷繁复杂眼花缭乱的转化过程中，分清哪些是变化的，哪些是不变的，就很重要了。例如对于计算而言，数据是常变的，实现的语言是常变的，但算法和数据模型则是不常变的。就如同（阶段性的）思维能力不常变，而思考对象常变。
三、设计工具的基本原则是什么？
正因为定义问题的是人，定义系统目标的也是人。所以工具的设计要基于实际应用的需求，先确定功能规范和性能指标。
就以数据结构为例，引入列表结构，是为了弥补向量结构在解决某些应用问题时，在功能及性能方面的不同。二者的差异，表面上体现于外在的操作方式，但根源则在于其内部存储方式的不同。
为什么会这样？因为数据结构的本质就是为了解决对信息的分类和排序。所以工具使用者，为了通过工具实现不同的目标，从而在设计工具时采用不同的内部结构。
四、如何判定工具的好坏？
某种意义上，工具没有绝对的好坏。一种工具如果长期存在，必然有其合理性，而它的价值发挥则更多取决于工具使用者和问题的结合。
例如数组和链表，前者发现目标所需时间为常数，而修改目标所需时间为线性；后者反过来，修改目标时间为常数，而发现目标时间为线性。哪个好？这很大程度上其实取决于你的样本空间大小，以及发现和修改数据的行为场景和频率。
俗话说“机关枪打蚊子”，机关枪打蚊子何止是成本比苍蝇拍高，效果都不如苍蝇拍好吧。
由此我得出一条经验：多读经典，哪怕并非是你的专业领域的，很大概率会比在专业中一直深挖细枝末节的边际收益来得要高。
诺贝尔经济学奖得主阿马蒂亚·森曾这么说：
“考察一个人的判断力，主要考察他的信息渠道和信息来源的多样性。有无数的可怜人，长期活在单一的信息里，而且是一种完全被扭曲、颠倒的信息，这是导致他们愚昧且自信的最大原因。原谅他们吧，因为他们的确不知道真相。”
网友评论