通用數據結構
可以簡單的按照速度將通用數據結構划分為：數組和鏈表（最慢），樹（較快），哈希表（最快）。增、刪、改、查是四大常見操作，不過其實可以濃縮為兩個操作：增和查。刪除操作和和修改操作都是建立在查找操作上的，所以完美的數據結構應該是具有較高的插入效率和查找效率。
通用數據結構關系
可以根據下圖選擇合適的通用數據結構：
數組
使用場景
數組在以下三個情形下很有用：
1）數據量較小。
2）數據規模已知。
3）隨機訪問，修改元素值。
如果插入速度很重要，選擇無序數組。如果查找速度很重要，選擇有序數組，並使用二分查找。
缺點
1）需要預先知道數據規模
2）插入效率低，因為需要移動大量元素。
鏈表
解決的問題
鏈表的出現解決了數組的兩個問題：
1）需要預先知道數據規模
2）插入效率低
使用場景
1）數據量較小
2）不需要預先知道數據規模
3）適應於頻繁的插入操作
缺點
1）有序數組可以通過二分查找方法具有很高的查找效率(O(log n))，而鏈表只能使用順序查找，效率低下(O(n))。
二叉查找樹
解決的問題
1）有序數組具有較高的查找效率(O(log n))，而鏈表具有較高的插入效率（頭插法，O(1)），結合這兩種數據結構，創建一種貌似完美的數據結構，也就是二叉查找樹。
使用場景
1）數據是隨機分布的
2）數據量較大
3）頻繁的查找和插入操作（可以提供O(log n)級的查找、插入和刪除操作）
缺點
1）如果處理的數據是有序的（升序/降序），那么構造的二叉查找樹就會只有左子樹（或右子樹），也就是退化為鏈表，查找效率低下(O(log n))。
平衡樹
解決的問題
1）針對二叉查找樹可能會退化為鏈表的情況，提出了平衡樹，平衡樹要求任意節點的左右兩個子樹的高度差不超過1，避免退化為鏈表的情況。
使用場景
1）無論數據分布是否隨機都可以提供O(log n)級別的查找、插入和刪除效率
2）數據量較大
缺點
1）平衡樹的實現過於復雜。
哈希表
解決的問題
同平衡樹一樣，哈希表也不要求數據分布是否隨機，不過哈希表的實現比平衡樹要簡單得多。
使用場景
1）不需要對最大最小值存取。
2）無論數據分布是否隨機，理想情況下（無沖突）可以提供O(1)級別的插入、查找和刪除效率。
3）數據量較大
缺點
1）由於是基於數組的，數組（哈希表）創建后難以擴展，使用開放地址法的哈希表在基本被填滿時，性能下降的非常嚴重。
2）不能對最大最小值存取。
通用數據存儲結構
專用數據結構
棧
順序棧
優點
1）在輸入數據量可預知的情形下，可以使用數組實現棧，並且數組實現的棧效率更高，出棧和入棧操作都在數組末尾完成。
缺點
1)如果對數組大小創建不當，可能會產生棧溢出的情況
鏈棧
優點
1）不會發生棧溢出的情況
2）輸入數據量未知時，使用鏈棧。通過頭插法實現入棧操作，頭刪法實現出棧操作。出棧和入棧均是O(1)。
缺點
1）由於入棧時，首先要創建插入的節點，要向操作系統申請內存，所以鏈棧沒有順序棧效率高。
隊列
如果數據量已知就使用數組實現隊列，未知的話就使用鏈表實現隊列。出隊和入隊均是O(1)。
| 數據結構 | 優點 | 缺點 | |
| 數組 | 插入快 | 查找慢、刪除慢、大小固定 | |
| 有序數組 | 查找快 | 插入慢、刪除慢、大小固定 | |
| 棧 | 后進先出 | 存取其他項很慢 | |
| 隊列 | 先進先出 | 存取其他項很慢 | |
| 鏈表 | 插入、刪除快 | 查找慢 | |
| 二叉樹 | 查找、插入、刪除快 | 算法復雜（刪除算法） | |
| 紅黑樹 | 查找、插入、刪除快 | 算法復雜 | |
| hash表 | 存取極快（已知關鍵字）、插入快 | 刪除慢、不知關鍵字時存取很慢、對存儲空間使用不充分 | |
| 堆 | 插入快、刪除快、對大數據項存取快 | 對其他數據項存取慢 | |
| 圖 | 依據現實世界建模 | 算法有些復雜 | |
| AVL樹 | 查找、插入、刪除快 | 算法復雜 |