数组：最基础也最常用
数组就像一排整齐的储物柜，每个格子有固定编号，存取速度快得像伸手拿东西。比如你要记录一周每天的步数，用一个长度为7的数组刚好，arr[0]是周一，arr[6]是周日。但问题也很明显——想中间插个数据？后面全得往后挪，效率低。
int steps[7] = {8000, 7500, 9200, 6800, 10000, 12000, 11500};链表：灵活的积木式结构
链表像是用绳子串起来的一串钥匙，每把钥匙（节点）都带着下一个的位置信息。插入删除特别方便，比如微信聊天记录，新消息来了直接挂到最后就行，不用挪动前面的内容。但代价是不能“随机访问”，想看第10条？只能从头一个个数过去。
struct ListNode {
int val;
ListNode* next;
};栈和队列：两种特殊的数据规矩
栈是“后进先出”，像自助餐厅叠放的盘子，最后放上去的最先被拿走。函数调用、浏览器返回按钮都靠它。队列则是“先进先出”，像排队买奶茶，谁先来谁先被服务。消息队列、打印任务调度都是典型场景。
哈希表：快速查找的秘密武器
你输入手机号，系统瞬间显示姓名，这背后多半是哈希表在干活。它通过一个函数把键（比如手机号）转成数组下标，实现接近O(1)的查询速度。当然，冲突难免，拉链法、开放寻址这些方法就是用来解决“两个号撞到同一个位置”的尴尬。
unordered_map<string, string> phoneBook;
phoneBook["13800138000"] = "张三";树：分层管理的智慧
文件夹嵌套、组织架构图，这些都是树形结构的影子。二叉搜索树让左边小、右边大，查找效率比线性扫描高不少。但怕不平衡，左歪右斜之后就退化成链表了。于是有了AVL树、红黑树这些自平衡的高手，Linux进程调度就在用红黑树。
堆：优先级队列的实现基础
急诊室看病，不是先来先治，而是谁病情重谁先上。堆就是干这个的——最大堆根最大，最小堆根最小。每次取出顶端元素，再自动调整，保证下次还能快速找到最值。任务调度、Dijkstra最短路径算法都离不开它。
图：关系网络的抽象模型
社交网络里谁认识谁，地图上城市怎么连通，这些复杂关系都用图来表示。邻接矩阵适合稠密图，邻接表更省空间。遍历方式有深度优先（DFS）和广度优先（BFS），前者像钻迷宫一条路走到黑，后者像水波一圈圈扩散。
// 邻接表表示图
vector<vector<int>> graph(5);
graph[0].push_back(1);
graph[0].push_back(2);