2、数据结构与算法面试：列表与元组的底层实现、字典的哈希表原理、集合的应用场景、常见排序算法手写

2.1 列表与元组：看似相似，底层天差地别

面试时我经常问一个问题：「列表和元组有什么区别？」

大部分人会回答「列表可变，元组不可变」。嗯，没错，但这只是表面。真正拉开差距的，是底层实现。

列表的底层是动态数组。什么意思？

Python 的列表在 C 层面是一个 PyObject** 指针数组。它维护了三个核心字段：

• ob_item：指向元素数组的指针
• allocated：已分配的内存槽位数
• ob_size：实际存储的元素个数

当你要往列表里追加元素时，如果 ob_size == allocated，就会触发扩容。扩容策略是：

• 新容量 ≈ 原容量的 1.125 倍 + 一些额外空间
• 重新申请内存，把旧数据拷贝过去

我遇到过一个问题：有个同事在循环里不断往列表头部插入元素（list.insert(0, item)），结果数据量到几万时程序直接卡死。为什么？因为每次头部插入都要把后面所有元素往后挪一位，时间复杂度 O(n)。

元组的底层更轻量。它也是 PyObject** 数组，但没有 allocated 字段，也不支持扩容。元组一旦创建，内存大小就固定了。所以元组可以缓存复用——Python 会缓存一些小元组（比如长度为 0 的空元组），避免重复分配。

我个人习惯：能用元组的地方绝不用列表。比如函数返回多个值时，用元组更安全，也暗示调用方「别改我」。

2.2 字典的哈希表原理：为什么键必须是不可变对象？

字典是 Python 里最核心的数据结构之一。它的底层是哈希表，说白了就是一个数组 + 哈希函数。

当你执行 d['key'] = value 时，Python 做了这几步：

1. 调用 hash('key') 计算哈希值
2. 用哈希值对数组长度取模，得到索引位置
3. 如果该位置为空，直接存入
4. 如果冲突了（哈希碰撞），用开放寻址法找下一个空位

你想想看，为什么键必须是不可变对象？因为如果键变了，它的哈希值也会变。字典就再也找不到这个键了。我见过有人用列表当字典键，结果程序跑着跑着就报 TypeError: unhashable type: 'list'。

Python 3.6 之后，字典还有一个重要优化：保持插入顺序。底层改成了「数组 + 稀疏索引」的结构，既保留了哈希表的 O(1) 查找，又记住了元素的插入顺序。这个改动让我在写配置解析时省了不少心。

2.3 集合的应用场景：去重、交集、差集

集合的底层和字典几乎一样，只是没有 value。所以集合也要求元素是可哈希的。

我常用的场景有三个：

场景	代码示例	说明
去重	list(set(items))	注意会丢失顺序，需要保持顺序用 dict.fromkeys()
快速成员检查	if x in s	O(1) 时间复杂度，列表是 O(n)
集合运算	a & b、a | b、a - b	交集、并集、差集，常用于权限校验

我曾经在做一个用户标签系统时，需要找出「同时拥有 A 标签和 B 标签的用户」。如果用列表，得写两层循环。用集合，一行 users_a & users_b 搞定，性能还快了一个数量级。

2.4 常见排序算法手写：面试必考

排序算法是面试手写代码的常客。我一般要求候选人至少能写出快速排序和归并排序。

快速排序：选一个基准值，把小于它的放左边，大于它的放右边，递归处理。

def quick_sort(arr):
    if len(arr) <= 1:
        return arr
    pivot = arr[len(arr) // 2]
    left = [x for x in arr if x < pivot]
    middle = [x for x in arr if x == pivot]
    right = [x for x in arr if x > pivot]
    return quick_sort(left) + middle + quick_sort(right)

这个写法虽然简洁，但空间复杂度高。面试时我建议你写出原地排序版本，更能体现功底。

归并排序：分治思想，先分后合。

def merge_sort(arr):
    if len(arr) <= 1:
        return arr
    mid = len(arr) // 2
    left = merge_sort(arr[:mid])
    right = merge_sort(arr[mid:])
    return merge(left, right)

def merge(left, right):
    result = []
    i = j = 0
    while i < len(left) and j < len(right):
        if left[i] <= right[j]:
            result.append(left[i])
            i += 1
        else:
            result.append(right[j])
            j += 1
    result.extend(left[i:])
    result.extend(right[j:])
    return result

我记得有一次面试，候选人把归并排序写成了死循环。原因是他递归时传入了同一个数组的引用，导致无限分割。嗯，这里要注意：切片要生成新列表，或者用索引范围。

各排序算法对比：

算法	平均时间复杂度	最坏时间复杂度	空间复杂度	稳定性
冒泡排序	O(n²)	O(n²)	O(1)	稳定
快速排序	O(n log n)	O(n²)	O(log n)	不稳定
归并排序	O(n log n)	O(n log n)	O(n)	稳定
堆排序	O(n log n)	O(n log n)	O(1)	不稳定

我个人建议：面试时优先写快速排序，因为它实现简单、平均性能好。但如果面试官要求稳定排序，那就用归并排序。

好了，这一章的内容就这些。数据结构与算法是后端面试的基石，理解底层原理比背代码更重要。下一章我们会聊 IO 模型和并发编程，敬请期待。