计算机科学
从算法到系统设计，深入浅出讲解计算机核心知识
【算法图解】排序算法可视化：冒泡、快排、归并
用“交换、分区、合并”三种视角图解冒泡、快排与归并排序，帮你从步骤记忆升级到过程理解，并掌握面试可复述的复杂度与选型逻辑。
【面试】前端面试高频算法题 Top 10
前端面试里的算法题并不追求冷门，而是考察你对常见模板的掌握。本文给出 Top 10 高频题型、解法思路、复杂度和面试表达模板。
【面试】计算机网络面试题精选
整理前后端常见网络面试题：TCP/UDP、三次握手、HTTPS、HTTP/1.1~3、缓存、Cookie/Session/JWT、跨域与状态码，附简洁回答模板。
【算法图解】BFS：层层推进的搜索
BFS（广度优先搜索）像水波纹一样一层层扩散，天然适合最短路径（无权图）与层级遍历。本文讲清队列实现、visited 的必要性、复杂度、常见题型与工程化写法。
【算法图解】冒泡排序：最容易理解的排序
冒泡排序很慢，但它是理解“比较排序”与“交换”的最佳起点。本文用逐轮冒泡过程、边界优化、稳定性分析与可运行代码，让你真正理解它为什么是 O(n²)。
【算法图解】计数排序：不比较也能排序
计数排序用“统计次数”代替比较，能在特定条件下做到 O(n+k) 的线性时间。本文讲清楚适用前提、稳定实现、空间代价与工程注意点。
【算法图解】DFS：一条路走到黑
DFS（深度优先搜索）像走迷宫：先走到底，走不通再回头。本文讲清递归/显式栈实现、visited、回溯关系、复杂度、典型题型（岛屿数量、路径搜索）与工程注意点。
【算法图解】最短路径：Dijkstra 算法
Dijkstra 解决“非负权图”的单源最短路径问题。本文用“每次确定一个最短点”的贪心直觉讲清楚它为什么正确，并给出基于优先队列的实现、复杂度、常见坑与和 BFS 的边界区分。
【算法图解】图的遍历：BFS vs DFS
BFS 像水波纹扩散，DFS 像走迷宫。本文用同一张图对比两者的遍历顺序、数据结构（队列/栈）、复杂度与适用场景，并给出“最短路/连通块/路径枚举”三类题的选型口诀。
【算法图解】堆排序：用堆来排序
堆排序能做到 O(nlogn) 且原地排序，是“稳定性不重要但内存敏感”场景的好选择。本文用最大堆的建堆、下沉（sift down）过程讲清楚堆排序的核心，并给出可运行实现与复杂度分析。
【算法图解】算法面试通关技巧
真正的算法面试不是“写出代码”就结束，而是沟通、建模、边界、复杂度与代码质量的综合战。本文给你一套可复用的通关流程：读题澄清、选型模板、正确性论证、复杂度、测试用例与代码细节。
【算法图解】归并排序：分治思想的典范
归并排序把“分治”体现得最完整：拆分、递归、合并。本文用逐层合并过程讲清楚为什么它是稳定的 O(nlogn)，以及为什么它需要 O(n) 额外空间，并给出可运行实现。
【算法图解】单调栈：解决 Next Greater 问题
单调栈用“维护单调性”把看似 O(n²) 的比较问题降到 O(n)。本文讲清楚单调递增/递减栈的含义、入栈出栈时机、典型题型（下一个更大元素、每日温度、柱状图最大矩形）与代码模板。
【算法图解】前缀和：区间查询神器
前缀和把“重复求和”变成一次预处理，让区间和查询从 O(n) 变成 O(1)。本文讲清一维/二维前缀和、差分数组的关系、常见题型（子数组和为 K、二维区域和）与实现细节。
【算法图解】快速排序：面试必问的排序
快排为什么快？为什么最坏会退化到 O(n²)？本文用分区（partition）过程把快排的核心讲清楚，并给出随机 pivot、三数取中、小数组插排等工程化优化，帮你写出“又快又稳”的实现。
【算法图解】滑动窗口：双指针的艺术
滑动窗口把“枚举所有子数组”压缩成线性扫描，是字符串与数组题的高频解法。本文讲清窗口不变量、何时扩张/收缩、与前缀和的区别，并用最小覆盖子串、无重复最长子串等题型做模板化总结。
【算法图解】排序算法大比拼：什么时候用哪个
冒泡/快排/归并/堆排/计数排序到底怎么选？本文用“稳定性、时间上界、空间、数据特征、工程约束”五个维度做对比，并给出面试可复述的选择逻辑。
【算法图解】算法面试高频 Top 20
面试刷题不靠数量靠结构。本文把高频题按“滑动窗口、前缀和、双指针、单调栈、并查集、BFS/DFS、最短路、堆、DP”分组，给出每组必会题目清单与背后的套路。
【算法图解】并查集：谁是你的老大
并查集（Union-Find/DSU）用“集合代表元”解决动态连通性问题。本文讲清 find/union、路径压缩、按秩合并、复杂度为何接近 O(1)，并给出连通块计数与最小生成树中的典型用法。
【算法图解】分治思想：大问题拆小问题
分治不是“拆开写递归”这么简单，它是一种把复杂度压下来的结构化思维。本文用归并排序、快速排序、二分查找与“最大子数组和”等经典例子，把分治的三步走、递推式与工程化落地讲清楚。
【数据结构】哈希表：O(1) 查找的秘密
哈希表为什么能做到“平均 O(1)”？从哈希函数、冲突处理、负载因子、扩容与 rehash 讲到工程实践与面试追问。读完你不只会用 Map/Object，还能解释它为什么快、什么时候不快。
MySQL 索引原理：揭秘 B+ 树的查询艺术
为什么索引能让查询变快？深入解析 MySQL InnoDB 引擎的索引底层实现，从 B+ 树的结构优势到聚簇索引与二级索引的检索逻辑。
进程与线程：揭秘 Chrome 内存之谜
从操作系统底层视角剖析进程与线程的区别。深入探讨 Chrome 的多进程架构，解释其高性能背后的资源代价，以及前端开发者应如何优化内存占用。
SQL 入门：即便不是程序员，也要学会跟数据库聊天
数据库不是黑盒子。学会 SQL 的 CRUD（增删改查），你就能从海量数据中精准找到你想要的。小明带你用最简单的语言攻克 SQL。
【数据结构入门】队列：公平的排队专家
队列是最重要的数据结构之一，遵循"先来先服务"原则。本文教你理解队列的原理和应用场景。
【算法图解】递归入门：函数调用自己的魔法
递归是算法中的精髓，也是初学者的噩梦。小明带你通过生动的类比和图解，彻底理解递归的执行过程、基准情形以及如何避免死循环。
【算法图解】空间复杂度：内存也是钱
时间复杂度大家都知道，但空间复杂度同样重要。小明带你理解算法对内存的消耗，以及如何在时间和空间之间做权衡。
【数据结构】栈：后进先出的艺术
深入理解“后进先出”（LIFO）的底层原理，探索栈在函数调用、撤销操作以及表达式求值中的精妙应用。
【数据结构】数组 vs 链表：什么时候用哪个？
深入对比数组和链表两种基础数据结构，从内存布局、时间复杂度、实际应用场景出发，帮你彻底搞懂什么时候该用数组，什么时候该用链表。
二分查找：为什么程序员都爱它？
从普通查找到二分查找，用最直观的方式理解这个看似简单却深藏玄机的算法
【网络基础】HTTP/HTTPS 原理图解
用图解的方式深入理解 HTTP 协议的核心概念、请求响应流程、状态码含义，以及 HTTPS 如何保证安全通信。
时间复杂度：从"这代码怎么这么慢"到"原来如此"
用最直观的方式理解时间复杂度，告别死记硬背 O(n)、O(log n)，真正明白算法快慢的本质
欢迎来到小明的知识世界
这是 Xiaoming.wiki 的第一篇文章，介绍这个有趣的学习资源社区
【数据结构】数组：最基础也最重要
深入理解数组的底层原理，探索连续内存空间如何实现 O(1) 随机访问，以及在实际开发中如何权衡其优缺点。