返回赛道首页

计算机基础

操作系统 / 网络 / 数据结构

扎实的计算机基础，是所有技术能力的根基。

1 / 2

图文 · 01 / 04

操作系统基础

为什么重要

操作系统把代码变成 CPU 时间、内存空间和 I/O 动作。学它，是为了看懂程序为什么会卡、会崩、会互相等待。

核心点

进程 / 线程：资源归进程，执行在线程；并发问题常来自共享状态。
内存 / I/O：内存负责隔离与映射，I/O 慢通常慢在等待。
系统调用：应用请求内核完成高权限动作，是安全和性能的边界。

学习/实践建议

排查性能时只问四件事：CPU 忙吗？内存够吗？I/O 堵吗？线程在等谁？

1 / 2

图文 · 02 / 04

计算机网络与协议

为什么重要

网络决定程序之间如何找到、连接、传输和回应。学它，是为了把“请求失败”拆成可定位的问题。

核心点

分层：应用层讲语义，传输层讲交付，网络层讲路径。
地址与连接：IP 找机器，端口找服务，TCP/UDP 决定传输方式。
HTTP：方法、路径、Header、状态码和正文共同表达一次交互。

学习/实践建议

定位问题时按顺序看：DNS、连接、协议、业务处理。

1 / 2

图文 · 03 / 04

常用数据结构

为什么重要

数据结构决定数据怎样被访问、查找、修改和组织。选对了，代码自然；选错了，后面每一步都绕路。

核心点

数组 / 链表：数组擅长随机访问，链表擅长插入删除。
栈 / 队列：用受限访问管理流程，适合撤销、排队和搜索。
哈希表 / 树 / 图：哈希表找值，树管层级，图管连接关系。

学习/实践建议

先判断访问模式：查找多、插入多、顺序多，还是关系多。

图文 · 04 / 04

算法思维与复杂度

为什么重要

算法不是为了背题，而是为了判断一个方案在数据变大后还能不能跑。学复杂度，是为了在写代码前先估算代价。

核心点

输入规模：先问数据有多少，是 100、1 万，还是 1 亿。
时间复杂度：看核心操作会重复多少次，循环嵌套通常意味着代价放大。
空间复杂度：看为了提速额外占用了多少内存，哈希表常用空间换时间。
边界条件：空数据、重复数据、极端数据，往往最能暴露算法问题。

常见误区

只背 O(n)、O(log n) 的名字，却不知道它们对应什么操作。
看到双重循环就紧张，但不先判断真实输入规模。
只追求最优复杂度，却把代码写到难以理解和维护。

学习/实践建议

做题或写功能前先写一句话：输入规模是多少，最贵的操作是什么，能不能接受。
如果一个方案太慢，优先想三件事：能不能减少重复计算？能不能提前结束？能不能用额外空间换时间？