最近，我终于有了一个明确的答案，在这些算法相关的书籍中，最让我爱不释手的是《编程珠玑》这本薄薄的小册子，因为它真正激发起了我对学习算法的热情。不愧是培养了James Gosling（Java之父）、Charles Leiserson（《算法导论》作者）等众多大师的“超级大师”的传世之作。与学校里接触的“教材式”的书不同，《编程珠玑》更像是“问答式”的，抛出一个由实际问题简化而来的问题，然后一步步进行分析解答，作者将想要传达给读者的知识与技巧贯穿其中，期间还经常让人发自内心地感叹一下，原来还能这么做。
以书中第8章为例，我把问题简单描述为“输入一个长度为n的数组x，求其中任意连续子元素相加的最大和”。最常规的思路就是写一个三层嵌套的循环，算法的执行时间为O(n3)，时间似乎有点长，做点优化，充分利用之前的计算结果，可以节省一层循环，于是得出了一个O(n2)的算法。如果引入“分治”的思路，将数组拆开，分别求解，然后再合并起来，这样只需O(nlogn)的时间。别以为这样就结束了，终极方案总是出现在最后的，直接从头开始扫描数组，一次扫描得出结果（具体算法请允许我卖个关子），O(n)时间内就能解决问题，神奇吧。千万不要以为这是专门用来教授算法知识的假想的“教学问题”，这可是源自布朗大学的Ulf Grenander曾经遇到过的真实问题，可见设计一个好的算法是多么重要。
在日常工作中，估计大多数人都不太有机会遇到太复杂的算法，就算遇到了，也可以侥幸依靠强大的计算和存储能力来解决问题。诚然现在的服务器计算能力越来越强，1个内核可以抵得上从前的几个庞然大物，更何况CPU还是多核的，内存都按GB计算，但不能因为这样就认为现在算法和数据结构的重要性不如从前了。假设上文提到的问题中不是计算数组元素，而是每次循环需要操作数据库或者调用远程服务，一次操作就要耗时几毫秒，甚至是几百毫秒，那么O(n3)和O(n)的区别就显而易见了。加服务器不是唯一的解决方案，有时简单地调整算法能让你省下大把的金钱和时间。
再来说说空间的问题，节省空间似乎已经不再重要了，对某些人来说是这样，但不可否认还是存在很多场景，需要锱铢必较，仔细地设计算法和数据结构。嵌入式设备就不说了，来说说眼下流行的Redis，为了能最大限度地使用好服务器的内存空间，减少浪费，antirez在编写Redis时就煞费苦心地改良数据结构，真的是能省1字节算1字节。HDFS和BigTable面向海量存储，照理说它们都是不缺空间的主，可是其中还是提供了LZO、Snappy等众多压缩算法，用“闲置”的CPU运算时间来换取更多的空间……类似的例子还有很多，所以在编写代码时，如果条件允许，请再多考虑一下自己的实现。
多数Java程序员应该都有GC调优的经历，遇到GC过于频繁，耗时太长的情况，通常会对JVM的堆配置做调整，如果调整的效果都不明显呢？来看看代码吧，也许对代码稍作修改，优化下算法，就能把陡峭的内存增长曲线将下来了。啊哈，算法！
书中还时不时地回顾下历史，比如二分搜索，相信大多数人都知道是怎么回事，可是你知道么，第一篇二分搜索的论文1946年就发表了，可是直到1962年才有人写出了第一个完全正确的二分搜索程序，太让人惊讶了，这个可是如今算法教材上的标配啊。还有那些在编码规范中经常出现的最长不要超过80个字符，其中80的由来原来和早期的打孔卡有关（如果对这个话题感兴趣，可以阅读阮一峰的这篇文章）。
薄薄的《编程珠玑》，两百多页捧在手上完全没有板砖的压力，可以将其作为教材以外的辅助读物，工具书以外的休闲读物，亦或者是和我一样，将其作为睡前读物，每晚睡前读上几页，和算法聊上几句，和数据结构打个招呼。
P.S.之前一篇文章说了要把一些自己原创发表在InfoQ上的内容放到自己的博客里，这就是第一篇。
[首发于InfoQ中文站：http://www.infoq.com/cn/news/2011/11/programming-pearls ]
