计算机科学

计算机科学既关注抽象的数学模型——算法复杂度、形式语言、可计算性理论，也关注工程实践中的具体问题——如何让程序跑得更快、如何设计可靠的分布式系统。

提示

核心在于抽象从晶体管到逻辑门，从逻辑门到 CPU 指令集，从指令集到高级编程语言，从语言到框架——每一层都在隐藏下层的复杂性，向上层提供更简洁的接口。理解这些抽象层次之间的关系，是掌握计算机科学的关键。

知识地图

算法是解决问题的精确步骤描述。一个好的算法不仅要正确，还要在时间和空间上高效。常见的算法范式包括分治、动态规划、贪心、回溯和滑动窗口等，它们并非孤立——同一问题往往可套用不同范式，区别在时间复杂度的取舍。

数据结构是组织和存储数据的方式，直接影响算法的效率。数组、链表、栈、队列是线性结构；二叉树等树形结构处理层级关系；哈希表把查找降到平均 O(1)；图则表达多对多关系。选择合适的数据结构往往比优化算法本身更有效，复杂度对比见数据结构。

操作系统管理硬件资源并为应用程序提供运行环境。进程与线程与调度、内存管理（虚拟内存、分页、分段）、文件系统、I/O 模型（阻塞、非阻塞、多路复用）是核心概念。原理层知识见操作系统，具体系统表现见 Linux 系列笔记。理解操作系统原理对编写高性能服务端程序至关重要。

计算机组成原理是最贴近硬件的知识层：冯诺依曼结构定义计算机的基本框架，存储层次（寄存器→缓存→内存→磁盘）解释了软件性能差异的物理来源，CPU 流水线、RISC/CISC 指令集决定了编译器的后端目标。这一层的认知是理解操作系统和编译器如何工作的前提。

编译器将高级语言翻译为机器码，过程包括词法分析、语法分析、语义分析、中间代码生成、优化和目标代码生成。即使不写编译器，理解编译过程也能帮助开发者写出更高效的代码，更好地理解语言特性的实现原理。完整流水线见编译原理。

网络协议栈（TCP/IP 模型）定义了数据如何在计算机之间传输。从物理层的比特流到应用层的 HTTP 请求，每一层都有自己的协议和职责。DNS 解析、TCP 三次握手、HTTPS/TLS 握手、HTTP/2 多路复用等详细原理见网络。

数据库系统解决数据的持久化存储和高效查询问题。关系模型、SQL 查询优化、索引结构（B+ 树、哈希索引）、事务 ACID 特性、并发控制（锁机制、MVCC）、日志与恢复机制是核心内容，体系见数据库领域。这些原理适用于 MySQL、PostgreSQL 等主流数据库。

计算机科学的各领域相互咬合：算法建立在数据结构之上；操作系统依赖计算机组成原理的硬件背景，又与计算机网络协同完成数据传输；数据库实现则扎根于操作系统的文件系统和并发控制。理解这些依赖关系，才能把零散知识点串成完整体系。