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
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。算法能力的提升没有捷径，需要大量练习和总结模式。
数据结构
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；树、图是非线性结构；哈希表、堆、并查集则针对特定场景优化。选择合适的数据结构往往比优化算法本身更有效。
操作系统
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。理解操作系统原理对编写高性能服务端程序至关重要。
计算机网络
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 多路复用等是后端开发必须掌握的知识。
编译原理
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。
数据库原理
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。这些原理适用于 MySQL、PostgreSQL 等主流数据库。
学习路径
- 数学基础：离散数学（集合论、图论、逻辑）为算法和数据结构提供理论支撑
- 编程语言：至少精通一门语言，理解其内存模型和执行机制
- 算法与数据结构：这是面试和实际开发的核心能力，需要持续练习
- 系统知识：操作系统、计算机网络、数据库原理构成后端开发的基石
- 工程实践：在实际项目中应用理论知识，理解理论与实践的差距
计算机科学的知识是相互关联的。学习 算法 时会用到数据结构的知识；理解操作系统时需要计算机网络的背景；数据库实现又依赖操作系统的文件系统和并发控制。因此，不要孤立地学习某个领域，而要建立知识之间的联系。