数组CRUD：读写O(1)，末尾增删均摊O(1)、最坏O(n)，中间增删O(n)；链表：头尾增删O(1)，查找及指定位置操作O(n)；哈希表平均O(1)、最坏O(n)或O(log n)；平衡BST稳定O(log n)，支持有序遍历与范围查询。
数组（Array）的CRUD时间复杂度
数组是连续内存存储，支持通过下标随机访问。读（Read）操作为 O(1)，直接用索引定位元素。写（Update）也是 O(1)，前提是已知位置；若需先查找再更新，则查找本身耗时 O(n)。创建（Create）在末尾追加（如动态数组扩容后）均摊 O(1)，但最坏情况（触发扩容并复制）为 O(n)。删除（Delete）若删末尾元素为 O(1)；删中间或开头元素需移动后续所有元素，为 O(n)。插入同理：末尾插入均摊 O(1)，指定位置插入为 O(n)。
链表（Linked List）的CRUD时间复杂度
单向链表中，读和写都必须从头遍历，最坏 O(n)，无法跳转。创建在头部插入为 O(1)，尾部插入若无尾指针则需遍历到末尾，为 O(n)；双向链表可在头/尾均 O(1) 插入。删除同理：已知节点引用时（如迭代器指向），删除自身为 O(1)；但要删指定值，仍需先查找，总代价 O(n)。链表优势在于频繁的头尾增删，劣势是缺乏随机访问能力。
哈希表（Hash Table）的CRUD时间复杂度
理想情况下（无严重哈希冲突、负载因子合理），读、写、创建（插入）、删除均为平均 O(1)。这是通过哈希函数将键映射到桶位置实现的。但最坏情况（所有键哈希到同一槽位，退化为链表或树）可能达 O(n)。现代实现（如Java HashMap）在链表过长时转红黑树，将最坏查找/删除控制在 O(log n)。注意：哈希表不保证顺序，也不支持按序遍历或范围查询。
二叉搜索树（BST）与平衡BST（如AVL、红黑树）
普通BST在数据有序插入时会退化为链表，此时读、写、删、插最坏均为 O(n)。而平衡BST通过旋转等机制维持高度约 log₂n，使全部 CRUD 操作稳定在 O(log n)。它支持有序遍历、范围查询（如“查所有 10–20 之间的键”），这是哈希表做不到的。插入和删除逻辑比哈希表复杂，但时间可预测，适合对最坏性能有要求的场景。
