Estruturas de Dados Essenciais: Guia Prático para Entrevistas e Projetos Reais

Todo programa manipula dados. A forma como organizamos esses dados — a estrutura escolhida — determina a eficiência das operações de busca, inserção, remoção e travessia. Estruturas de dados bem escolhidas reduzem complexidade de O(n²) para O(log n) ou até O(1). Este guia cobre as estruturas essenciais que aparecem em projetos reais e entrevistas técnicas.

Arrays e listas encadeadas

Arrays armazenam elementos em blocos contíguos de memória. O acesso por índice é O(1), mas inserções e remoções no meio exigem deslocamento de elementos — O(n). Listas encadeadas (linked lists) usam nós com ponteiros para o próximo elemento. Inserção e remoção são O(1) se o ponteiro for conhecido, mas acesso aleatório requer travessia O(n).

// Lista encadeada simples
class ListNode<T> {
  value: T;
  next: ListNode<T> | null = null;
  constructor(value: T) {
    this.value = value;
  }
}

// Inserção no início — O(1)
function prepend<T>(head: ListNode<T> | null, value: T): ListNode<T> {
  const node = new ListNode(value);
  node.next = head;
  return node;
}

Pilhas (Stacks) e Filas (Queues)

Pilhas seguem o princípio LIFO (Last In, First Out): o último elemento inserido é o primeiro removido. Úteis para desfazer operações, navegação de histórico e avaliação de expressões. Filas seguem FIFO (First In, First Out): o primeiro a entrar é o primeiro a sair. Essenciais para processamento de tarefas, buffers e algoritmos de busca em largura (BFS).

Hash Tables: busca em O(1)

Hash tables (tabelas de espalhamento) mapeiam chaves para valores via função hash. Em JavaScript, objetos e Maps são implementações de hash table. A função hash converte a chave em um índice de array; colisões são tratadas por encadeamento ou endereçamento aberto. Com boa função hash e fator de carga controlado, inserção, remoção e busca são O(1) no caso médio.

// Contagem de frequência com Map
function frequency(nums: number[]): Map<number, number> {
  const map = new Map<number, number>();
  for (const n of nums) {
    map.set(n, (map.get(n) || 0) + 1);
  }
  return map;
}

Árvores: hierarquia e busca eficiente

Árvores organizam dados hierarquicamente. A árvore binária de busca (BST) mantém a propriedade: valores menores à esquerda, maiores à direita. Em árvores balanceadas (AVL, Red-Black), operações são garantidamente O(log n). Árvores são usadas em índices de banco de dados, parsers de linguagens, DOM do browser e sistemas de arquivos.

// Travessia em ordem (in-order) de BST — valores em ordem crescente
function inOrder<T>(node: TreeNode<T> | null, result: T[] = []): T[] {
  if (node) {
    inOrder(node.left, result);
    result.push(node.value);
    inOrder(node.right, result);
  }
  return result;
}

Heaps e filas de prioridade

Heaps são árvores binárias completas onde cada pai mantém relação de ordem com os filhos (min-heap ou max-heap). A raiz contém sempre o elemento de maior prioridade. Inserção e remoção do topo são O(log n). Heaps são a base de filas de prioridade, usadas em algoritmos como Dijkstra, A* e scheduling de processos.

Grafos: a generalização

Grafos modelam relações entre entidades. Representados por listas de adjacência ou matrizes, grafos permitem algoritmos de caminho mínimo (Dijkstra, Bellman-Ford), busca (BFS, DFS) e detecção de ciclos. Redes sociais, rotas de entrega e análise de dependências de pacotes são grafos na prática.

Como escolher a estrutura certa

• Use arrays quando o tamanho é conhecido e acesso aleatório é frequente.
• Use listas encadeadas quando inserções/remoções frequentes ocorrem nas extremidades.
• Use hash tables para busca rápida por chave única (caches, índices, contadores).
• Use árvores quando os dados possuem ordenação natural e busca range é necessária.
• Use heaps para sempre acessar o elemento de maior ou menor prioridade.
• Use grafos quando as relações entre entidades são mais importantes que os dados isolados.

Conclusão

Estruturas de dados não são abstrações acadêmicas — são ferramentas práticas que definem limites de performance de qualquer sistema. Conhecer suas características de tempo e espaço permite tomar decisões informadas em projetos reais e responder com confiança em entrevistas técnicas. Pratique implementando-as do zero: a compreensão profunda vem da construção, não apenas do consumo de bibliotecas.

Perguntas frequentes

Fontes consultadas

• Introduction to Algorithms — Cormen, Leiserson, Rivest, Stein
• MDN: JavaScript Data Structures
• Visualgo — Visualização de Algoritmos e Estruturas