导读
为什么要学习数据结构？
数据结构是关于如何组织（存储）数据的！编程实践中经常涉及到组织（存储）数据，所以要学习数据结构。
那么为啥还要学习抽象数据类型（Abstract Data Type，ADT）呢？
ADT描述了数据集、指明了在数据集上可能执行的操作。ADT是一种规范，它和具体的编程语言无关。尽管Java API提供多种数据结构，但是如果遇到不适用的情形，就需要针对这种情形定义ADT，然后使用Java实现它。况且如果不深入全面地掌握数据结构这方面的知识，就无法理解和合理的使用Java API提供的数据结构。
数据结构和ADT是什么关系呢？
ADT是一个规范，用于一组值以及对这组值执行的操作。而数据结构是使用编程语言对ADT的实现。
那么如何描述ADT呢？
我们仅描述数据和操作，不指明如何保存数据以及如何实现操作，会考虑一些实现的细节，但与具体编程语言无关。
我们借助UML以及对他们的说明来描述ADT。还可以使用伪代码，不过UML足以说明问题。
设计ADT的步骤是什么呢？
确定行为，然后指定数据和操作，并且考虑特殊情况。
ADT Heap（堆）简介
ADT Heap是什么呢？Heap直译成中文就是堆。我们长说，一堆人，一堆苹果，还有就像图中显示的那样，一堆石头。
ADT Heap与生活中的这些物品不像，生活中这些东西大多都是杂乱无章的放在一起的，但ADT Heap不是，他有由结构的，而且可以说是刻意使之成为这样。
ADT Heap是一棵特殊的树，因为他是完全二叉树，而且是一种特殊的完全二叉树，为什么这样说呢？因为他具有下面的性质：
每个节点不小于（或不大于）其后代节点。如果节点不小于其后代节点，那么我们称这种类型的堆为最大堆。如果节点不大于其后代节点，那么我们称这种类型的堆为最小堆。最大堆的子树仍然是最大堆，最小堆的子树仍然是最小堆。
ADT Heap（堆）的规格说明
ADT Heap（堆）操作细节阐述
这里不认为对象为null或者堆为空是前置条件，如果根据你的实际需要可以认为这是前置条件。
实现ADT Heap时，一般会区分最大堆和最小堆，并且分别实现他们。
+peekTop():T
如果堆是最大堆，那么此方法获得的是堆中最大的对象。如果堆是最小堆，那么此方法获得的是最小对象。
同样地+remove():T获得的是堆的根，那么对于最大堆而言，将获得堆中最大的对象，对最小堆而言则相反。
ADT Heap（堆）转换为接口
内容少一点，概念比较抽象，读个笑话放松一下（笑话来自于网络，据说只有程序员能看懂）：
据说有一位软件工程师，一位硬件工程师和一位项目经理同坐车参加研讨会。不幸在从盘山公路下山时车坏在半路上了。于是两位工程师和一位经理就如何修车的问题展开了讨论。
硬件工程师说：“我可以用随身携带的瑞士军刀把车坏的部分拆下来，找出原因，排除故障。”
项目经理说：“根据经营管理学，应该召开会议，根据问题现状写出需求报告，制订计划，编写日程安排，逐步逼近，alpha测试，beta1测试和beta2测试解决问题。”
软件工程说：“咱们还是应该把车推回山顶再开下来，看看问题是否重现。”