作为数据结构小白，对于开发新工具PyConn的数据结构选择进行了大量的思想斗争而不得其果，只好从数据结构基础开始这个选择的过程。

数据结构是数据元素和数据元素之间关系的组织形式。

数据结构包含存储结构，逻辑结构，以及对数据的操作。

存储结构分为四种基本形式：

（1）顺序存储方式。数据元素顺序存放，每个存储结点只含一个元素。存储位置反映数据元素间的逻辑关系。存储密度大，但有些操作（如插入、删除）效率较差。

（2）链式存储方式。每个存储结点除包含数据元素信息外还包含一组指针。指针反映数据元素间的逻辑关系。这种方式不要求存储空间连续，便于动态操作（如插入、删除等），但存储空间开销大，且不适用于随机查找。

（3）索引存储方式。除数据元素存储在一地址连续的内存空间外，尚需建立一个索引表，索引表中索引指示存储结点的存储位置，兼有静态和动态特性。

（4）散列存储方式。将关键字散列在连续的有限的地址空间内，并将散列函数的值解释成关键字所在元素的存储地址，这种存储方式称为散列存储。其特点是存取速度快，只能按关键字随机存取，不方便顺序存取。

逻辑结构也分为四种基本形式：

（1）集合

（2）线性结构

（3）树形结构

（4）图形或网状结构。

目前条件下，我们几乎可以不关系内存空间的大小、连续性，只追求查找和其他操作的效率。

一个大致的判断，PyConn的存储结构可以选取 索引存储方式 或者 散列存储方式，或者混合形式；

逻辑结构可以选取 树形结构 或者 图形/网状结构。

简单来看，一种数据结构在语言上可以用结构体(struct)或者类(class)来表示，我们用python，所以用class表示。

PyConn在操作大多在两个层面上：

1. instance数据元素的查找和修改

2. instance之间关系的查找和修改

不妨把这两层看作是两层数据结构，按照之前的预想

第一层是class instance（instance含层次保证唯一性）

value主要包括

a.例化形式（module和param）

b.跟其他instance的connection

c.资源(reg, comb, mem)

存储结构可以选择散列存储

逻辑结构可以无视（元素之间互相不依赖）

基本操作是插入（初始化），查找，修改value（划分导致），删除（删除dft/lp连接）

第二层是class instance_tree(system)

存储结构可以选择链式存储（其实可以看作存的值就是instance的指针，所以这一层可以不关心存储结构）

逻辑结构可以选择树形结构（因为自顶向下的逻辑关系，感觉不需要图或者网形结构）

基本操作是插入（asic代码自顶向下解析），查找，修改value（主要是修改层次即），删除。

亦可以理解为PyConn的数据结构是 存储结构:散列 + 逻辑结构:树形

PyConn的input：

FPGA_partition.txt （类似于iconnect中的hierarchy部分，让我们把auto partition跟PyConn分开吧）

ASIC RTL的gtech网表

ASIC RTL的层次结构和例化形式（看能否用反向connect生成）

PyConn的DB1：

instance_tree asic_system

instance asic_instance1

instance asic_instance2

instance asic_instance3

PyConn的DB2：

instance_tree fpga_system

instance fpga_instance1

instance fpga_instance2

instance fpga_instance3

PyConn的output：

FPGA RTL代码

散列是确定的，即hash，可是

树形结构有这么多种，哪种最适合 -- 最终选择标准是要算得快 -- 而要算什么？

问题转化为

1. 有哪几种树，这些树形的特点是什么，适合什么样的操作？

2. PyConn需要对instance做哪些操作？每种操作分别有多大概率要用到？

PyConn的数据结构选择