栈、先进后出，后进先出，好像屯粮食的箱子。
总是操作最顶部的元素，时间复杂度 O(1)，入栈时 先指针上移，然后压入数据（否则覆盖最上面元素值）。出栈时，先移除数据，再指针下移。
队列，先进先出，比如排队，队尾插入，对头排出。引申出循环队列。
队列的插入（入队）操作，是在队尾进行操作的，队列中的其他元素不用移动。入队操作的时间复杂度为O【1】.但是如果，是删除(出队)操作，需要在队头操作，需要移动队列中所有元素，以确保我们队头(下标为0的位置)不为空。所以，时间复杂度为O【n】。
引入front、rear指针。front指向第一个元素的位置，rear指向最后一个元素的下一个位置。
这样，当rear=front时，不是队列中只有一个元素，而是队列为空。
这样我们在进行出队操作时，队列中其他元素就不用动了。我们的时间复杂度为o[1].
rear已经超出了数组的界限，但是下标为0、1的位置还是空的，这样是不是挺浪费的
为了解决，所以出现了 循环队列。
我们开始知道 如果 rear=front，此时队满。可是，我们刚才说rear=front时，队列为空。那么，rear=front时，是空还是满呢？对于这个问题，我们提供了2中解决方法。
方法一:初始化一个flag变量，当flag=1,rear==front时，队列满。当flag=0,rear==front时,队列空。
方法二:当rear==front时，队列为空。当rear与front中间仅差一个存储单元时，队列为满。
front与rear之间相处一个存储单元，此时我们就说队列已满。因为rear有时>front，有时<front。我们假设队列的 最大尺寸为QueueSize，那么我们可以得到计算队列为满的公式。
(rear+1)%QueueSize==front.
当rear>front时，rear-front就是队列的长度。如下图:
当rear<front时，此时的队列长度分两部分，一部分为QueueSize-front,另一部分为rear+0
将两部分加在一起，就是队列的长度。最后，我们得出计算队列长度的通用公式：
(rear-front+QueueSize)%QueueSize
优先级队列，有序排列，对头是最先处理的也就是排出，队尾是最后处理的，由于需要有序，所以插入的时候比较慢（并不是向普通对列一样使用移动指针的形式，而是直接移动元素位置），性能有限，但删除的时候效率很高，总是处理对头元素，然后对头指针下移，时间复杂度O(1)。
