1.5. Why Study Data Structures and Abstract Data Types?

이 문서는 영문으로된 내용을 구글 번역기를 활용하여 번역한 내용입니다. 
개인적인 공부 및 추후 다시 볼 수 있도록 하기 위해 개인 블로그에 번역 내용을 옮겨 놓았습니다.
원문과 내용이 다를시 책임지지 않으며, 저작권 문제가 발생시 언제든 삭제 될 수 있습니다. 

Problem Solving with Algorithms and Data Structures using Python by Bradley N. Miller, David L. Ranum is licensed under a Creative Commons Attribution-NonCommercial-ShareAlike 4.0 International License. 

문제의 복잡성과 문제 해결 프로세스를 관리하기 위해 컴퓨터 과학자들은 추상화를 사용하여 세부 사항에서 길을 잃지 않고 "큰 그림"에 집중할 수 있게 합니다. 문제 영역의 모델을 작성함으로써 보다 효율적인 문제 해결 프로세스를 활용할 수 있습니다. 이 모델들은 우리 알고리즘이 문제 자체와 관련하여 훨씬 더 일관된 방식으로 조작 할 데이터를 기술 할 수 있게 합니다.

이전에는 프로시저 추상화를 사용자 또는 클라이언트가 매우 높은 수준에서 볼 수 있도록 특정 기능의 세부 사항을 숨기는 프로세스로 언급했습니다. 이제 우리는 데이터 추상화와 비슷한 개념으로 주목합니다. 간략한 ADT 인 추상 데이터 유형은 구현 방법에 관계없이 허용되는 데이터 및 작업을 보는 방법에 대한 논리적인 설명입니다. 이것은 우리가 데이터가 나타내는 것만 관련되고 결국 어떻게 구성되는지에 관심이 없다는 것을 의미합니다. 이 추상화 수준을 제공함으로써 데이터 주위에 캡슐화를 생성합니다. 아이디어는 구현의 세부 사항을 캡슐화하여 사용자의 시각에서 숨길 수 있습니다. 이를 정보 은닉이라고합니다.

그림 2 추상 데이터 유형이 무엇이고 어떻게 작동하는지 보여줍니다. 사용자는 추상 데이터 유형에 의해 지정된 작업을 사용하여 인터페이스와 상호 작용합니다. 추상 데이터 유형은 사용자가 상호 작용하는 쉘입니다. 구현은 한 단계 더 숨겨집니다. 사용자는 구현의 세부 사항에 관심이 없습니다.

흔히 데이터 구조라고하는 추상적 인 데이터 유형의 구현은 프로그래밍 구조의 집합 및 원시 데이터 유형을 사용하여 데이터의 물리적 뷰를 제공해야합니다. 이전에 논의했듯이 이 두 가지 관점을 분리하면 실제로 모델을 구축하는 방법에 대한 세부 사항을 알려주지 않고도 문제에 대한 복잡한 데이터 모델을 정의 할 수 있습니다. 이것은 구현 독립적인 데이터 뷰를 제공합니다. 일반적으로 추상 데이터 유형을 구현하는 데는 여러 가지 방법이 있으므로이 구현 독립성을 사용하면 프로그래머는 데이터 사용자가 데이터 유형과 상호 작용하지 않고 구현 세부 정보를 전환 할 수 있습니다. 사용자는 문제 해결 프로세스에 집중할 수 있습니다.