摘要
递归是简化解决问题的思路，减少代码的处理方式。其本质就是将问题不断拆分成同类型的小问题，找到可以直接给出答案的地方时，再不断反推，直到得出原问题的答案。
递归（Recursion），就是函数直接或者间接调用自身，在编程中是非常常用的一种技巧。
比如下面代码中，就是直接调用自身：
int sum(int n) {
if (n < 1) return n;
return n + sum(n-1);
}
现象
举一个现实生活中的场景来理解递归。比如你坐在电影院的座位上，当你想知道自己现在坐的是第几排，你就可以问前一排（比如 A）做的是第几排，然后将结果加 1 就是自己想要的结果。
那么A 答复你等下，然后问他前一排（比如 B）做的是第几排，然后将结果加1就是 A 要回答的结果，接下来 B 像 A 一样…直到第一排的人告诉他做的是第一排。
最后从第一排开始，将结果一个个传递到你这，就完成了这次递归。
通过这个现象可以大致总结出递归的几个特性：
1、 A或者B获取第几排的逻辑是一样的；
2、 要有一个结束的点，即第一排就截止；
3、 当时不会有结果，需要等待；
调用过程
现在以下面的代码为例，梳理一下递归的调用过程：
public static void main(String[] args) {
sum(4);
}
private static int sum(int n) {
if (n <= 1) return n;
return n + sum(n -1);
}
递归的调用就像一个堆栈的数据结构，比如下图所示，就是上面代码的调用顺序。将每一次的计算先压入堆栈，全部压入完成之后，再依次取出处理。需要注意的是，每压入堆栈都需要创建空间去保存。
因为每次调用函数，都需要创建额外的空间，所以如果一直不终止递归，那么就一直消耗内存，最终导致内存溢出。
那么就必须要有一个终止条件，也就是结束递归的条件，也叫做边界条件或者递归基。
时间复杂度
先看一下调用过程中的代码，执行消耗的时间 T(n) = T(n-1) + O(1)，所以它的时间复杂度是 O(n)，空间复杂度是 O(n)。
依次求和也可以直接使用 for 循环来替代递归处理。有 n 个数相加，那就需要循环 n 次，在循环过程中不需要额外保存数据，所以它的时间复杂度是 O(n)，但是空间复杂度是 O(1)。
还有更高效率的依次求和方法, 即高斯求和公式，如下面代码所示：
int sum(int n) {
if (n <= 1) return n;
return(n+1) * n >> 1;
}
通过代码可以看出它的时间复杂度为 O(1)，空间复杂度也为 O(1)。
所以通过这三个求和的方式可以大致总结出，递归求出来的有可能是最优解，也有可能不是最优解。所以使用递归不是为了得到最优解，而是为了简化解决问题的思路，让代码更简洁。
基本思想
递归的基本思想总共分为拆解问题和求解这两部分：
- 拆解问题
1、 将规模大的问题拆解成规模较小的同类型问题；
2、 将规模较小的问题继续不断拆解成规模更小的同类型问题；
3、 规模小到一定程度可以直接得出它的答案；
-
求解
-
由最小规模的解求出较小规模问题的解；
-
由较小规模的解继续不断求出较大规模的解；
-
最后得出原来问题的解。
凡是可以用以上思路求解的问题，都可以使用递归来处理。很多链表、二叉树相关的问题都可以使用递归解决，因为链表、二叉树本身就是递归的结构。
使用递归
使用递归时，需要明确这3个步骤：
1、 明确函数的功能，即先要搞清楚函数干什么，不要纠结代码应该怎么写；
2、 明确原问题和子问题的关系，即找出f(n)与f(n-1)的关系；
3、 明确边界条件（即递归基），即思考问题规模小到什么程度就可以直接得出解；
总结
- 递归就是自己调用自身；
- 基本思路就是拆解问题，然后求解；
- 递归必须要明确递归基，即边界条件来结束，否则会一直被调用，导致内存溢出。