java常见的8种数据结构

时间：2024-03-31 21:15:47 来源：网络cs 作者：付梓栏目：卖家故事阅读：

标签：数据结构

阅读本书更多章节>>>>

一、线性结构：数组、链表、哈希表；队列、栈

1.数组：

数组是有序元素的序列，在内存中的分配是连续的，数组会为存储的元素都分配一个下标（索引），此下标是一个自增连续的，访问数组中的元素通过下标进行访问；数组下标从0开始访问；

2.链表：

链表是由一系列节点Node（也可称元素）组成，数据元素的逻辑顺序是通过链表的指针地址实现，通常情况下，每个节点包含两个部分，一个用于存储元素的内存地址，名叫数据域，另一个则指向下一个相邻节点地址的指针，名叫指针域；根据链表的指向不同可分为单向链表、双向链表、循环链表等；我们本章介绍的是单向链表，也是所有链表中最常见、最简单的链表；

3.散列表（哈希表）：

也叫哈希表，是根据键和值 (key和value) 直接进行访问的数据结构，通过key和value来映射到集合中的一个位置，这样就可以很快找到集合中的对应元素。它利用数组支持按照下标访问的特性，所以散列表其实是数组的一种扩展，由数组演化而来。

散列表首先需要根据key来计算数据存储的位置，也就是数组索引的下标；

HashValue=hash(key)
散列表就是把Key通过一个固定的算法函数既所谓的哈希函数转换成一个整型数字，然后就将该数字对数组长度进行取余，取余结果就当作数组的下标，将value存储在以该数字为下标的数组空间里，这种存储空间可以充分利用数组的查找优势来查找元素，所以查找的速度很快

在散列表中，左边是个数组，数组的每个成员包括一个指针，指向一个链表的头，当然这个链表可能为空，也可能元素很多。我们根据元素的一些特征把元素分配到不同的链表中去，也是根据这些特征，找到正确的链表，再从链表中找出这个元素。

4.队列：

队列与栈一样，也是一种线性表，其限制是仅允许在表的一端进行插入，而在表的另一端进行删除。队列的特点是先进先出，从一端放入元素的操作称为入队，取出元素为出队；(先进先出 )

5.栈：

是一种特殊的线性表，仅能在线性表的一端操作，栈顶允许操作，栈底不允许操作。栈的特点是：先进后出从栈顶放入元素的操作叫入栈（压栈），取出元素叫出栈（弹栈）

入栈操作：

出栈操作：

数据结构	优点	缺点
数组	查找快	增删慢
链表	增删快	查找慢
哈希表	增删、查找都快	数据散列，对存储空间有浪费
栈	顶部元素插入和取出快	除顶部元素外，存取其他元素都很慢
队列	顶部元素取出和尾部元素插入快	存取其他元素都很慢
二叉树	增删、查找都快	删除算法复杂
红黑树	增删、查找都快	算法复杂
位图	节省存储空间	不方便描述复杂的数据关系

二、非线性结构有：堆、树(二叉树、B树、B+树

6.堆：

堆可以看做是一颗用数组实现的二叉树，所以它没有使用父指针或者子指针。堆根据“堆属性”来排序，“堆属性”决定了树中节点的位置。

堆的特性：如果一个结点的位置为k，则它的父结点的位置为[k/2]，而它的两个子结点的位置则分别为2k和2k+1。这样，在不使用指针的情况下，我们也可以通过计算数组的索引在树中上下移动：从arr[k]向上一层，就令k等于k/2,向下一层就令k等于2k或2k+1。

堆的定义如下：n个元素的序列{k1,k2,ki,…,kn}当且仅当满足下关系时，称之为堆；

(ki <= k2i,ki <= k2i+1)或者(ki >= k2i,ki >= k2i+1)满足前者的表达式的成为小顶堆（小根堆），满足后者表达式的为大顶堆（大根堆），很明显我们上面画的堆数据结构是一个大根堆；

大小根堆数据结构图：

一般来说将根节点最大的堆叫做最大堆或大根堆，根节点最小的堆叫做最小堆或小根堆。常见的堆有二叉堆、斐波那契堆等。

7.树：

它是由n（n>=1）个有限节点组成一个具有层次关系的集合。把它叫做 “树” 是因为它看起来像一棵倒挂的树，也就是说它是根朝上，而叶朝下的。它具有以下的特点：

        1）每个节点有0个或多个子节点；
        2）没有父节点的节点称为根节点；
        3）每一个非根节点有且只有一个父节点；
        4）除了根节点外，每个子节点可以分为多个不相交的子树；
        5）右子树永远比左子树大，读取顺序从左到右；
        树的分类有非常多种，平衡二叉树（AVL）、红黑树RBL（R-B Tree）、B树（B-Tree）、B+树（B+Tree）等，但最早都是由二叉树演变过去的；

1.二叉树分类

每个结点最多有两颗子树

　　时间复杂度最好情况是O(logn) ，最坏情况下时间复杂度O(n)

　　1）满二叉树：如果一个二叉树的层数为K，且结点总数是(2^k) -1 ，则它就是满二叉树。

　　2）完全二叉树：如果一个二叉树的深度为h，除第 h 层外，其它各层 (1～h-1) 的结点数都达到最大个数，第 h 层所有的结点都连续集中在最左边，这就是完全二叉树。

3）二叉查找树：左子树上的值都比其根节点小，右子树上的值都比其根节点大。

　　　二叉查找树的中序遍历一定是从小到大排序的。

　　4）平衡二叉树（红黑树）：是一棵空树或它的左右两个子树的高度差的绝对值不超过1，并且左右两个子树都是一棵平衡二叉树。

　　　平衡二叉树必须是二叉查找树

　　性能：平衡二叉树在添加和删除时需要进行复杂的旋转保持整个树的平衡，最终，插入、查找的时间复杂度都是 O(logn)，性能已经相当好了。

　　5）最优二叉树(哈夫曼树): 树的带权路径长度达到最小，称这样的二叉树为最优二叉树，也称为哈夫曼树(Huffman Tree)。

　　　　哈夫曼树是带权路径长度最短的树，权值较大的结点离根较近。应用：哈夫曼编码。

2.红黑树：是一种自平衡二叉查找树。应用内存排序。

插入和删除的最坏的时间复杂度是O(log N) 。

红黑树左旋和右旋的目的是为了自平衡。

参考：1.红黑树、B+树 2.红黑树在什么时候左旋右旋如何旋转

　　1）每个节点非红即黑；

　　2）根节点是黑的；

　　3）每个叶节点(叶节点即树尾端NULL指针或NULL节点)都是黑的；

　　4）如果一个节点是红的,那么它的两儿子都是黑的；

　　5）对于任意节点而言，其到叶子点树NULL指针的每条路径都包含相同数目的黑节点；

　　6）高度始终保持在h = logn

　　7）红黑树的查找、插入、删除的时间复杂度最坏为O(log n)

2.1 变色规则红黑树使用红黑二色进行“着色”,目的是利用颜色值作为二叉树的平衡对称性的检查。
当前结点的父亲是红色，且它的祖父结点的另一个子结点也是红色（叔叔结点）：
（1）把父节点设为黑色
（2）把叔叔也设为黑色
（3）把祖父也就是父亲的父亲设为红色（爷爷）
（4）把指针定义到祖父结点设为当前要操作的（爷爷）分析的点变换的规则
这里我们新插入一个值 6 ( 插入的节点都是红色的所以 6 是红色的节点 ) ，变色后的图形。

红黑树的创建：节点的初始颜色为红色。

2.2 左旋：

以某个结点作为支点(旋转结点)，其右子结点变为旋转结点的父结点，右子结点的左子结点变为旋转结点的右子结点，左子结点保持不变。

2.3 右旋：

以某个结点作为支点(旋转结点)，其左子结点变为旋转结点的父结点，左子结点的右子结点变为旋转结点的左子结点，右子结点保持不变。

2.4 红黑树查找：和二叉平衡树的查找一样

3.B树(多叉树)：

平衡多路查找树（查找路径不只两个），不同于常见的二叉树，它是一种多叉树。O(logN)

4.B+树：

是一种自平衡树数据结构，它保持数据排序；在进行搜索、顺序访问、插入和删除的复杂度是O(log n)且B+树只在叶子节点中存放数据，所以消除了一些B树的缺陷。非叶子节点只保存索引,不保存实际的数据,数据都保存在叶子节点中。O(nlogn)

4.1 B+树查找：树的高度低，支持范围查找

4.2 mysql为什么采用B+树

　　1）磁盘IO的次数更少

　　2）支持范围查找

4.3 B树与B+树的区别

　　1）B+树所有数据都存在叶子节点

　　2）B+树的叶子节点有双向指针,方便范围查找，且叶节点上的数据从小到大顺序连接

三、图(对现实世界建模)

图是一系列顶点（元素）的集合，这些顶点通过一系列边连接起来组成图这种数据结构。顶点用圆圈表示，边就是这些圆圈之间的连线。顶点之间通过边连接。

图分为有向图和无向图：

有向图：边不仅连接两个顶点，并且具有方向；

无向图：边仅仅连接两个顶点，没有其他含义；

图是一种比较复杂的数据结构，在存储数据上有着比较复杂和高效的算法，分别有邻接矩阵、邻接表、十字链表、邻接多重表、边集数组等存储结构。我们本次了解到这里即可；

四、mysql

1.mysql底层数据结构：B+树

1.1 索引的最左前缀原则:mysql建立多列索引（联合索引）有最左前缀的原则，即最左优先。

1.2 explain(sql执行计划):避免全表扫描，尽量走索引。

　　1) type: system > const > eq_ref > ref > range(范围) > index(索引) > all (性能好->差)