28| 图的表示：如何存储微信、微博等社交网络中的好友关系？

大家好，我是爱好编程的斌斌。

在互联网如此发达的时代，相信你也一定用过微信或微博。在微信中，可以互相添加好友；在微博中，可以互相关注。那微信和微博是通过什么来存储这种关系的呢？

那就与这篇文章要讲的内容息息相关喽，没错那就是图这种数据结构。说到图，与之相关的算法也有很多，也相对复杂，比如图的搜索、最短路径、最小生成树、二分图等等。

一、如何理解图？

树 V.S. 图

能刷到这篇文章，相信您也和笔者一样，已经对树这种结构有了一定的见解。和树一样，图也是一种非线性表数据结构。在树中，每个元素被称为节点；而在图中，每个节点被称为顶点(vertex)。参考下面这张图可以发现，每个顶点可以与任意其它顶点建立连接关系。这就是图的一个特点，我们把它们建立的这种关系称为边(edge)。

在生活中有很多关系符合这种逻辑，比如文章开头说的微信和微博。

微信相对比较简单，如果两个用户互为好友关系，就在它们之间建立一条边。这样，微信的好用关系就可以用一张图来表示。每个顶点，也就是微信用户，有多少条边指向，就表示其有多少好友，也叫做顶点的度(degree)。

相较于微信来说，微博就比较复杂一点，因为它支持单向关注，也就是我关注了你，而你却没有关注我(hint：制作不易，给个关注吧)。那我们要怎么去表示这种单向关注的关系呢？

这里我们要引入一个新的概念：方向，也就是说在上面的基础上给每条边加上方向。如下图所示，如果用户A关注了用户B，那就从A指出一条带箭头的线段指向B；而如果用户B关注了用户A，那就再引出一条有向边，但这次是从B出发指向A喽.

总结：图也有分类，把这种使用有向边的图称为“有向图”；相反，把这种没有方向的图称为“无向图”。

在无向图中有度这个概念，而在有向图中，它被拆解成了"入度"和"出度"两个概念。见名知意，"入度"就是指向该定点边的条数；"出度"就是该定点指向其他顶点的边的条数。拿微博来说，入度就相当于粉丝列表，出度就相当于关注列表。

与微信和微博相比，还存在一种更加复杂的社交软件–QQ。为什么说它复杂呢？因为它记录了一种关系叫"亲密度"。那啊是如何记录好友之间的亲密度的呢？这里在引入一种图，带权图(weighted graph)。在带权图中，每条边记录的是权重，QQ就是通过这个来表示亲密度的。

通过三个例子的分析，把图的概念讲完啦，恭喜观看姥爷过关啦！相信你一定好奇图有这么多的顶点和边，是怎么存储下来的呢？会有这么高级的存储方法，反正我是不信，不信就接着看下去吧！你会找到答案.

二、如何存储图这种数据结构？

1.邻接矩阵

1.介绍

邻接矩阵是最直观的存储方式，它的底层基于二维数组。不同的图类型，使用的存储数据的方式是不一样的。对于无向图来说，如果i、j顶点之间有一条边，那就将Aji和Aij同时赋值1；而对于有向图来说，如果i和j顶点之间有一条i指向j的有向边，就将Aij赋值为1，而Aji不变.对与带权图而言,数组存的就是对应的权重,如图所示：

2.优缺点分析

优点：

邻接矩阵的存储方式简单、高效，因为底层基于二维数组，也方便了计算，图可以用邻接矩阵来表示，那么图之间的运算就可以转换成矩阵之间的运算。比如求解邻接矩阵问题会提到一个Floyd-Washall算法，这就是利用矩阵循环相乘若干次得到结果。

缺点：

邻接矩阵比较浪费存储空间，拿无向图来说，但顶点i和j之间有一条边时，Aij和Aji都需要存储一样的结构，这就导致了数据重复存储。如果我们按主对角线将矩阵分为上三角和下三角，你会发现我们只需要存储一个三角就行了，也就是有一半的空间被浪费了。又比如我们分析的微信，微信的用户达到了好几亿，而每个人的好友一般只有几百，这就组成了一张稀疏图，也就是顶点很多，但顶点的边却很少。如果我们用邻接矩阵来存储稀疏图，就会有大部分的存储空间被浪费掉。

为了解决邻接矩阵浪费空间这个问题，就引入了一种新的存储方式：邻接表。

2.邻接表

如下图所示，是一张有向图的链接表存储。你有没有发现？这是不是有点像散列表？每个顶点都连着一条链表，链表中存储的是与该顶点相连的其他顶点。对于有向图而言，散列表中，每条链表存储的是指向该顶点的顶点。类似的，对于无向图而言，每个顶点的链表中存储的，是与这个顶点相连的顶点。

为了更好地理解这两种存储方式，我们将二者进行比较。这里要引入一个思想：用时间换空间以及用空间换时间的思想。相信你也察觉到了，邻接表恰好符合用空间换时间的思想，虽然浪费存储空间，但它查找关系的效率很高；而邻接表恰恰相反，符合的是用时间换空间的思想，不是很耗内存，但链表的查询效率就很低效，对缓存也不太友好。为了这个问题，我们可以在链表比较长的时候，将链表转换成更佳高效的动态数据结构，比如平衡二叉查找树、红黑树、跳表散列表等。也可以将链表换成动态数组，通过使用二分查找来快速定位二哥顶点之间是否存在边。

三、总结：

在这篇文章中，笔者先引入了几个概念：无向图、有向图、带权图、顶点、边、度、入度、出度，在结合日常生活的分析下，相信您已经对它们有了充分的理解。其次，介绍了两种图的存储方式：邻接矩阵和邻接表。

然后，对二者的优缺点进行了分析。邻接矩阵存储方法的缺点是比较浪费空间，但是优点是查询效率高，而且方便矩阵运算。邻接表存储方法中每个顶点都对应一个链表，存储与其相连接的其他顶点。尽管邻接表的存储方式比较节省存储空间，但链表不方便查找，所以查询效率没有邻接矩阵存储方式高。针对这个问题，邻接表还有改进升级版，即将链表换成更加高效的动态数据结构，比如平衡二叉查找树、跳表、散列表等。

四、文末

解答开篇

课后思考

1. 关于开篇思考题，我们只讲了微博这种有向图的解决思路，那像微信这种无向图，应该怎么存储呢？你可以照着我的思路，自己做一下练习。
2. 关于图这种数据结构，你还能想到其他生活或者工作中的例子吗？

• 1：对于微信这种无向图，可以用邻接表来存储每个人对应的好友列表。为了支持快速的查找，好友列表可以使用红黑树存储。
• 2：生活中图的例子：地图、互联网上页面之间通过超链接连成一张有向图；城市乃至全国交通网络是一种带权图。