注:此博文为本人学习过程中的笔记
1.搜索树
在学习Map和Set前,我们需要掌握一种数据结构,搜索树
1.1.概念
二叉搜索树又称二叉排序树,它或是一棵空树,或是具有一下性质的二叉树:
1.若它的左子树不为空,则左子树上所有节点的值都小于根节点的值
2.若它的右子树不为空,则右子树所有节点的值都大于根节点的值
3.它的左右子树也分别为二叉搜索树
1.2.查找,插入,删除的模拟实现
1.2.1.查找
直接遍历二叉搜索树,当查找值比root大时向右找,比root小时向左找,以此循环
代码:
public boolean search(int val) {
TreeNode cur = root;
while(cur != null) {
if(cur.val < val) {
cur = cur.right;
}else if(cur.val > val) {
cur = cur.left;
}else {
return true;
}
}
return false;
}
1.2.2.插入
比较插入值与root的值,比root大就向左,比root小就向右,直到找到合适的位置插入
代码:
public void insert(int val) {
TreeNode node = new TreeNode(val);
if(root == null) {
root = node;
return;
}
TreeNode parent = null;
TreeNode cur = root;
while(cur != null) {
if(cur.val < val) {
parent = cur;
cur = cur.right;
}else if(cur.val > val) {
parent = cur;
cur = cur.left;
}else return;
}
if(parent.val < val) {
parent.right = node;
}else {
parent.left = node;
}
}
1.2.3.删除
删除操作相比前两个操作就复杂的多了,我们先遍历二叉搜索树找到要删除的位置,然后分为以下当中情况:
1.删除位置的左边为空,
如果删除位置是根节点,直接根节点等于删除位置的右树
如果删除位置位于它父节点的左边,让父节点的左树等于删除位置的右树
如果删除位置位于它父节点的右边,让父节点的右树等于删除位置的右树
2.删除位置的右边为空
如果删除位置是根节点,直接根节点等于删除位置的左树
如果删除位置位于它父节点的左边,让父节点的左树等于删除位置的左树
如果删除位置位于它父节点的右边,让父节点的右树等于删除位置的左树
3.删除位置的左右都不为空
这里我们要用到替换删除法,首先我们要找到替换值,这个值有两个,一个是左树的最大值即左树的最右边,一个是右树的最小值即右树的最左边。这里我们选择右树的最小值,先找到它,然后把它的值赋值给要删除的位置,再效仿前面的方法将这个节点删除。
代码:
public void remove(int val) {
TreeNode cur = root;
TreeNode parent = null;
while(cur != null) {
if(cur.val < val) {
parent = cur;
cur = cur.right;
}else if(cur.val > val) {
parent = cur;
cur = cur.left;
}else {
removeNode(cur, parent);
}
}
}
public void removeNode(TreeNode cur, TreeNode parent) {
if(cur.left == null) {
if(cur == root) {
root = cur.right;
}else if(parent.left == cur) {
parent.left = cur.right;
}else {
parent.right = cur.right;
}
}else if(cur.right == null) {
if(cur == root) {
root = cur.left;
}else if(parent.left == cur) {
parent.left = cur.left;
}else {
parent.right = cur.left;
}
}else {
TreeNode target = cur.right;
TreeNode targetParent = cur;
while(target.left != null) {
targetParent = target;
target = target.left;
}
cur.val = target.val;
if(targetParent.left == target) {
targetParent.left = target.right;
}else {
targetParent.right = target.right;
}
}
}
1.3.性能分析
插入和删除操作都必须先查找,查找的效率代表了二叉搜索树中各个操作的性能
对有n个节点的二叉搜索树,若每个元素的查找的概率相同,则二叉搜索树平均查找长度是节点在二叉搜索树的深度的函数,即节点越深,比较次数越多
但对于同一个关键码的集合,如果各关键码插入的次序不同,可能得到不同结果的二叉搜索树
最优情况下,二叉搜索树为完全二叉树,其平均比较次数为:log2N
最差情况下,二叉搜索树退化为单支树,其平均比较次数为:N / 2
1.4.和Java类集的关系
TreeMap和TreeSet在Java中使用搜索树实现的Map和Set,实际上用的是红黑树,而红黑树是一棵近似平衡的二叉搜索树,即在二叉搜索树的基础之上 + 颜色以及红黑树性质验证。
2.Map和Set
2.1.概念及场景
Map和Set是一种专门用来进行搜索的容器或者数据结果,其搜索的效率与其具体的实例化子类有关。以前常见的搜索方式有:
1.直接遍历,元素如果比较多效率会非常慢
2.二分查找,虽然效率快一些,但搜索前必须要求序列是有序的
上述排序比较适合静态类型的查找,即一般不会对区间进行插入和删除的操作,而动态查找,即可能在查找是进行一些插入和操作,上述两种方法就不太合适了,本次介绍的Map和Set就是适合动态查找的集合容器
2.2.模型
一般把搜索的数据称为关键字(Key) ,和关键字对应的称为值(Value),将其称之为Key-Value的键值对,所以模型会有两种:
1.纯Key模型,比如:
·有一个英文词典,快速查找一个单词是否在词典中
·快速查找某个名字在不在通讯录中
2.Key-Value模型,比如:
·统计文件中每个单词出现的次数,统计结果是每个单词都有与其对应的次数:<单词, 单词出现的次数>
而Map中存储的就是Key-Value的键值对,Set中只存储了Key
2.3.Map
3.1.关于Map的说明
Map是一个接口类,该类没有继承自Collection,该类中存储的是<K,V>结构的键值对,并且K一定是唯一的,不能重复
3.2.关于Map.Entry<K, V>的说明
Map.Entry<K, V>是Map内部实现的用来存放<key, value>键值对映射关系的内部类,该内部类中主要提供了<key, value>的获取,value的设置以及Key的比较方式
K getKey() 返回entry中的key
V getValue() 返回entry中的value
V setValue(V value) 将键值对中的value替换为指定value
注意:Mep.Entry<K, V>并没有提供设置Key的方法
3.3.Map的常见方法
V get(Object key) 返回key对应的value
V getOrDefault(Object key, V defaultValue) 返回key对应的value,key不存在,返回默认值
V put(K key, V value) 设置key对应的value
V remove(Object key) 删除key对应的映射关系
Set<K> keySet() 返回所有key的不重复集合
Collection<V> values() 返回所有value的可重复集合
Set<Map.Entry<K, V>> entrySet() 返回所有的key-value映射关系
boolean containsKey(Object key) 返回所有的key-value映射关系
boolean containsKey(Object key) 返回所有的key-value映射关系
注意:
1.Map是一个接口,不能直接实例化对象,如果要实例化对象只能实例化其实现类TreeMap或者HashMap
2.Map中存放键值对的Key是唯一的,value是可以重复的
3.在TreeMap中插入键值对是,key不能为空,否则就会抛出空指针异常,value可以为空,但是HashMap的key和value都可以为空
4.Map中的Key可以全部分离出来,存储到Set中来进行访问(因为Key不能重复)
5.Map中键值对的key不能直接修改,value可以修改,如果要修改key,只能先将该key删除掉,然后再来进行重新插入
6.Map中的value可以全部分离出来,存储到Collection的任何一个子集合中(value可能有重复)
7.TreeMap和HashMap的区别
底层结构 TreeMap:红黑树 HashMap:哈希桶
是否有序 关于key有序 无序
线程安全 不安全 不安全
插入等区别 需要进行元素比较 通过哈希函数计算哈希地址
比较与覆写 Key必须能够比较,否则会抛出ClassCastException异常 自定义类型需要覆写equals和hashCode方法
应用场景 需要key有序场景下 key是否有序不关心,需要更高的时间性能
2.4.Set
Set与Map主要的不同有两点:Set是继承自Collection的接口类,Set只存储了Key
2.4.1.常见方法
boolean add(E e) 添加元素,但重复元素不会被添加成功
void clear() 清空集合
boolean contains(Object o) 判断o是否在集合中
int size() 返回set中的元素的个数
Iterator<E> iterator() 返回迭代器
boolean remove(Object o) 删除集合中的o
boolean isEmpty() 检测set是否为空
Object[] toArray() 将set中的元素转换为数组返回
boolean containsAll(Collection<?> c) 集合c中的元素是否在set中全部存在
boolean addAll(Collection<? extends E> c) 将集合c中的元素添加到set中,可以达到去重的效果
注意:
1.Set是继承自Collection的一个接口类
2.Set只存储了key,并且要求key一定要唯一
3.TreeSet的底层是使用Map来实现的,其使用key与Object的一个默认对象作为键值对插入到Map中的
4.Set最大的功能就是对集合中的元素进行去重
5.实现Set接口的常用类有TreeSet和HashSet,还有一个LinkedHashSet,LinkedHashSet是在HashSet的基础上维护了一个双向链表来记录元素的插入次序
6.Set中的Key不能修改,如果要修改,先将原来的删除掉,然后再重新插入
7.TreeSet中不能插入null的key,HashSet可以
8.TreeSet和HashSet的区别
TreeSet HashSet
底层结构 红黑树 哈希桶
是否有序 关于key有序 不一定有序
线程安全 不安全 不安全
插入等操作区别 按照红黑树的特性来进行插入和删除 1.先计算key哈希地址2.然后进行插入和删除
比较与覆写 key必须能够比较,否则会抛出ClassCastException异常 自定义类型要覆写equals和hashCode方法
应用场景 需要key有序场景下 key是否有序不关心,需要更高的时间性能
3.哈希表
3.1.概念
顺序结构以及平衡树中,元素关键码与其存储位置没有对应的关系,因此在查找一个元素时,必须要经过关键码的多次比较。顺序查找的时间复杂度为O(N),平衡树中为树的高度,即O(log2N),搜索的效率取决与搜索过程中元素的比较次数
理想的搜索方法:可以不经过任何比较,以此直接从表中得到要搜索的元素,如果构造一种存储结构,通过某种函数使元素的存储位置与它的关键码之间能够建立一一映射的关系,那么在查找时通过该函数可以很快找到该元素
当向该结构中:
·插入元素
根据待插入元素的关键码,以此函数计算出该元素的存储位置并按此位置进行存放
·搜索元素
对元素的关键码进行同样的计算,把求得的函数值当作元素的春初位置,在结构中按此位置取元素比较,若关键码相等,则搜索成功
该方式即为哈希(散列)方法,哈希方法中使用的函数称为哈希(散列)函数,构造出来的结构称为哈希表(或者称为散列表)
3.2.冲突-概念
不同关键字通过相同哈希函数计算出相同的哈希地址,该种现象称为哈希冲突或哈希碰撞
把具有不同关键码而具有相同哈希地址的数据元素称为“同义词”
3.3.冲突-避免
首先,我们要明确一点,由于我们哈希表底层数组的容量往往小于实际要存储的关键字的数量,这就导致一个问题,冲突的发生是必然的,但我们能做的应该是尽量的降低冲突率
3.4.冲突-避免-哈希函数设计
引起哈希冲突的一个可能的原因是:哈希函数设计不够合理,哈希函数设计原则:
·哈希函数的定义域必须包括需要存储的全部关键码,而如果散列表允许有m个地址时,其域值必须在0到m-1之间
·哈希函数计算出来的地址能均匀分布在整个空间中
·哈希函数应该比较简单
常见哈希函数
1.直接定制法
取关键字的某个线性函数为散列地址:Hash(Key) = A * Key + B 优点:简单,均匀 缺点:需要事先知道关键字的分布情况 使用场景:适合查找比较小且连续的情况
2.除留余数法
设散列表中允许的地址数为m,取一个不大于m,但最接近或者等于m的质数p作为除数,按照哈希函数:Hash(key) = key % p(p <= m),将关键码转换成哈希地址
3.平方取中法
假设关键字为1234,对它平方就是1522756,抽取中间的3位作为哈希地址;平方取中法比较适合:不知道关键字的分布,而位数又不是很大的情况
4.折叠法
折叠法是将关键字从左到右分割成位数相等的几部分(最后一部分位数可以短些),然后将这几部分叠加求和,并按散列表表长,取后几位作为散列地址
折叠法适合事先不需要知道关键字的分布,适合关键字位数比较多的情况
5.随机数法
选择一个随机数,取关键字的随机函数为它的哈希地址,即H(key) = random(key),其中random为随机数函数
通常应用与关键字长度不等时
6.数学分析法
设有n个d位数,每一位可能有r种不同的符号,这r种不同的符号在各位上出现的频率不一定相同,可能在某些位上分布比较均匀,每种符号出现的机会均等,在某些位上分布不均匀只有某几种符号经常出现。可根据散列表的大小,选择其中各种符号分布均匀的若干位作为散列地址。
3.5.冲突-避免-负载因子调节
散列表的载荷因子定义位a = 填入表中的元素个数 / 散列表的长度
a是散列表装满程度的标志因子。由于表长是定值,a与填入表中的元素个数成正比,所以,a越大,表面填入表中的元素越多,产生冲突的可能性就越大;反之,a越小,表明填入表中的元素越少,产生冲突的可能性就越小,实际上,散列表的平均查找长度是载荷因子a的函数,只是不同处理冲突的方法有不同函数。
对于开放定址法,载荷因子是特别重要的因素,因严格限制在0.7-0.8以下。超过0.8,查表时的cpu缓存不命中按照指数曲线上升。因此,一些采用开放定址法的hash库,如Java的系统库限制了荷载因子为0.75,超过此值将resize散列表
当冲突达到一个无法忍受的程度时,我们需要通过降低负载因子来变相的降低冲突率
已知哈希表中已有的关键字个数是不可变的,那我们能调整的就只有哈希表中的数值的大小
3.6.冲突-解决
解决哈希冲突两种常见的方法:闭散列和开散列
3.7.冲突-解决-闭散列
闭散列:也叫开放定址法,当发生哈希冲突时,如果哈希表未被装满,说明在哈希表中必然还有空位置,那么可以把key存放到冲突位置中的下一个空位置中去。那如何寻找下一个空位置呢?
1.线性探测
从发生冲突的位置开始,依次向后探测,直到寻找到下一个空位置位置。
采用闭散列处理哈希冲突时,不能随便物理删除哈希表中已有的元素,若直接删除元素会影响其他元素的搜索。比如删除元素4,如果直接删除掉,44查找起来可能会受影响。因此线性探测采用标记的伪删除法来删除一个元素
2.二次探测
线性探测的缺陷时产生冲突的数据堆积在一块,这与其找下一个空位置有关,因为找空位置的方式就是挨着往后逐个去找,因此二次探测为了避免该问题,找下一个空位置的方法为:Hi = (H0 + i ^ 2) % m,或者(H0 - i ^ 2) % m,其中:i = 1,2,3...,H0是通过散列函数Hash(x)对元素的关键码key进行计算得到的位置,m是表的大小。
研究表明:当表的长度为质数且表负载因子a不超过0.5时,新的表项一定能够插入,而且任何一个位置都不会被探查两次,因此只要表中有一半的空位置,就不会存在表满的问题。在搜索时可以不考虑表装满的情况,但在插入时必须确保表的负载因子a不超过0.5,如果超过必须考虑增容
因此:闭散列最大的缺陷就是空间利用率比较低,这也是哈希的缺陷
3.8.冲突-解决-开散列/哈希桶
开散列法又叫链地址法(开链法),首先对关键码集合用散列函数计算散列地址,具有相同地址的关键码归于同一子集合,每一个子集合称为一个桶,各个桶中的元素通过一个单链表链接起来,个链表的头节点存储在哈希表中
开散列中每个桶中放的都是发生哈希冲突的元素
开散列,可以认为是把一个在大集合中的搜索问题转化为在小集合中做搜索了
3.9.冲突严重时的解决方法
哈希桶可以看作将大集合的搜索问题转化为小集合的搜索问题,如果冲突严重,就意味着小集合的搜索性能其实也是不佳的,这个时候我们就可以将这个所谓的小集合搜索问题继续进行转化,例如:
1.每个桶背后是另一个哈希表
2.每个桶背后是一棵搜索树
3.10.开散列的模拟实现
public class HashBuck {
public static class Node {
int key;
int val;
Node next;
public Node(int key, int val) {
this.key = key;
this.val = val;
}
}
Node[] arr = new Node[10];
public static final double DEFAULT_LOAD_FACTOR = 0.75f;
int usedSize;
public void push(int key, int val) {
int index = key % arr.length;
Node cur = arr[index];
while(cur != null) {
if(cur.key == key) {
cur.val = val;
return;
}
cur = cur.next;
}
Node node = new Node(key, val);
node.next = arr[index];
arr[index] = node;
usedSize++;
if(doLoadFactor() > DEFAULT_LOAD_FACTOR) {
resize();
}
}
public double doLoadFactor() {
return usedSize * 1.0 / arr.length;
}
public void resize() {
Node[] newArr = new Node[2 * arr.length];
for (Node node : arr) {
Node cur = node;
while (cur != null) {
int index = cur.key % newArr.length;
Node curN = cur.next;
cur.next = newArr[index];
newArr[index] = cur;
cur = curN;
}
}
arr = newArr;
}
public int getVal(int key) {
int index = key % arr.length;
Node cur = arr[index];
while(cur != null) {
if(cur.key == key) {
return cur.val;
}
cur = cur.next;
}
return -1;
}
}
3.11.性能分析
虽然哈希表一直在和冲突做斗争,但在实际使用过程中,我们认为哈希表的冲突率是不高的,冲突个数是可控的,也就是每个桶中的链表的长度是一个常数,所以,通常意义下,我们认为哈希桶的插入/删除/查找时间复杂度是O(1)。
3.12.和Java类集的关系
1.HashMap和HashSet是Java中利用哈希表实现的Map和Set
2.Java中使用哈希桶方式解决冲突
3.Java会在冲突链表长度大于一定阈值时,将链表转化为搜索树
4.Java中计算哈希值实际上时调用的类的hashCode方法,进行key的相等性比较是调用key的equals方法。所以要用自定义类作为HashMap的key或者HashSet的值,必须覆写hashCode和equals方法,而且要做到equals相等的对象,hashCode一定是一致的