Android进阶资料
以下的资料是近年来,我和一些朋友面试收集整理了很多大厂的面试真题和资料,还有来自如阿里、小米、爱奇艺等一线大厂的大牛整理的架构进阶资料。希望可以帮助到大家。
Android进阶核心笔记
百万年薪必刷面试题
最全Android进阶学习视频
网上学习资料一大堆,但如果学到的知识不成体系,遇到问题时只是浅尝辄止,不再深入研究,那么很难做到真正的技术提升。
一个人可以走的很快,但一群人才能走的更远!不论你是正从事IT行业的老鸟或是对IT行业感兴趣的新人,都欢迎加入我们的的圈子(技术交流、学习资源、职场吐槽、大厂内推、面试辅导),让我们一起学习成长!
}
/**
-
建树
-
@param treeIndex 当前线段树索引
-
@param treeLeft 节点区间左端点
-
@param right treeRight 节点区间右端点
*/
private fun buildSegmentTree(treeIndex: Int, treeLeft: Int, treeRight: Int) {
if (treeLeft == treeRight) {
// 叶子节点
tree[treeIndex] = merge(data[treeLeft], null)
return
}
val mid = (treeLeft + treeRight) ushr 1
val leftChild = leftChildIndex(treeIndex)
val rightChild = rightChildIndex(treeIndex)
// 构建左子树
buildSegmentTree(leftChild, treeLeft, mid)
// 构建右子树
buildSegmentTree(rightChild, mid + 1, treeRight)
tree[treeIndex] = merge(tree[leftChild], tree[rightChild])
}
复制代码
建树复杂度分析:
-
时间复杂度:O(n)O(n)O(n)
-
空间复杂度:O(4∗n)O(4 * n)O(4∗n) = O(n)O(n)O(n)
3.2 区间查询
区间查询是查询一段期望区间的结果,基本思路是递归查询子区间的结果,再通过合并子区间的结果来得到期望区间的结果。逻辑如下:
-
0、从根节点开始查找(根节点是整个区间),递归执行以下步骤:
-
1、如果查找范围正好等于节点区间范围,直接返回节点聚合数据;
-
2、如果查找范围正好落在左子树区间范围,那么递归地在左子树查找;
-
3、如果查找范围正好落在右子树区间范围,那么递归地在右子树查找;
-
4、如果查找范围横跨两棵子树,那么拆分为两次递归查找,查找完成后 合并 结果。
/**
-
区间查询
-
@param left 区间左端点
-
@param right 区间右端点
*/
fun query(left: Int, right: Int): E {
if (left < 0 || left >= data.size || right < 0 || right >= data.size || left > right) {
throw IllegalArgumentException(“Index is illegal.”);
}
return query(0, 0, data.size - 1, left, right) // 注意:取数据长度
}
/**
-
区间查询
-
@param treeIndex 当前节点索引
-
@param dataLeft 当前节点左区间
-
@param dataRight 当前节点右区间
-
@param left 区间左端点
-
@param right 区间右端点
*/
private fun query(treeIndex: Int, dataLeft: Int, dataRight: Int, left: Int, right: Int): E {
if (dataLeft == left && dataRight == right) {
// 查询范围正好是线段树节点区间范围
return tree[treeIndex]!!
}
val mid = (dataLeft + dataRight) ushr 1
val leftChild = leftChildIndex(treeIndex)
val rightChild = rightChildIndex(treeIndex)
// 查询区间都在左子树
if (right <= mid) {
return query(leftChild, dataLeft, mid, left, right)
}
// 查询区间都在右子树
if (left >= mid + 1) {
return query(rightChild, mid + 1, dataRight, left, right)
}
// 查询区间横跨两棵子树
val leftResult = query(leftChild, dataLeft, mid, left, mid)
val rightResult = query(rightChild, mid + 1, dataRight, mid + 1, right)
return merge(leftResult, rightResult)
}
复制代码
查询复杂度分析:
-
时间复杂度:取决于树的高度,为 O(lgn)O(lgn)O(lgn)
-
空间复杂度:O(1)O(1)O(1)
3.3 单点更新
单点更新就是在数据变化之后适当调整线段树的结构,基本思路是递归地修改子区间的结果,再通过合并子区间的结果来更新期望当前节点的结果。逻辑如下:
-
0、更新原数据(data 数组),然后从根节点开始更新值(根节点是整个区间),递归执行以下步骤:
-
1、如果是叶子节点(left = right),直接更新;
-
2、如果更新节点正好落在左子树区间范围,那么递归地在左子树更新;
-
3、如果更新节点正好落在右子树区间范围,那么递归地在右子树更新;
-
4、更新左右子树之后,再通过合并子树信息来更新当前节点。
/**
-
单点更新
-
@param index 数据索引
-
@param value 新值
*/
fun set(index: Int, value: E) {
if (index < 0 || index >= data.size) {
throw IllegalArgumentException(“Index is illegal.”);
}
data[index] = value
set(0, 0, data.size - 1, index, value) // 注意:取数据长度
}
private fun set(treeIndex: Int, dataLeft: Int, dataRight: Int, index: Int, value: E) {
if (dataLeft == dataRight) {
// 叶子节点
tree[treeIndex] = value
return
}
// 先更新左右子树,再更新当前节点
val mid = (dataLeft + dataRight) ushr 1
val leftChild = leftChildIndex(treeIndex)
val rightChild = rightChildIndex(treeIndex)
if (index <= mid) {
set(leftChild, dataLeft, mid, index, value)
} else if (index >= mid + 1) {
set(rightChild, mid + 1, dataRight, index, value)
}
tree[treeIndex] = merge(tree[leftChild], tree[rightChild])
}
复制代码
更新复杂度分析:
-
时间复杂度:取决于树的高度,为 O(lgn)O(lgn)O(lgn)
-
空间复杂度:O(1)O(1)O(1)
到这里,我们的线段树数据结构就实现完成了,完整代码如下:SegmentTree
4. 典型例题 · 区域和检索 - 数组可变
=======================
给你一个数组 nums ,请你完成两类查询,其中一类查询要求更新数组下标对应的值,另一类查询要求返回数组中某个范围内元素的总和。
class NumArray(nums: IntArray) {
fun update(index: Int, val
: Int) {
}
fun sumRange(left: Int, right: Int): Int {
}
}
这道题与 【题 303】 是差不多的,区别在于数组是否可变,属于 动态数据 的场景。上一节,我们已经实现了一个通用的线段树数据结构,我们直接使用就好啦。
参考代码:
class NumArray(nums: IntArray) {
private val segmentTree = SegmentTree(nums.toTypedArray()) { e1: Int?, e2: Int? ->
if (null == e1)
e2!!
else if (null == e2)
e1
else
e1 + e2
}
fun update(index: Int, val
: Int) {
segmentTree.set(index, val
)
}
fun sumRange(left: Int, right: Int): Int {
return segmentTree.query(left, right)
}
}
有点东西~~没几行代码就搞定了,运行结果也比采用前缀树的方法优秀更多。但是单纯从做题的角度,如果每做一道题都要编写这么一大串 SegmentTree 代码,似乎就太蛋疼了。有没有别的变通方法呢?
5. 线段树的解题框架
============
定义 SegmentTree 数据结构太花力气,这一节,我们来讨论一种不需要定义 SegmentTree 的通用解题框架。这个解法还是很巧妙的,它虽然不严格满足线段树的定义(不是二叉搜索树,但依然是平衡二叉树),但是实现更简单。
参考代码:
class NumArray(nums: IntArray) {
private val n = nums.size
private val tree = IntArray(2 * n) { 0 } // 注意:线段树大小为 2 * n
init {
// 构建叶子节点
for (index in n until 2 * n) {
tree[index] = nums[index - n]
}
// 依次构建父节点
for (index in n - 1 downTo 0) {
tree[index] = tree[index * 2] + tree[index * 2 + 1]
}
}
fun update(index: Int, val
: Int) {
// 1、先直接更新对应的叶子节点
var treeIndex = index + n
tree[treeIndex] = val
while (treeIndex > 0) {
// 2、循环更新父节点,根据当前节点是偶数还是奇数,判断选择哪两个节点来合并为父节点
val left = if (0 == treeIndex % 2) treeIndex else treeIndex - 1
val right = if (0 == treeIndex % 2) treeIndex + 1 else treeIndex
tree[treeIndex / 2] = tree[left] + tree[right]
treeIndex /= 2
}
}
fun sumRange(i: Int, j: Int): Int {
var sum = 0
var left = i + n
var right = j + n
while (left <= right) {
if (1 == left % 2) {
sum += tree[left]
left++
}
if (0 == right % 2) {
sum += tree[right]
right–
}
left /= 2
right /= 2
}
return sum
}
}
这种实现的优点是只需要 2 * n 空间,而不需要 4 * n 空间下面解释下代码。代码主要由三个部分组成:
5.1 建树
构建线段树需要初始化一个 2∗n2*n2∗n 空间的数组,采用 自底向上 的方式来构建整棵线段树。首先,构建叶子节点,叶子节点的位于数组区间 [n,2n−1][n,2n -1][n,2n−1],随后再根据子节点的结果来构建父节点(下标为indexindexindex的节点,左子节点下标:2∗index2*index2∗index,右子节点下标:2∗index+12*index+12∗index+1)。参考以下示意图:
5.2 区间查询
区间查询是查询一段期望区间的结果,相对于常规方法构造的线段树,这种线段树的区间查询过程相对较难理解。基本思路是递归地寻找能够代表该区间的节点。逻辑如下:
-
1、一开始的区间查询等同于线段树数组 [n,2n−1][n,2n-1][n,2n−1] 之间的若干个叶子节点 [left,right][left,right][left,right] 的合并,我们需要向上一层寻找能够代表这些节点的父节点;
-
2、对于节点 indexindexindex,它的左子节点下标:2∗index2*index2∗index,右子节点下标:2∗index+12*index+12∗index+1,这意味着所有左子节点下标是偶数,所有右子节点下标是奇数;
-
3、left/=2left /= 2left/=2和right/=2right /= 2right/=2则是寻找父节点,如果 leftleftleft 指针是奇数,那么 leftleftleft 指针节点一定是一个右节点,此时 left/2left/2left/2 节点就无法直接代表 leftleftleft 指针节点,于是只能单独加上这个 “落单” 的节点。同理,如果 rightrightright 指针是偶数,那么 righttrighttrightt 指针节点一定是一个左节点,,此时 right/2right /2right/2 节点就无法直接代表 rightright right 指针节点,于是只能单独加上这个 “落单” 的节点;
-
4、最后循环退出前leftrightleft == rightleftright,说明当前节点的区间(去除 “落单” 的节点)正好是所求的区间,直接加上。并且下一躺循环leftleftleft一定大于rightrightright,跳出循环。
5.3 单点更新
单点更新就是在数据变化之后适当调整线段树的结构,基本思路是:先更新目标位置对应的节点,递归地更新父节点。需要注意根据当前节点的索引是偶数或奇数,来确定选择哪两个节点来合并为父节点。
例如,更新的节点是 “a” 节点,它在线段树数组索引 index 是偶数(下标为 6),那么它的父节点是 “ab” 节点需要通过合并 tree[index] + tree[index+1] 来获得的。
6. 总结
======
-
前缀和数组与线段树都适用与区间查询问题,前者在数据更新频繁时整体性能会下降,后者平衡了更新与查询两者的时间复杂度,复杂度都是O(lgn)O(lgn)O(lgn);
-
从解题的角度,常规的构建线段树的方法太复杂,可以采用反常规的线段树构建方式,代码会更加简洁,空间复杂度也更优秀;
-
除了线段树,你还知道什么类似的数据结构擅长于区间查询和单点更新吗?
7. 最后
======
最后
如果你看到了这里,觉得文章写得不错就给个赞呗?如果你觉得那里值得改进的,请给我留言。一定会认真查询,修正不足。谢谢。
欢迎大家一起交流讨论啊~
网上学习资料一大堆,但如果学到的知识不成体系,遇到问题时只是浅尝辄止,不再深入研究,那么很难做到真正的技术提升。
一个人可以走的很快,但一群人才能走的更远!不论你是正从事IT行业的老鸟或是对IT行业感兴趣的新人,都欢迎加入我们的的圈子(技术交流、学习资源、职场吐槽、大厂内推、面试辅导),让我们一起学习成长!
6. 总结
======
-
前缀和数组与线段树都适用与区间查询问题,前者在数据更新频繁时整体性能会下降,后者平衡了更新与查询两者的时间复杂度,复杂度都是O(lgn)O(lgn)O(lgn);
-
从解题的角度,常规的构建线段树的方法太复杂,可以采用反常规的线段树构建方式,代码会更加简洁,空间复杂度也更优秀;
-
除了线段树,你还知道什么类似的数据结构擅长于区间查询和单点更新吗?
7. 最后
======
最后
如果你看到了这里,觉得文章写得不错就给个赞呗?如果你觉得那里值得改进的,请给我留言。一定会认真查询,修正不足。谢谢。
[外链图片转存中…(img-HpkgSZkd-1715467308779)]
欢迎大家一起交流讨论啊~
网上学习资料一大堆,但如果学到的知识不成体系,遇到问题时只是浅尝辄止,不再深入研究,那么很难做到真正的技术提升。
一个人可以走的很快,但一群人才能走的更远!不论你是正从事IT行业的老鸟或是对IT行业感兴趣的新人,都欢迎加入我们的的圈子(技术交流、学习资源、职场吐槽、大厂内推、面试辅导),让我们一起学习成长!