16 张图带你搞懂 Java 数据结构，从此想不飘都难！

此时 ArrayList 中第 5 个位置以后的元素将会向后移动。

准备把 23 从 ArrayList 中移除。

此时下标为 7、8、9 的元素往前挪。

简单总结一下 ArrayList 的时间复杂度，方便大家在学习的时候作为参考。

1、通过下标（也就是 get(int index)）访问一个元素的时间复杂度为 O(1)，因为是直达的，无论数据增大多少倍，耗时都不变。

2、添加一个元素（也就是 add()）的时间复杂度为 O(1)，因为直接添加到末尾。

3、删除一个元素的时间复杂度为 O(n)，因为要遍历列表，数据量增大几倍，耗时也增大几倍。

4、查找一个未排序的列表时间复杂度为 O(n)，因为要遍历列表；查找排序过的列表时间复杂度为 O(log n)，因为可以使用二分查找法，当数据增大 n 倍时，耗时增大 logn 倍（这里的 log 是以 2 为底的，每找一次排除一半的可能）。

2）链表

链表在物理存储空间是不连续的，但每个节点要么知道它的下一个节点是谁，要么知道它的上一个节点是谁，仿佛就像我们之间隔着千山万水，却心有灵犀一点链。像 LinkedList 就是最典型的链表结构，通过引用相互链接。

LinkedList 中的每一个元素都可以称之为节点（Node），每一个节点都包含三个项目：其一是元素本身，其二是指向下一个元素的引用地址，其三是指向上一个元素的引用地址。

LinkedList 看起来就像下面这个样子：

• 第一个节点由于没有前一个节点，所以 prev 为 null；

• 最后一个节点由于没有后一个节点，所以 next 为 null；

• 这是一个双向链表，每一个节点都由三部分组成，前后节点和值。

相比 ArrayList，LinkedList 有以下优势：

1、LinkedList 允许内存进行动态分配，这就意味着内存分配是由编译器在运行时完成的，我们无需在 LinkedList 声明的时候指定大小。

2、LinkedList 不需要在连续的位置上存储元素，因为节点可以通过引用指定下一个节点或者前一个节点。也就是说，LinkedList 在插入和删除元素的时候代价很低，因为不需要移动其他元素，只需要更新前一个节点和后一个节点的引用地址即可。

3）栈

栈是一种非常有用的数据结构，它就像一摞盘子，第一个放在最下面，第二个放在第一个上面，第三个放在第二个上面，最后一个放在最上面。栈遵循后进先出的原则，也就是“Last In First Out”（简称 LIFO）——最后的一个进的，最先出去。

对于栈这样一个数据结构来说，它有两个常见的动作：

• push，中文释义有很多种，我个人更喜欢叫它“压入”，非常形象。当我们要把一个数据放入栈的顶部，这个动作就叫做 push。

• pop，同样的，我个人更喜欢叫它“弹出”，带有很强烈的动画效果，有没有？当我们要从栈中移除一个数据时，这个动作就叫做 pop。

4）队列

队列，只允许在队尾添加数据，队首移除数据。队列在 Java 中的出现频率非常高，有各种不同的类来满足不同的场景需求。像优先级队列 PriorityQueue、延时队列 DelayQueue 等等。队列遵循的是 First In First Out，缩写为 FIFO，也就是先进先出，第一个进入队列的第一个先出来。

再来说非线性数据结构。

1） 树

树是一种典型的非线性结构，它是由 n（n>0）个有限节点组成的一个具有层次关系的集合。之所以叫“树”，是因为这种数据结构看起来就像是一个倒挂的树，只不过根在上，叶在下。树形数据结构有以下这些特点：

• 每个节点都只有有限个子节点或无子节点；

• 没有父节点的节点称为根节点；

• 每一个非根节点有且只有一个父节点；

• 除了根节点外，每个子节点可以分为多个不相交的子树。

下图展示了树的一些术语：

根节点是第 0 层，它的子节点是第 1 层，子节点的子节点为第 2 层，以此类推。

• 深度：对于任意节点 n，n 的深度为从根到 n 的唯一路径长，根的深度为 0。

• 高度：对于任意节点 n，n 的高度为从 n 到一片树叶的最长路径长，所有树叶的高度为 0。

树又可以细分为下面几种：

1、普通树：对子节点没有任何约束。

2、二叉树：每个节点最多含有两个子节点的树。 二叉树按照不同的表现形式又可以分为多种。

2.1、普通二叉树：每个子节点的父节点不一定有两个子节点的二叉树。

2.2、完全二叉树：对于一颗二叉树，假设其深度为d（d>1）。除了第 d 层外，其它各层的节点数目均已达最大值，且第 d 层所有节点从左向右连续地紧密排列。

2.3、满二叉树：一颗每一层的节点数都达到了最大值的二叉树。有两种表现形式，第一种，像下图这样（每一层都是满的），满足每一层的节点数都达到了最大值 2。

3、二叉查找树：英文名叫 Binary Search Tree，即 BST，需要满足以下条件：

• 任意节点的左子树不空，左子树上所有节点的值均小于它的根节点的值；

• 任意节点的右子树不空，右子树上所有节点的值均大于它的根节点的值；

• 任意节点的左、右子树也分别为二叉查找树。

3.1、平衡二叉树：当且仅当任何节点的两棵子树的高度差不大于 1 的二叉树。由前苏联的数学家 Adelse-Velskil 和 Landis 在 1962 年提出的高度平衡的二叉树，根据科学家的英文名也称为 AVL 树。

平衡二叉树本质上也是一颗二叉查找树，不过为了限制左右子树的高度差，避免出现倾斜树等偏向于线性结构演化的情况，所以对二叉搜索树中每个节点的左右子树作了限制，左右子树的高度差称之为平衡因子，树中每个节点的平衡因子绝对值不大于 1。

平衡二叉树的难点在于，当删除或者增加节点的情况下，如何通过左旋或者右旋的方式来保持左右平衡。

红黑树是一种常见的平衡二叉树，节点是红色或者黑色，通过颜色的约束来维持着二叉树的平衡：

• 每个节点都只能是红色或者黑色

• 根节点是黑色

• 每个叶节点（NIL 节点，空节点）是黑色的。

• 如果一个节点是红色的，则它两个子节点都是黑色的。也就是说在一条路径上不能出现相邻的两个红色节点。

• 从任一节点到其每个叶子的所有路径都包含相同数目的黑色节点。

4、B 树：一种对读写操作进行优化的自平衡的二叉查找树，能够保持数据有序

，拥有多于两个的子树。

5、B+ 树：B 树的变体。

，能够保持数据有序

[外链图片转存中…(img-D5QGlfSz-1716194658357)]

，拥有多于两个的子树。

5、B+ 树：B 树的变体。