常用数据结构一览

程序 = 算法 + 数据结构

操作数据的增、删、改、查、排序及相关的逻辑运算都要基于数据结构

下面简单罗列下常用的一些数据结构

 

                                                       数据结构简单分类

1. 数组(Array，ArrayList)

创建数组必须明确指定数组的长度，并且需要分配一段连续的存储空间

数组既然是定长的，就会遇到需要动态扩容的情况，通常通过复制原数组实现：

Arrays.copyOf(elementData, size, Object[].class);

public static <T,U> T[] copyOf(U[] original, int newLength, Class<? extends T[]> newType) {
        @SuppressWarnings("unchecked")
        T[] copy = ((Object)newType == (Object)Object[].class)
            ? (T[]) new Object[newLength]
            : (T[]) Array.newInstance(newType.getComponentType(), newLength);
        System.arraycopy(original, 0, copy, 0,
                         Math.min(original.length, newLength));
        return copy;
    }

集合中的ArrayList就是基于数组特性实现的，因此是有序的，数据元素允许重复。

ArrayList 随机读取元素很方便，但是在操作加减元素时，重新排序索引比较浪费性能。

2.链表(LinkedList)

链表分单链表、双链表、环链表

                                                                链表

链表是由指针控制数据节点与节点之间的关联关系，由于存在指针存储区，因此数据存储密度要低于ArrayList, 并且空间存储上是不连续的，因此是不能像ArrayList那样通过集合下标随机获取元素，即LinkedList存储的元素是无序的，数据元素不允许重复。

ArrayList 与 LinkedList使用场景取舍：
频繁读取修改元素，宜用ArrayList; 频繁加减元素，宜用LinkedList

3.队列（Queue）

先进先出（FIFO），从队列尾部添加，从头部查询或删除

Queue 继承于Collection类，因此有集合通用的add(), remove()方法

常用实现类：

（1）ConcurrentLinkedQueue 线程安全的队列

offer(); // 加入元素

peek(); // 获取队列头部第一个元素

poll();  // 获取队列头部第一个元素,并从队列中移除

下面说下阻塞队列：

（2）ArrayBlockingQueue 有界队列

基于数组的阻塞队列实现，在ArrayBlockingQueue内部，维护了一个定长数组，以便缓存队列中的数据对象，其内部没实现读写分离，也就意味着生产和消费不能完全并行，长度是需要定义的，可以指定先进先出或者先进后出，也叫有界队列，在使用该队列时必须指定队列的容量大小

// 超时未添加成功返回false, 该方法优于add()方法
boolean offer(E e, long timeout, TimeUnit unit) throws InterruptedException;

（3）LinkedBlockingQueue 无界队列

可以不设置队列的长度，若指定了长度则同有界队列

（4）SynchronousQueue 不能存储元素，即时处理

（5）PriorityBlockingQueue 

基于优先级的阻塞队列（优先级的判断通过构造函数传入的Compator对象来决定，也就是说传入队列的对象必须实现Comparable接口），在实现PriorityBlockingQueue时，内部控制线程同步的锁采用的是公平锁，他也是一个无界的队列。

（6）DelayQueue

带有延迟时间的Queue，其中的元素只有当其指定的延迟时间到了，才能够从队列中获取该元素。DelayQueue中的元素必须实现Delayed接口，DelayQueue是一个没有大小限制的队列，应用场景很多，比如对缓存超时的数据进行移除、任务超时处理、空闲连接的关闭等等。

                                                        队列应用场景

4.双端队列（Deque）

可以在队列的首尾两端操作添加，删除，查询。

举一个应用场景，比如我们可以控制双端队列一端生产，一端消费

5.栈（Stack）

限制队列只能在一端操作，就成了栈，特点是后进先出（Last Input First Output）

                                       

                                                       栈-LIFO

6.树

树，最基本的就是二叉树，由此可以演变出平衡二叉树，满二叉树，完全二叉树，斜树，

红黑树（通过旋转及变换，追求局部平衡），

BTree（多阶树,节点存储 索引+数据，不满足单一原则，稳定性下降），

                                                                        B树

                                                                       B+树

哈夫曼树（最优树，就是指带权路径最小的树，仅包含度为0或者2的节点）

森林（一棵树为树，两棵树及以上则称为森林）

树一般设计的算法思想就是 递归

树的遍历

（1） 前序遍历（Preorder Traversal） 输出：ABDHIEJCFG

方法：先访问根节点，然后访问左子树，最后访问右子树。在访问左、右子树的时候，同样，先访问子树的根节点，再访问子树根节点的左子树和右子树，这是一个不断递归的过程。

应用场景：运用最多的场合包括在树里进行搜索以及创建一棵新的树。

（2）中序遍历（Inorder Traversal）输出：HDIBJEAFCG

方法：先访问左子树，然后访问根节点，最后访问右子树，在访问左、右子树的时候，同样，先访问子树的左边，再访问子树的根节点，最后再访问子树的右边。

应用场景：最常见的是二叉搜索树，由于二叉搜索树的性质就是左孩子小于根节点，根节点小于右孩子，对二叉搜索树进行中序遍历的时候，被访问到的节点大小是按顺序进行的。

（3） 后序遍历（Postorder Traversal）输出：HIDJEBFGCA

方法：先访问左子树，然后访问右子树，最后访问根节点。

应用场景：在对某个节点进行分析的时候，需要来自左子树和右子树的信息。收集信息的操作是从树的底部不断地往上进行。