重温算法Day2-复杂度分析下

 复杂度分析（下）

复杂度的4种case:最好、最坏、 平均、均摊。

这里重点说下均摊case.

  // array表示一个长度为n的数组
 int[] array = new int[n];
 int count = 0;
 
 void insert(int val) {
    if (count == array.length) {
       int sum = 0;
       for (int i = 0; i < array.length; ++i) {
          sum = sum + array[i];
       }
       array[0] = sum;
       count = 1;
    }

    array[count] = val;
    ++count;
 }

 当数组满了之后，也就是代码中的 count == array.length 时，我们用 for 循环遍历数组求和，并清空数组，将求和之后的 sum 值放到数组的第一个位置，然后再将新的数据插入。但如果数组一开始就有空闲空间，则直接将数据插入数组。
 假设数组的长度是 n，根据数据插入的位置的不同，我们可以分为 n 种情况，每种情况的时间复杂度是 O(1)。除此之外，还有一种“额外”的情况，就是在数组没有空闲空间时插入一个数据，这个时候的时间复杂度是 O(n)。而且，这 n+1 种情况发生的概率一样，都是 1/(n+1),所以，根据加权平均的计算方法，我们求得的平均时间复杂度就是：

均摊时间复杂度等于平均时间复杂度。虽然均摊比较少见，但在工作中却是影响性能瓶颈的一个点。如果某个场景触发，客户体验会特别差。如以下场景
均摊应用场景：
 hash算法分片，当分配hashcode对应的卡槽达到一定的量后，需要重新分配一个更大的数组卡槽，重新hash。
这个时候，不是在某个操作发生时，一次完成重新hash，而是只分配更大的数组空间。之后的数据操作做hash时，往新的数组空间上做hash，如果该数据在旧的hash空间上存在，将旧的空间上的数据删除。