常用数据结构（算法复习一）

符号表

• 特点：存储键值对的数据接口，可以支持快速查找，分为有序和无序，有序会有获取最大最小值，以及可以通过key快速定位到所在位置，但是插入相对较慢，需要维护顺序

链表实现无序符号表

• 特点：查询较慢，插入和修改相对快些
• 实现逻辑：数据存储在链表中
  • 插入：重复覆盖，不重复，头结点插入
  • 获取：遍历链表，获取元素
  • 删除：遍历找到对应节点，前后引用修改

二分查找实现有序符号表

• 特点：查询较快，插入和修改相对慢些
• 实现逻辑：键和值存储在一对平行数组中
  • 获取key位置：通过二分查找，定位key的位置，logN+1次比较
  • 插入：获取key所在位置后，重复，覆盖，不重复，插入后，后续节点后移
  • 获取：二分查找位置，获取数据
  • 删除：定位到key所在位置，删除后，后续元素前移

二叉查找树

• 特点：性能主要取决于树的高度，而树的高度取决于是否平衡，也就是插入的先后顺序，最好的情况是平衡状态logN，最差的是高度为N
• 实现逻辑：数据存储在二叉树中，每个节点的值都大于等于其左子树，小于等于其右子树
  • 插入：递归遍历key所对应的值是在左子树还是右子树，如果找到key相同，则覆盖，如果不相同，则插入到对应叶子节点
  • 获取：先判断节点是在左子树还是右子树，通过递归的方式再往下遍历，能够找到则返回，不能则返回空
  • 删除：通过递归遍历定位到key所在位置，若只有一颗子树，则连接即可，若有两颗子树，则让右子树中的最小值替换原节点
    

2-3查找树

• 特点：相对于二叉查找树是自平衡的，所以性能能够保持在logN
• 实现逻辑：通过节点的合并和分裂来保证树的自平衡
  

红黑二叉树

• 特点：相对于二叉查找树是自平衡的，所以性能能够保持在logN
• 实现逻辑：通过对节点标记颜色，以及旋转和颜色转换的操作保证树的平衡性
  

B+ Tree

• 特点：1.只有叶子节点存储数据，所以非叶子节点能够包含的元素更多，更加矮胖，IO次数更少；2.叶子节点通过链表连接，范围查询更加便利；3.只有叶子节点存储元素，故所有查询都需要到叶子节点，比较稳定；4.每一次IO会根据局部性原理进行预读，读取带读取数据相邻的部分，可以通过一次IO查询到一个节点，而一个节点能够包含多个数据信息，都会读取到；5.插入删除需要旋转，操作较为复杂；
• 实现逻辑：1.有k个子树的节点则包含有k个元素；2.只有叶子节点才保存数据，是卫星数据，并且叶子节点包含了所有的数据，会通过一个链表从大到小连接；3.父节点中的元素是每个子节点元素的最大值
  • 获取：通过中序遍历进行获取
  • 插入：需要通过旋转来保持树的平衡
  • 删除：需要通过旋转来保持树的平衡
  • 范围获取：通过链表来获取一段范围的数据
    
    ps:局部性原理： 当一个数据被用到时，其附近的数据也通常会马上被使用，程序运行期间所需要的数据通常比较集中
    b+树图文详解

跳跃表

• 特点：相对于红黑树，插入的性能更加，且更加简单，无需进行旋转等操作，只需要改变节点的引用即可，而且更容易做范围查找，只需要遍历即可，但是红黑树需要进行中序遍历，较为复杂
• 实现逻辑：在链表上加入多层链表，上层的链表会跳过其中几个子节点
  • 获取：先遍历最上层的链表引用，找到floor的值后，进入下一层遍历，往复即可
  • 插入：像链表一样先遍历找到位置，在根据随机层数，进行前置和后置引用的连接
  • 删除：与插入类似进行链表引用的删除
  • 获得key位置：通过各层链表跨越个数相加即可
    

Redis为什么用跳表而不用平衡树？

hash表

• 特点：寻址容易，但是插入时需要通过拉链法，通过链表来存储hash值相同，但是key值不同的元素，但是hash表扩容很耗时，故最好开始时确定表的大小
• 实现逻辑：把Key通过一个固定的算法函数既所谓的哈希函数转换成一个整型数字，然后就将该数字对数组长度进行取余，取余结果就当作数组的下标，将value存储在以该数字为下标的数组空间里。
  
  Redis 数据结构之dict