数组

一、引言

数组大家都不陌生，在每一种编程语言中，基本都会有数组这种数据类型，它是一种编程语言中的数据类型，还是一种最基础的数据结构。

那大家有没有想过为什么在很多的编程语言中数组都是从0开始，而不是从1开始呢？

二、如何实现随机访问？

数组（Array）是一种线性表数据结构，它用一组连续的内存空间，存储一组具有相同类型的数据。

1）线性表和非线性表

线性表是数据排成像一条线一样的结构，每个线性表上的数据最多只有前后两个方向。

线性表有：数组、链表、队列、栈等。

和它对立的是非线性表，比如二叉树、堆、图等。

2）连续的内存空间和相同类型的数据

正是因为这两个限制，它才可以进行随机访问。但是这两个限制也让数组的很多操作变得非常低效，比如想在数组中删除、插入一个数据，为保证连续性，就需要做大量的数据搬移工作。

3）数组是如何实现根据下标随机访问数组元素的？

我们假设有一个长度为10的int类型数组int[] a=new int[10]。计算机给数组a[10]分配了一块连续内存空间1000~1039，其中，内存首地址为base_address=1000。

计算机会给每个内存单元分配一个地址，计算机通过地址来访问内存中的数据。当计算机需要随机访问数组中的某个元素时，它会计算出该元素存储的内存地址：

a[i]_address = base_addresss + i * data_type_size

data_type_size表示的是数组中每个元素的大小，也就是该元素的数据类型占多少字节。这里是int型数组，那么data_type_size就是4个字节。

注：数组和链表的区别？

不准确回答：
	链表适合插入、删除，时间复杂度为O(1)；数组适合查找，查找时间复杂度为O(1)。
正确回答：
	链表适合插入、删除，时间复杂度为O(1)；数组支持随机访问，根据下标随机访问的时间复杂度为O(1)。

三、低效的“插入”和“删除”

数组为了保持内存数据的连续性，会导致插入、删除这两个操作比较低效。

1.插入

​ 假设数组的长度为n，现在，如果我们需要将一个数据插入到数组中的第k个位置，为了把第k个位置腾出来，给新来的数据，我们需要将第k~n这部分的元素都顺序地往后挪一位。

​ 如果在数组的末尾插入元素，那就不需要移动数据了，这时的最好时间复杂度为O(1)。但是如果在数组的开头插入元素，那么所有的元素都需要依次向后移动一位，所以最坏时间复杂度时O(n)。因为我们在每个位置插入元素的概率是一样的，所以平均情况时间复杂度为(1+2+3+…+n)/n=O(n)。

​ 如果数组中的数据是有序的，我们在某个位置插入一个新的元素时，就必须按照刚才的方法搬移k之后的数据。但是，如果数组中存储的数据并没有任何规律，数组只是被当作一个存储数据的集合。在这种情况下， 如果要将某个数组插入到第k个位置，为了避免大规模的数据搬移，我们还有一个简单的办法就是直接将第k位的数据搬迁到数组元素的最后，把新的元素直接放入第k个位置。

​ 在特殊的场景下，在第k个位置插入一个元素的时间复杂度就会将为O(1)。

2.删除

​ 跟插入类似，如果我们要删除第k个位置的数据，为了内存的连续性，也需要搬移数据，不然中间就会出现空洞，内存就不连续了。

​ 如果删除数组末尾的数据，则最好情况时间复杂度位O(1)；如果删除开头的数据，则最坏情况时间复杂度为O(n)；平均情况时间复杂度为O(n)。

​ 但实际上，在某些特殊场景下，我们并不一定非得追求数组中数据的连续性。如果我们将多次删除操作集中在一起执行，删除的效率就能提高。我们每次的删除操作并不是真正地搬移数据，只是记录数据已被删除。当数组没有更多空间存储数据时，我们再触发执行一次真正的删除操作，这样就能大大减少删除操作导致的数据搬移。

示例：

JVM标记清除垃圾回收算法的核心思想

四、警惕数组的访问越界问题

有些语言会存在数组访问越界问题，例如C语言

int main(int argc,char* argv[]){
	int i = 0;
    int arr[3] = {0};
    for( ; i<=3; i++){
        arr[i] = 0;
        printf("hello world\n");
    }
    return 0;
}

这段代码的结果是无限打印“hello world”，因为，数组大小为3，a[0]、a[1]、a[2]，而我们的代码会因为书写错误，导致for循环的结束条件错写为了i<=3而非i<3，所以当i=3时，数组a[3]访问越界。

在C语言中，只要不是访问受限的内存，所有的内存空间都是可以自由访问的。根据数组寻址公式，a[3]也会被定位到某块不属于数组的内存地址上，而这个地址正好是存储变量i的内存地址，那么a[3]=0就等同于将i=0,然后就无限循环了。

至于为什么a[3]会被定位到变量i的内存地址，那是因为函数体内的局部变量存在栈上，且是连续压栈，因为栈区在高地址空间，从高向低增长。编译器64位操作系统下默认会进行8字节对齐，而我们代码时三个整型元素加一个整型变量i，整型是4位，4个整型刚好满足8字节对齐，所以i的地址恰好跟在a[2]的后面，所以数组越界后a[3]正好访问到i。

但并非所有的语言都像C语言一样，把数组越界检查的工作丢给程序员来做，像Java本身就会做越界检查，并且抛出数组越界异常。

五、容器能否完全替代数组？

ArrayList最大的优势就是可以将很多数组操作的细节封装起来提供增加、删除的方法并且支持动态扩容，每次存储空间不够的时候，它都会将空间自动扩容为1.5倍大小。但是扩容操作时比较耗时的，涉及到内存申请和数据搬移，所以最好在创建ArrayList的时候事先指定数据大小。

但是有时候数组会更合适：

• 1.Java中ArrayList无法存储基本数据类型，比如int、long，需要封装为Integer、Long类，而Autoboxing、Unboxing则有一定的性能消耗，所以如果特别关注性能，或者希望使用基本类型，就可以选用数组。
• 2.如果数据大小事先已知，并且对数据的操作非常简单，用不到ArrayList提供的大部分方法，也可以直接使用数组。
• 3.当要表示多维数组时，用数组往往会更加直观。

六、为什么在很多的编程语言中数组都是从0开始？

从数组存储的内存模型上来看，“下标”最确切的定义应该是“偏移（offset）”，如果用a来表示数组的首地址，a[0]就是偏移为0的位置，也就是首地址，a[k]就表示偏移k个data_type_size的位置，所以计算a[k]的内存地址只需要用这个公式：

a[k]_address = base_address + k * data_type_size 

但是，如果数组从1开始计数，那我们计算数组元素a[k]的内存地址就会变为：

a[k]_address = base_address + (k-1) * data_type_size 

对比从0开始，从1开始编号，每次随机访问数组元素都多了一次减法运算，对于CPU来说，就是多了一次减法指令。

为了减少一次减法操作，数组选择了从0开始编号，而不是从1开始。

还有更多的原因是，C语言设计者用0开始计数数组下标，后面的Java等高级语言就效仿C语言，但也有数组并不是从0开始计数的，比如Matlab，甚至还有一些语言支持负数下标，比如Python。

七、拓展

1）JVM标记清除算法

大多数主流虚拟机采用可达性分析算法来判断对象是否存货，在标记阶段，会遍历所有GC ROOTS，将所有GC ROOTS可达的对象标记为存货。只有当标记工作完成后，清理工作才会开始。

不足：

1. ​ 效率问题。标记和清理效率都不高，只有少量垃圾产生时会很高效。
2. ​ 空间问题。会产生不连续的内存空间碎片。

2）二维数组内存寻址

对于m*n的数组，a[ i ] [ j ]（i<m,j<n）的地址为：

address = base_address + (i * n + j) * data_type_size