八大数据结构根据他么们的特点来分析他们分别适用于什么样的场合

学无止境2022

已于 2022-01-25 01:10:06 修改

阅读量243

点赞数

分类专栏：数据结构文章标签：数据结构

于 2022-01-24 23:55:15 首次发布

本文链接：https://blog.csdn.net/dianqicyuyan/article/details/122677399

版权

数据结构专栏收录该内容

17 篇文章 0 订阅

订阅专栏

数组（array）
链表（link list）

栈（stack）
队列（queue）

树（tree）
堆（heap）
图（graph）
散列表（hash）

https://blog.csdn.net/Bb15070047748/article/details/119208588?ops_request_misc=%257B%2522request%255Fid%2522%253A%2522164303784416780357222580%2522%252C%2522scm%2522%253A%252220140713.130102334.pc%255Fall.%2522%257D&request_id=164303784416780357222580&biz_id=0&utm_medium=distribute.pc_search_result.none-task-blog-2_allfirst_rank_ecpm_v1~rank_v31_ecpm-3-119208588.first_rank_v2_pc_rank_v29&utm_term=%E6%95%B0%E6%8D%AE%E7%BB%93%E6%9E%84%E6%95%B0%E6%9C%89%E5%93%AA%E5%87%A0%E7%A7%8D&spm=1018.2226.3001.4187

树的分类有非常多种，平衡二叉树（AVL）、红黑树RBL（R-B Tree）、B树（B-Tree）、B+树（B+Tree）等，但最早都是由二叉树演变过去的；

往下看
C++ STL中的map就是用红黑树实现的。
AVL树：平衡二叉树，一般是用平衡因子差值决定并通过旋转来实现，左右子树树高差不超过1，那么和红黑树比较它是严格的平衡二叉树，平衡条件非常严格（树高差只有1），只要插入或删除不满足上面的条件就要通过旋转来保持平衡。由于旋转是非常耗费时间的。我们可以推出AVL树适合用于插入删除次数比较少，但查找多的情况。
应用相对其他数据结构比较少。windows对进程地址空间的管理用到了AVL树。
红黑树：平衡二叉树，通过对任何一条从根到叶子的简单路径上各个节点的颜色进行约束，确保没有一条路径会比其他路径长2倍，因而是近似平衡的。所以相对于严格要求平衡的AVL树来说，它的旋转保持平衡次数较少。用于搜索时，插入删除次数多的情况下我们就用红黑树来取代AVL。
红黑树应用比较广泛：
· 广泛用在C++的STL中。map和set都是用红黑树实现的。
· 著名的linux进程调度Completely Fair Scheduler,用红黑树管理进程控制块。
· epoll在内核中的实现，用红黑树管理事件块
· nginx中，用红黑树管理timer等
· Java的TreeMap实现

B树，B+树：它们特点是一样的，是多路查找树，一般用于数据库中做索引，因为它们分支多层数少，因为磁盘IO是非常耗时的，而像大量数据存储在磁盘中所以我们要有效的减少磁盘IO次数避免磁盘频繁的查找。
B+树是B树的变种树，有n棵子树的节点中含有n个关键字，每个关键字不保存数据，只用来索引，数据都保存在叶子节点。是为文件系统而生的。
B+树相对B树磁盘读写代价更低：因为B+树非叶子结点只存储键值，单个节点占空间小，索引块能够存储更多的节点，从磁盘读索引时所需的索引块更少，所以索引查找时I/O次数较B-Tree索引少，效率更高。而且B+Tree在叶子节点存放的记录以链表的形式链接，范围查找或遍历效率更高。Mysql InnoDB用的就是B+Tree索引。

Trie树：
又名单词查找树，一种树形结构，常用来操作字符串。它是不同字符串的相同前缀只保存一份。
相对直接保存字符串肯定是节省空间的，但是它保存大量字符串时会很耗费内存（是内存）。
类似的有：前缀树(prefix tree)，后缀树(suffix tree)，radix tree(patricia tree, compactprefix tree)，crit-bit tree（解决耗费内存问题），以及前面说的double array trie。
前缀树：字符串快速检索，字符串排序，最长公共前缀，自动匹配前缀显示后缀。
后缀树：查找字符串s1在s2中，字符串s1在s2中出现的次数，字符串s1,s2最长公共部分，最长回文串。
trie 树的一个典型应用是前缀匹配，比如下面这个很常见的场景，在我们输入时，搜索引擎会给予提示。

在大型文件系统中，采用索引可以有效的提高查找的效率，建立文件时，在输入数据记录的同时，建立一张索引表，每个索引表项记录相应数据块的地址。检索文件记录时，先将外存上的索引表读入内存，从索引表中查到数据记录的地址后，再将相应的记录读入内存。

如果文件中的数据在使用过程中记录变化较多，则要频繁地对索引表进行插入和删除操作，这时对索引表采用树型结构较好。但是如果文件系统很大，则索引表也往往很大，需分块读入内存，若采用二叉查找树的结构，仍需多次访问外存，而访问外存的代价很大，为了减少访问外存的次数，就应尽量减少索引表的深度。简要介绍一下广泛应用于大型文件系统中的B-树。