java中数据结构以及算法

最新推荐文章于 2022-04-28 09:28:17 发布

丶Wilson

最新推荐文章于 2022-04-28 09:28:17 发布

阅读量308

点赞数

文章标签： java

本文链接：https://blog.csdn.net/dsen726/article/details/105677791

版权

1.Hash算法：

优点：通过字段的值计算的hash值，定位数据非常快。
缺点：不支持范围查询，因为底层数据结构是散列的，无法进行比较大小。

2.二叉树：

在这里插入图片描述
代码：

public class BinarySearchTree {

    int data;
    /**
     * 二叉树左节点
     */
    BinarySearchTree left;
    /***
     * 二叉树右节点
     */
    BinarySearchTree rigth;

    BinarySearchTree(int data){
        this.data = data;
    }

    public static void insert(BinarySearchTree root, int data){
        if(data > root.data) {
            if (root.rigth == null) {
                root.rigth = new BinarySearchTree(data);
            } else {
                insert(root.rigth, data);
            }
        }else {
            if (root.left == null) {
                root.left = new BinarySearchTree(data);
            } else {
                insert(root.left, data);
            }
        }
    }

    public static void inSearch(BinarySearchTree root){
        if(root != null ){
            inSearch(root.left);
            System.out.println(root.data);
            inSearch(root.rigth);
        }
    }

    public static void main(String [] args){
        int data[] = {3,6,4,7,5,1,2};
        BinarySearchTree root = new BinarySearchTree(data[0]);
        for (int i = 1; i <data.length ; i++) {
            insert(root, data[i]);
        }
        inSearch(root);
    }
}

缺点：假如第一个添加的根节点数作为平衡点，且都小于其他的节点数，那么就会形成链表结构，查询时间复杂度为o(n)，从头查到尾。平衡二叉树通过找到平衡点，旋转原理，解决了这个问题；
建议：使用平衡二叉树，红黑树是平衡二叉数的一种实现方案。

3.平衡二叉树：

在这里插入图片描述
优点:平衡二叉树算法基本与二叉树查询相同，效率比较高
缺点：虽然支持范围查询，但是回旋查询效率底。如果树高度越高，那查询IO次数会越多（索引文件操作）。

4.红黑树：

在这里插入图片描述
红黑树特征（是AVL树（平衡二叉树）的一个子集）：
1.根节点一定为黑色；
2.不能两红相连；
3.红色节点的两个子节点一定为黑色；
4.节点不是黑色就是红色；
5.默认新增节点是为红色（第一个根节点添加除外）；
6.空叶子节点都为黑色；
备注：如果遇到红色相连如何解决，通过变色或旋转。
System.identityHashCode(Obejct o)；System.identityHashCode方法是java根据对象在内存中的地址算出来的一个数值。跟hashCode()不一样。
代码：

       String a1 = new String("a");
       String a2 = new String("a");
       System.out.println("a1.hashCode:" + a1.hashCode());
       System.out.println("a2.hashCode:" + a2.hashCode());
       System.out.println("比较结果：" + a2.equals(a1));
       System.out.println("dentityHashCode(a1):" + System.identityHashCode(a1));
       System.out.println("dentityHashCode(a2):" + System.identityHashCode(a2));
结果：
a1.hashCode:97
a2.hashCode:97
比较结果：true
dentityHashCode(a1):22543536
dentityHashCode(a2):24559708

５.Ｂ树：

在这里插入图片描述
维基百科对B树的定义为“在计算机科学中，B树（B-tree）是一种树状数据结构，它能够存储数据、对其进行排序并允许以O(log n)的时间复杂度运行进行查找、顺序读取、插入和删除的数据结构。B树，概括来说是一个节点可以拥有多于2个子节点的二叉查找树。与自平衡二叉查找树不同，B-树为系统最优化大块数据的读和写操作。B-tree算法减少定位记录时所经历的中间过程，从而加快存取速度。普遍运用在数据库和文件系统。”
因为B树节点元素比平衡二叉树要多，所以B树数据结构相比平衡二叉树数据结构实现减少磁盘IO的操作，减少树的高度，缺点：范围查询效率还是比较底。

６.Ｂ＋树：

在这里插入图片描述
B+树相比B树，新增叶子节点（5、6、7、8）与非叶子节点（6、7）关系，叶子节点中包含了key和value，非叶子节点中只是包含了key，不包含value。所有相邻的叶子节点包含非叶子节点，使用链表进行结合，有一定顺序排序，从而范围查询效率非常高。
缺点：占硬盘内存。
补充：
MyISAM和InnoDB对B+Tree索引不同的实现方式
MyISAM底层使用B+树叶子节点的value对应存放行数的地址，在通过行数定位到数据。
InnoDB底层使用B+树，叶子节点的value对应存放是行的data数据，相比MyISAM效率要高一些，但是比较占硬盘内存大小。
在这里插入图片描述

总结：
链表：适用于添加/删除多、查找少的场景；
二叉查找树：适用于查找多、添加/删除少的场景；
红黑树：适用于查找、添加、删除都多的场景。