那些年我们学过的数据结构

数据结构我们在大学学过，现在高级语言基本都提供了实现的API，大部分时候我们只需使用即可，极少情况下需要自己实现，比如遇到性能问题，造轮子，发明新框架等，因此我们主要以了解其特点原理、优缺点、时间/空间复杂度、适用场景即可，理解其原理，平时使用时也更得心应手，出现问题时也方便分析排查。在此，仅仅索引学习到的算法名称，简单介绍优特征、优缺点、适用场景等，在内存无比廉价的今天，速度为王，我们以关注时间复杂度为主。如果想研究其具体实现，java.util.*下有大部分的实现。

链表

• 单链表, 单向迭代
• 双链表，双向迭代，java.util.LinkedList

向量

• 动态扩展的内存数组， java.util.ArrayList

栈

• 后进先出，java.util.Stack

队列

• 先进先出，java.util.LinkedList/ArrayDeque/PriorityQueue

哈希表

• O(1)查找，解决冲突方式有拉链发、开放地址法，java.util.HashMap

跳跃表

• SkipList, 特殊有序链表，在Node上建索引，增删改查O(logN),相比二叉平衡树，基本不需自平衡，在并发环境下加锁开销更小，java.util.Concurrent.ConcurrentSkipListMap

位图

• 主要用于去重计数，java.util.BitSet

树

• 二叉树，每个节点最多有左右两个子节点
• 满二叉树，所有叶子结点必须在，节点数达到最大值
• 完全二叉树，二叉树的深度为h，除第 h 层外，其它各层 (1～(h-1)层) 的结点数都达到，最大个数，第h层所有的结点都连续集中在最左边

注：完全二叉树是效率很高的数据结构，堆是一种完全二叉树或者近似完全二叉树，所以效率极高，像十分常用的排序算法、Dijkstra算法、Prim算法等都要用堆才能优化，二叉排序树的效率也要借助平衡性来提高，而平衡性基于完全二叉树。

• 二叉查找树（BST)，又称二叉排序树(Binary Sort Tree),或二叉搜索树, 左节点<根节点<右节点

• 平衡二叉树（AVL)，左右子树高度相差不超过1，以前在AllYes时见过C语义版本AVL

• 红黑树， Red Black Tree,每个节点有个颜色，相比AVL，自平衡时旋转次数较少，实际应用中有序平衡树基本都是用的是RBT, java.util.TreeMap

• B-树即B树，中间是横杆，非减号,有序平衡多路搜索树，减少树深度，减少了查找时间，常用于数据库和文件系统

• B+树，B树变种，所有关键字都在叶子节点出现，叶子节点上存储是数据索引，非叶子节点只存储关键字，用于索引叶子节点，因此查找总会到达叶子节点，常用于文件系统索引

• B*树，B+树变种，在B+树的非根和非叶子结点再增加指向兄弟的指针，将结点的最低利用率从1/2提高到2/3，B *树分配新结点概率比B+树低，空间利用率更高

• Trie树，又称单词查找树、字典树，哈希树变种，典型应用是用于统计，排序和保存大量的字符串（但不仅限于字符串），所以经常被搜索引擎系统用于文本词频统计。它的优点是利用字符串的公共前缀来减少查询时间，最大限度地减少无谓的字符串比较，查询效率比哈希树高。

• 堆， 父节点总是大于左右子节点为大顶堆，父节点总是小于左右子节点为小顶堆，常用于求TopK，java.util.PriorityQueue

• 2-3树，一种平衡树，每个节点存最多2个元素，因此最多会有3个子节点，2-3查找树实现起来比较复杂，在某些情况插入后的平衡操作可能会使得效率降低。在2-3查找树基础上改进的红黑树不仅具有较高的效率，并且实现起来较2-3查找树简单。

• 哈希树

• 树状数组

• 伸展树

• 线段树

• 决策树，用于机器学习

• 森林,多个非相交树

图

• 无向图

• 有向图, storm.jgraph jar有实现