erlang 常用数据结构

树

 

1.树(Tree)是元素的集合

2.每个节点可以有多个子节点(children)，而该节点是相应子节点的父节点(parent)

3.树有一个没有父节点的节点，称为根节点

4.没有子节点的节点称为叶节点(leaf)

5.树中节点的最大层次被称为深度

二叉树（Binary Search Tree）

1.所有非叶子结点至多拥有两个儿子（Left和Right）；

2.所有结点存储一个关键字；

3.非叶子结点的左指针指向小于其关键字的子树，右指针指向大于其关键字的子树；

  二叉树的搜索，从根结点开始，如果查询的关键字与结点的关键字相等，那么就命中；否则，如果查询关键字比结点关键字小，就进入左儿子；如果比结点关键字大，就进入右儿子；如果左儿子或右儿子的指针为空，则报告找不到相应的关键字；如果二叉树的所有非叶子结点的左右子树的结点数目均保持差不多（平衡），那么二叉树的搜索性能逼近二分查找。

对于一般的二叉树其期望高度（即为一棵平衡树时）为log2n，其各操作的时间复杂度（O(log2n)）同时也由此而决定。但是，在某些极端的情况下（如在插入的序列是有序的时），二叉搜索树将退化成近似链或链，此时，其操作的时间复杂度将退化成线性的，即O(n)。我们可以通过随机化建立二叉搜索树来尽量的避免这种情况，但是在进行了多次的操作之后，由于在删除时，我们总是选择将待删除节点的后继代替它本身，这样就会造成总是右边的节点数目减少，以至于树向左偏沉。这同时也会造成树的平衡性受到破坏，提高它的操作的时间复杂度。

平衡二叉树（Balanced Binary Tree）

 

 

平衡二叉树（Balanced Binary Tree）

它是一棵空树或它的左右两个子树的高度差的绝对值不超过1，并且左右两个子树都是一棵平衡二叉树。常用算法有红黑树、AVL、Treap、伸展树等。在平衡二叉搜索树中，我们可以看到，其高度一般都良好地维持在O（log2n），大大降低了操作的时间复杂度。

 

红黑树

红黑树是一种自平衡二叉查找树

红黑树，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，红黑树可以保证没有一条路径会比其他路径长出2倍以上，所以称之为平衡。为了保持平衡，红黑树要满足以下五条性质：

 

1、每个节点不是红色就是黑色的。

2、根结点是黑色的。

3、每个叶节点(nil)是黑色的，实际上nil只有一个。

4、如果一个节点是红色的，则它的两个子节点都是黑色的。

5、对每个节点，从该节点到其所有后代叶结点的简单路径上，均包含相同数目的黑色节点。

 

所有性质1-5合起来约束了该树的平衡性能--即该树上的最长路径不可能会大于2倍最短路径

 

红黑树和平衡二叉树区别如下：

1、红黑树放弃了追求完全平衡，追求大致平衡，在与平衡二叉树的时间复杂度相差不大的情况下，保证每次插入最多只需要三次旋转就能达到平衡，实现起来也更为简单。

2、平衡二叉树追求绝对平衡，条件比较苛刻，实现起来比较麻烦，每次插入新节点之后需要旋转的次数不能预知。

 

2.当我们在对红黑树进行插入和删除等操作时，对树做了修改，那么可能会违背红黑树的性质。
为了保持红黑树的性质，我们可以通过对树进行旋转，即修改树种某些结点的颜色及指针结构，以达到对红黑树进行插入、删除结点等操作时，红黑树依然能保持它特有的性质。

二叉树 PK 哈希 PK 链表

哈希 时间复杂度 O(1)

二叉树的时间复杂度  <= 链表

平衡二叉树：二叉树支持动态的插入和查找，好的算法可以在O(log2 n)内

 

场景:

1.key value；

2.数据本身就不能哈希时.(如某类型只定义了相等，大于，小于三个操作时......)

 

Erlang 里面的一些key value

lists: [{key(), value()}]    : 链表

Proplists              : lists模块实现

Dict                         :哈希

Orddict :lists模块实现

gb_trees              :平衡二叉树

ets — set, bag ,duplicate_bag  :哈希

      ordered_set            :平衡二叉树

process dictionary :哈希