数据结构的组成

目录

简介

一 逻辑结构

二 存储结构

三 数据类型和抽象数据类型

---

简介

数据结构由逻辑结构、存储结构及数据操作三部分构成。逻辑结构描述数据元素间逻辑关系，如线性、树状或图状等；存储结构指数据在计算机内存中的组织方式，如顺序存储、链式存储等；数据操作包括针对数据结构的各种算法，如插入、删除、查找等。

一 逻辑结构

数据结构的逻辑结构主要关注数据元素之间的逻辑关系，而不涉及数据在计算机内存中的具体存储方式。逻辑结构描述了数据组织、关联和处理的基本规则，它决定了数据元素之间的前后关系和层次关系。以下是四种常见的逻辑结构：

1. 集合结构（Set Structure）： 在集合结构中，数据元素之间没有任何特定的前后关系，也没有层次上的从属关系。它们仅仅是归属于同一个集合的成员，元素之间是平等且相互独立的。例如，一群互不相关的用户ID可以看作是一个集合结构。

2. 线性结构（Linear Structure）： 线性结构中的数据元素存在一对一的线性关系，即每个元素只有一个直接前驱和一个直接后继（除了首尾元素，首元素没有前驱，尾元素没有后继）。常见的线性结构包括数组、链表、栈、队列等。在数组中，元素的位置是由其索引决定的，而在链表中，元素的排列顺序是由指针链接来确定的。

3. 树形结构（Tree Structure）： 树形结构体现了一对多的层次关系，每个元素（称为节点）可能有零个或多个子节点，但每个节点有且仅有一个父节点（根节点除外）。树结构中包含了父子关系，而且节点间的层级分明，如二叉树、多叉树、二叉搜索树、平衡树、B树、B+树等。

4. 图形结构（Graph Structure）： 图形结构（或网络结构）中，数据元素之间的关系是多对多的，任意两个元素之间都可以存在联系，表现为节点（顶点）和边（连接节点的线）。图形结构可以是有向图（边有方向）或无向图，也可以是有权重的加权图或无权重的无权图。图形结构广泛应用于社交网络、交通网络、网页链接等各种复杂的实体关系表示中。

每种逻辑结构都有其特定的适用场景和对应的算法操作，选择合适的逻辑结构是实现高效算法的关键。同时，逻辑结构还可以结合不同的存储结构（物理结构），例如顺序存储、链式存储、索引存储、散列存储等，共同服务于软件系统的实现。

二 存储结构

数据结构的存储结构（也称为物理结构）是指数据元素在计算机内存中具体组织和存储的方式。存储结构是逻辑结构在计算机中的实现，它直接影响到数据元素的存取效率、内存利用率以及算法的复杂度。以下是几种常见的存储结构：

1. 顺序存储结构（Sequential Storage）：

   • 数据元素在内存中按照一定的顺序依次存储，它们占用的存储空间是连续的。例如，数组（Array）就是典型的顺序存储结构，通过下标可以直接访问数组中的元素，具有较好的随机访问性能，但插入和删除操作可能导致大量元素的移动，效率较低。

2. 链式存储结构（Linked Storage）：

   • 数据元素在内存中可以不连续存放，每个元素（结点）包含数据域和指针域（或称为引用），指针域用来存储下一个元素的地址。链表（Linked List）是链式存储的典型代表，包括单链表、双向链表、循环链表等。链式存储便于插入和删除操作，但无法实现随机访问，需要通过遍历找到目标元素。

3. 索引存储结构（Indexed Storage）：

   • 在索引存储结构中，除了存储数据元素外，还会建立一个索引表来加快数据的访问速度。索引表通常包括索引项，每个索引项包含关键字（可能是数据元素的部分信息）和指向数据元素地址的指针。如稀疏矩阵常常采用索引存储，B树、B+树、哈希表等数据结构也利用了索引技术。

4. 散列存储结构（Hashed Storage）：

   • 散列存储是通过散列函数将数据的关键字映射到一个固定长度的地址（散列地址），然后将数据存储在该地址处。哈希表（Hash Table）就是散列存储的典型应用，它可以快速插入、删除和查找数据，理想情况下，查找的时间复杂度接近O(1)。但由于可能出现冲突，散列存储需要解决冲突解决策略，如开放寻址法、链地址法等。

5. 文件存储结构：

   • 对于大规模数据，往往会存储在外部磁盘等持久化存储介质上，这时会采用文件存储结构，如顺序文件、索引文件、直接文件等。

每种存储结构都有其适用的场合和局限性，选择合适的存储结构能够有效提升数据处理的效率和系统的整体性能。在实际应用中，一种数据结构可能有多种存储实现方式，程序员需要根据具体的应用需求和场景进行选择和优化。

三 数据类型和抽象数据类型

数据类型（Data Types）： 在计算机科学中，数据类型是用来描述数据特性的类别标识。它定义了数据值的集合以及这些值可以进行的操作。数据类型主要包括以下几类：

1. 基本数据类型（Primitive Data Types）：

   • 在大多数编程语言中，基本数据类型包括整型（如int、short、long）、浮点型（如float、double）、字符型（如char）、布尔型（如bool）等，这些类型的数据是计算机系统直接支持的，不可再分割的基本数据单元。

2. 构造数据类型（Composite Data Types）：

   • 这类数据类型是由基本数据类型或其他构造数据类型通过组合形成的。例如，数组（array）是由同一类型元素的有序集合组成，结构体（struct）和联合体（union）则是由不同类型的多个字段（field）组成的复合数据类型。

抽象数据类型（Abstract Data Type, ADT）： 抽象数据类型是对数据类型的进一步抽象和封装，它不仅关注数据本身，更重要的是关注数据的逻辑特性和操作规则，而不是具体的实现细节。ADT包含三个主要部分：

1. 数据对象集（Data Objects）：

   • 描述抽象数据类型的实例，即数据元素的集合。例如，“栈”这个ADT中，数据对象集就是一系列可以推入和弹出的元素集合。

2. 数据关系集（Data Relationships）：

   • 规定了数据元素之间的逻辑关系。例如，栈中的数据元素具有“后进先出”（Last In First Out, LIFO）的关系。

3. 基本操作集（Operations）：

   • 定义了作用于数据对象集上的操作，这些操作遵循一定的规则。例如，栈ADT的基本操作包括push（入栈）、pop（出栈）和peek（查看栈顶元素）等。

在实践中，抽象数据类型是通过接口（Interface）来定义的，而具体的实现（Implementation）可以采用不同的存储结构，如顺序栈可以用数组实现，链栈可以用链表实现。ADT的使用者只需知道如何通过接口操作数据，而无需关心其实现细节，这极大地增强了代码的复用性和模块化程度。