数据结构知识体系_以及_高级查找表及其分类

数据结构是计算机科学中的一门重要课程，它是研究数据组织、存储、管理和操作的一种方式，也是算法设计和优化的基础。本文旨在进行分类，由浅入深逐渐介绍数据结构和查找表结构，读者可参阅其他文章进行详细学习。同时，我的分类方式也有可能欠妥，欢迎批评指正！

〇. 数据结构知识体系及其分类

1.基本数据结构

1. 数组（Array）：一种线性数据结构，由相同类型的元素按照一定的顺序排列组成。

2. 链表（Linked List）：一种线性数据结构，由一系列节点组成，每个节点包含一个数据元素和一个指向下一个节点的指针。

3. 栈（Stack）：一种特殊的线性数据结构，只能在一端进行插入和删除操作，遵循先进后出（Last-In-First-Out，LIFO）的原则。

4. 队列（Queue）：一种特殊的线性数据结构，只能在两端进行插入和删除操作，遵循先进先出（First-In-First-Out，FIFO）的原则。

5. 树（Tree）：一种非线性数据结构，由节点和边组成，每个节点可以有零个或多个子节点。

6. 图（Graph）：一种非线性数据结构，由节点和边组成，每个节点可以有零个或多个相邻节点。

7. 散列表（Hash Table）：一种根据关键字直接访问内存位置以提高查找效率的数据结构。

8. 堆（Heap）：一种特殊的树形数据结构，满足堆序性质，即父节点的键值总是大于或小于（取决于具体实现）其子节点的键值。

9. 并查集（Disjoint Set）：一种树形数据结构，用于处理不相交集合的合并及查询问题。

10. 字典树（Trie）：一种树形数据结构，用于高效地存储和搜索字符串。

以上是基本数据结构的分类，它们是构建更复杂的数据结构和算法的基础。

2.高级数据结构

高级数据结构的分类是相对于基本数据结构而言的，通常用于解决更为复杂的问题，常见的高级数据结构分类如下：

1. 树形结构：包括二叉树、AVL树、红黑树、B树、B+树、B*树、Trie树、后缀树、线段树等，常用于实现搜索引擎、数据库、编译器等领域。

2. 图形结构：包括邻接矩阵、邻接表、Dijkstra算法、Floyd算法等，常用于网络路由、社交网络、搜索引擎等领域。

3. 哈希结构：包括哈希表、布隆过滤器等，常用于快速判断元素是否存在于某个集合中。

4. 堆结构：包括二叉堆、斐波那契堆、左偏树等，常用于实现优先队列、最小生成树算法、最短路径算法等。

5. 高级搜索结构：包括跳表、Treap、SB树等，常用于实现快速的查找和插入操作。

6. 并查集结构：常用于解决图的连通性问题。包括基本并查集、加权并查集、

7. LSM树：常用于实现高性能的键值存储系统。

8. 其他高级结构：如Splay树、AVL-B树、KD树、R树等，常用于空间索引、数据库查询优化、图像处理等领域。

3.树形结构详细分类

树形结构是一种重要的高级数据结构，在实际应用中得到了广泛的应用。它的详细分类如下：

1. 二叉树（Binary Tree）：每个节点最多只有两个子节点的树结构，包括普通二叉树、满二叉树、完全二叉树、哈夫曼树等。

2. 多路搜索树（Multiway Search Tree）：每个节点可以有多个子节点的树结构，包括B树、B+树、B*树、T树等。

3. 平衡树（Balanced Tree）：保证所有叶子节点到根节点的路径长度差不超过某个固定值的树结构，包括AVL树、红黑树、Treap、Splay树、SB树等。

4. 堆（Heap）：特殊的树形结构，满足某些特定的堆性质，包括、最小堆、最大堆、双端堆、二叉堆、斐波那契堆、左偏树等。

5. 字典树（Trie）：一种树形结构，用于表示动态集合中所有字符串的前缀，包括Trie树、压缩Trie树、后缀树、AC自动机等。

6. 并查集（Union-Find）：并查集是一种树形结构，它用一棵树来表示一个集合，不同的集合其实就构成了一个森林。包括：带权并查集、

7.  其他。

4. 图形结构的详细分类

图是一种非常常见的数据结构，它在计算机科学中被广泛应用。图形结构可以分为以下几种类型：

1. 有向图

   • 有向无环图（DAG）
   • 有向带环图

2. 无向图

   • 连通图
   • 二分图

3. 带权图

   • 最小生成树
     • Prim算法
     • Kruskal算法
   • 最短路径
     • Dijkstra算法
     • Floyd算法
   • 网络流
     • 最大流
       • Ford-Fulkerson算法
       • Edmonds-Karp算法
       • Dinic算法
     • 最小割
       • Stoer-Wagner算法

4. 无向图的匹配问题

   • 二分图最大匹配
     • 匈牙利算法
     • Hopcroft-Karp算法

每种图形结构都有其特定的应用场景和适用范围，选择合适的图形结构可以大大提高算法的效率。

一. 常见查找表结构

1.1基础查找表结构

1. 数组：数组是一种最基本的查找表结构，将数据按照顺序存储在一段连续的内存中，并通过下标进行访问。例如，我们可以用数组来存储一组学生的成绩，通过下标访问每个学生的成绩，实现快速的数据访问。

2. 有序数组：有序数组是在数组的基础上，将数据按照大小进行排序，以便进行二分查找。例如，我们可以用有序数组来存储一组按照成绩从小到大排序的学生数据，通过二分查找快速查找某个学生的成绩。

3. 链表：链表是一种基于指针的动态数据结构，将数据按照顺序存储在一些节点中，并通过指针连接起来。例如，我们可以用链表来存储一组学生的信息，通过遍历链表访问每个学生的信息。

1.2 跳表

跳表（Skip List），也叫跳跃表，是一种基于链表的数据结构，用于快速查找元素。跳表支持快速的插入、删除和查找，平均时间复杂度为 O(log n)。

跳表的基本思想是在链表的基础上增加多层索引，每一层索引都是原始链表的一个子集，其中第一层是原始链表，最高层是只包含一个元素的链表。这些索引链表使得跳表的查询时间复杂度不再是链表的线性复杂度，而是 O(log n)。

跳表的实现中，每个节点有多个指针，这些指针分别指向同一层下一个节点，同一层下一个索引节点和下一层对应的节点。当查询一个元素时，从顶层开始遍历索引，找到大于等于目标值的索引，然后转到对应链表中，直到找到目标元素或者找到链表尾部。

以下展示一个跳表的例子：

2: 1--------------------->5------------------->  9 -> NULL

                                 |                             |
1: 1--------->3--------->5--------->7--------->9 -> NULL
                   |              |               |              |

0: 1--> 2--> 3--> 4--> 5--> 6--> 7--> 8--> 9--> 10--> NULL
 

跳表的插入和删除操作也非常简单。对于插入操作，先在原始链表中插入新元素，然后按照一定的概率随机决定是否在每一层中插入该元素，直到不能再插入为止。对于删除操作，需要在每一层中删除对应元素。

跳表相对于其他平衡树（如红黑树、AVL树）的优点在于实现简单，空间效率高，且可以在不平衡的情况下仍能保持较高的性能。但是跳表的常数因子比较大，在小数据集上的性能不如平衡树，且实现上需要考虑并发操作的问题。

1.3 基础平衡搜索树

1. 二叉搜索树

二叉搜索树（Binary Search Tree，BST）：二叉搜索树是一种基于节点的有序数据结构，将数据按照大小进行排序，并将排序信息存储在树结构中。二叉查找树是一种基础的查找树结构，也是最简单的一种。它满足以下性质：左子树中所有节点的值都小于根节点的值；右子树中所有节点的值都大于根节点的值；左、右子树都是二叉查找树。例如，下图展示了一棵二叉查找树：

二叉查找树的时间复杂度取决于树的高度，最坏情况下可能会退化成一条链，此时时间复杂度就会变成 $O(n)$。为了避免这种情况，我们可以采用一些优化策略，例如平衡二叉查找树、红黑树等。

2. 平衡二叉查找树

平衡二叉查找树是一种可以保证树高度平衡的二叉查找树，也称为 AVL 树。它的定义与二叉查找树相似，但是新增和删除节点的操作会在某些情况下对树进行自平衡的调整，以保证树的高度始终保持在 $O(\log n)$ 的范围内。

例如，下图展示了一棵 AVL 树：

3.红黑树（Red-Black Tree）

        红黑树是一种自平衡二叉查找树，它在每个节点上增加了一个存储位表示节点的颜色，可以是红或黑。通过对任何一条从根到叶子节点的路径上各个节点着色的方式的限制，红黑树保证了没有一条路径会比其它路径长出两倍，因此，红黑树是一种弱平衡树，它的插入、删除、查找操作的时间复杂度均为O(log n)。

1.4 高级多路搜索树（B树、B+树、B*树）

这一节介绍的树，都是多叉搜索树，优势在于对磁盘操作的优化

1. B树

B树是一种多路搜索树，它的每个节点可以包含多个键和对应的值，并且相邻节点之间的键是有序的。B树通常用于磁盘和其他直接存取辅助设备的文件系统中，因为它支持快速的随机读写和范围查找操作。

B树是一棵平衡树，它满足以下几个性质：

1. 根节点至少有两个子节点。
2. 每个节点有m个子节点，其中 m 被称为 B 树的阶，通常情况下 m 的值为100-1000之间。
3. 所有叶子节点都在同一层，且不包含任何关键字信息。
4. 非叶子节点包含 n-1 个关键字信息和 n 个指向子树的指针，其中 m/2<=n<=m。
5. 关键字按非降序存放，即在同一层节点中，左子树中所有关键字小于该节点的关键字，右子树中所有关键字大于该节点的关键字。

B树支持以下操作：

1. 插入：从根节点开始搜索，找到要插入的叶子节点，将新的键值对插入到该节点中，如果该节点已满，则进行节点分裂。
2. 删除：从根节点开始搜索，找到要删除的键值对所在的叶子节点，如果该节点的关键字数量小于m/2，则需要从相邻的兄弟节点中借关键字，如果相邻兄弟节点中关键字数量都为m/2，则需要进行节点合并。
3. 查找：从根节点开始搜索，根据关键字大小关系找到对应的叶子节点，如果该叶子节点中存在对应的键值对，则返回该键值对的值，否则返回不存在。

以下是一张B树的示意图：

                             [38, 52, 64]
                            /     |     \
             [-inf, 15, 23]  [29]  [41]  [67, inf]
            /     |    \             |      |     \
[-inf, 5] [10] [13] [14, inf]       [50]  [60]  [70]  [80, inf]

这是一棵3阶的B树，其结点的关键字数量介于1和2t-1之间（t为结点的最小度数，3阶的t=2）。每个结点最多可以有2t个子节点。

B树的根结点可能包含任意数量的关键字，但不会超过2t-1个。每个非根结点至少包含t-1个关键字，最多包含2t-1个关键字。每个结点内部有t到2t个子结点，除了叶子结点外，每个结点的子节点的个数总比关键字多1。

在上图中，每个结点都被包含在方框中，其中：

• 中括号中的数字表示结点内的关键字
• inf表示无穷大，即结点内最后一个关键字之后还有子节点
• 竖线下方的数字是指向子节点的指针

该B树中，最小的值是负无穷，最大的值是正无穷。其它值都按顺序排列在结点中。结点的大小取决于系统的内存页大小，通常为4KB或8KB。因此，当要查询某个关键字时，需要从根结点开始，递归地搜索每个结点，直到找到该关键字或者发现其不存在为止。每个结点可以批量地从磁盘读入内存中，提高访问效率。

需要注意的是，由于B树结点内存储的关键字数量比较少，因此每次操作需要查找的层数比较多。为了减少这种情况的发生，B+树在B树的基础上做出了一些改进，下面会介绍到。

2. B+树

B+树是一种多路搜索树，是B树的一种变种，广泛应用于数据库索引、文件系统等领域。

B+树跟B树的区别在于：B+树的叶子节点只存储key和value，并没有指向其他节点的指针；而B树的叶子节点既存储key和value，又存储指向其他节点的指针。这样的设计使得B+树的叶子节点之间形成了一个有序链表，可以通过这个链表非常快速地遍历整棵树的所有叶子节点。因此B+树相较于B树更适合用于磁盘等外存储器上的数据结构。

除了叶子节点的设计不同之外，B+树的其他特点跟B树很相似。每个节点中存储的key和value数量都有一个上限和下限，通常称为节点的“填充因子”。在B+树中，通常会让节点的填充因子更大一些，这样可以让每个节点能够存储更多的key和value，减少磁盘IO次数，从而提高查询效率。

以下是B+树的主要特点：

1. 每个节点存储更多的键值。B+树内部节点只存储键值，不存储数据，而叶子节点不仅存储键值，还存储对应的数据。因此，相对于B树，B+树可以存储更多的数据。

2. 叶子节点形成有序链表。B+树的所有叶子节点都按顺序连接成一个链表，方便范围查找和遍历操作。

3. 内部节点使用索引，叶子节点存储数据。B+树的内部节点只存储键值和子节点的指针，而叶子节点除了存储键值和指针外，还存储数据, 这使得在B+树中搜索某个关键字的复杂度始终为O(log N)。

4. 所有叶子节点在同一层级。因为B+树的所有数据都存储在叶子节点中，所以B+树的所有叶子节点必须在同一层级，这也是B+树相对于B树的一个优势。

B+树的查找和插入操作与B树类似，只是在找到对应的叶子节点之后，不需要再递归地访问其他节点了。因为所有的数据都存储在叶子节点中，而叶子节点之间已经有序，所以可以直接定位到对应的数据。

值得注意的是，B+树在插入和删除节点时，需要维护叶子节点之间的有序链表。这个过程有点类似于链表的插入和删除操作，需要对链表中的指针进行调整。但是，这个调整过程并不会影响B+树的高度，因此B+树的平衡性比较容易维护。

B+树在数据库索引和文件系统等领域有着广泛的应用，例如MySQL数据库中的InnoDB存储引擎就采用了B+树索引。

3. B*树

B*树是B+树的一种变体，也是一种多路搜索树。

B树与B+树的区别在于，B树的非叶子节点在存储数据的同时也会存储部分子节点的数据。这样做可以使得节点的利用率更高，减少分裂和合并的次数，从而减少I/O操作的次数，提高查询效率。

1.5 键树

键树主要用于字符串前后缀查找和优化字符串存储空间。

键树（Trie），又称前缀树或字典树，是一种树形数据结构，常用于字符串的匹配和前缀查询。它的基本思想是将每个字符串拆分成若干个字符，然后将这些字符构成一棵树，每个节点代表一个字符，从根节点到叶子节点的路径即为一个字符串。键树是一种查找树结构，通常用于实现范围查询和基于前缀的查找操作。键树可以分为多种类型，包括前缀树、后缀树、压缩前缀树等。下面我来举例介绍几种常见的键树。

1. 前缀树（Prefix Tree）

前缀树又称字典树，它的每一个节点代表一个字符串的前缀，根节点为空字符串。前缀树的一个重要性质是，它的每个节点的所有子孙节点所表示的字符串都具有该节点所表示的字符串前缀。

从根节点到某一个节点的路径组成的字符串即为该节点表示的字符串前缀。在前缀树中查找一个字符串时，从根节点开始，依次匹配每个字符，如果能够匹配到叶子节点，则表示该字符串存在于前缀树中。

2. 后缀树（Suffix Tree）

后缀树是一个特殊的查找树结构，它可以用于高效地解决多种字符串问题，例如查找字符串中最长的重复子串。后缀树的每个节点代表字符串的一个后缀，根节点代表整个字符串，每个叶子节点代表一个单独的字符。

3. 压缩前缀树（Compact Prefix Tree）

压缩前缀树是对前缀树的一种优化，它通过将一些只有一个子节点的节点与它们的子节点合并成一个节点来减少空间消耗。

压缩前缀树与前缀树的区别在于，它在节点合并时需要保证合并后的节点所代表的字符串是该节点所有子孙节点所表示字符串的前缀。压缩前缀树可以节省空间，但是会增加一些复杂度。

1.6 哈希表

哈希表（Hash Table），也叫散列表，是一种根据关键字（Key）直接访问内存存储位置的数据结构。它通过将关键字映射到一个数组的特定位置来实现高效的数据访问。具体地说，哈希表将每个关键字通过一个哈希函数（Hash Function）映射到一个数组的索引位置上，将数据存储在对应的数组元素中。常见的应用场景包括缓存、字典和集合等。

哈希表的优点在于查找、插入和删除的操作复杂度均为O(1)，但缺点在于需要较大的内存空间来存储散列值和链表。同时，散列函数的设计和冲突解决方法的选择也会影响散列表的效率。

哈希表的核心思想是将键映射到一个桶中，这个桶是一个数组，数组中的每个元素都是一个链表或者是指向链表的指针。通过对键进行哈希函数的计算，得到一个哈希值，然后将该键值对存储到对应的桶中。在查找时，再根据键计算哈希值，并找到对应的桶，如果桶中有链表，则遍历链表，查找对应的键值对。

下面是介绍哈希表的一些重要概念和相关知识。

1. 哈希函数

哈希函数是哈希表的核心组成部分。它将任意大小的数据映射到固定大小的数据集合（通常为数组）中，这个数据集合就是哈希表。一个好的哈希函数应该具有以下特点：

• 映射结果应该是唯一的，即不同的关键字映射到哈希表中不同的位置上。
• 哈希函数应该是高效的，即计算速度应该尽可能快。
• 哈希函数应该是均匀的，即对于哈希表中的每个位置，被映射到该位置上的关键字数量应该大致相同。

常见的哈希函数有除留余数法、平方取中法、折叠法等。

2. 冲突解决

由于哈希函数不一定是完美的，不同的关键字可能被映射到同一个位置上，这种情况称为冲突。为了解决冲突，哈希表中通常采用以下两种方法：

• 链表法：将哈希表中每个位置都设置为链表的头节点，当多个关键字映射到同一个位置上时，将它们插入到该位置的链表中。这种方法的优点是实现简单，缺点是当链表长度过长时，查找效率会降低。
• 开放寻址法：当哈希函数将关键字映射到某个位置时，如果该位置已经被占用，就顺序往后查找空位置，并将关键字插入到第一个空位置上。这种方法的优点是查找速度较快，缺点是需要保证哈希表至少有一定比例的空闲位置，否则会导致插入失败。

3. 装载因子

装载因子是哈希表中关键字数量和哈希表大小之比，即装载因子 = 关键字数量 / 哈希表大小。当装载因子过大时，哈希表中的冲突概率会增加，查找效率会降低。因此，在实现哈希表时需要根据实际情况选择合适的哈希函数和哈希表大小，以保证装载因子在合理范围内。

1.7 日志合并树（LSM-Tree）

LSM树（Log-Structured Merge Tree）：LSM树是一种用于高性能数据存储和检索的数据结构，它通过将数据分为内存和磁盘两部分，分别采用不同的数据结构进行存储和检索，来实现高效的写入和查询操作。常被用于实现键值存储系统（Key-Value Store）。LSM-Tree的设计目标是同时满足高吞吐量和低延迟的数据访问。LSM树广泛应用于分布式存储、数据库和搜索引擎等场景。

LSM-Tree的核心思想是将写操作转化为追加到一个以时间为序的日志文件（log file）中，这个日志文件是一个追加模式的文件，可以写入磁盘的速度非常快，因此可以实现高吞吐量的写入。为了支持高效的读取操作，LSM-Tree维护了多个不同大小的有序磁盘文件（SSTable），每个SSTable都包含一段连续的键值对，而且按照键的顺序排序。

在读取数据时，LSM-Tree首先从最新的日志文件中查找，如果没有找到则从下一个SSTable文件中查找，直到找到对应的键值对或者查找到最后一个SSTable文件。为了保证数据的一致性，LSM-Tree还会定期地进行一次合并操作，将多个SSTable文件合并为一个更大的SSTable文件，以及将过期的键值对删除。

LSM-Tree的优点是能够实现高吞吐量的写入操作，并且能够在合并操作中进行磁盘空间的回收和数据的压缩，从而保证系统的性能和空间利用率。但是，由于需要进行多次磁盘访问才能读取一个键值对，因此LSM-Tree的读取性能相对较低，特别是在随机读取的情况下。

1.8衍生或变种的高级数据结构

二. 常见过滤器

过滤器(Filter)是一种用于快速检测某个元素是否属于一个集合的数据结构。通常，它们用于在大型数据集合中快速查找一个元素是否存在，或者过滤掉一些不需要的元素。根据实现原理的不同，过滤器可以分为多种类型，下面是一些常见的过滤器：

1. 位图过滤器（Bitmap Filter）

位图过滤器是一种使用位数组（bitmap）实现的过滤器。对于一个大小为 $n$ 的数据集合，位图过滤器会创建一个长度为 $n$ 的位数组，并将其中每一位初始化为0。当某个元素加入到集合中时，对应于该元素的位会被设为1。检查某个元素是否在集合中时，只需检查该元素对应的位是否为1即可。

位图过滤器适用于元素数较少且值域较小的情况，它的空间复杂度为 $O(n)$。

2. 布隆过滤器（Bloom Filter）

布隆过滤器是一种利用多个哈希函数和位数组实现的过滤器。对于一个大小为 $n$ 的数据集合，布隆过滤器会创建一个长度为 $m$ 的位数组，并利用 $k$ 个不同的哈希函数将每个元素映射到位数组上的 $k$ 个位置，将这 $k$ 个位置上的位都设为1。检查某个元素是否在集合中时，对该元素进行 $k$ 次哈希，检查得到的 $k$ 个位置上的位是否都为1。如果其中有任何一个位置上的位为0，则说明该元素不在集合中；如果所有位置上的位都为1，则说明该元素可能在集合中，需要进一步确认。

布隆过滤器适用于元素数较多、值域较大的情况，它的空间复杂度为 $O(m)$，其中 $m$ 为位数组的长度，通常情况下可以根据误判率和元素个数来计算出合适的 $m$ 和 $k$。

3. 布谷鸟过滤器（Cuckoo Filter）

布谷鸟过滤器（Cuckoo Filter）是一种基于散列表（Hash Table）实现的过滤器，它在Bloom Filter的基础上进行了改进。相比于Bloom Filter，布谷鸟过滤器可以实现删除操作并且在插入操作时可以动态增加存储空间。

布谷鸟过滤器的原理是将每个元素映射到两个不同的位置，每个位置存储一个指纹（fingerprint）。在查找元素时，将元素哈希到对应的两个位置，并比较这两个位置的指纹是否都匹配，如果匹配则认为该元素存在于过滤器中。

布谷鸟过滤器的主要优点是存储空间利用率高、查找效率高，并且可以支持删除操作。不过相比于Bloom Filter，它的实现比较复杂，需要解决散列冲突和元素移动等问题。

4. 商过滤器（Quotient Filter）

Quotient Filter（商过滤器）过滤器是一种快速判断一个元素是否在一个集合中的过滤器，它可以使用较少的内存来存储大量的数据。它的原理是将哈希值拆分成两部分，一部分用来查找桶的位置，另一部分用来表示该元素在桶中的偏移量。这种方式可以大大减少哈希冲突，同时也可以支持删除操作。

5.计数布隆过滤器（Counting Bloom Filter）

计数布隆过滤器（Counting Bloom Filter）是一种布隆过滤器的变种。布隆过滤器可以快速判断一个元素是否可能存在于一个集合中，但它存在误判率（false positive）的问题。计数布隆过滤器通过在布隆过滤器中每个哈希位置上使用一个计数器来解决误判率问题。

与布隆过滤器类似，计数布隆过滤器也由一个比特数组和一组哈希函数组成。每个哈希函数都会将元素映射到比特数组的某个位置上，并将该位置的比特值置为1。与布隆过滤器不同的是，计数布隆过滤器的比特数组中的每个比特都是一个计数器。在插入元素时，相应位置的计数器加1；在判断元素是否存在时，如果对应位置的计数器值大于0，则认为元素可能存在于集合中。

计数布隆过滤器可以在一定程度上降低误判率。但它也存在一些问题，例如计数器可能溢出，导致误判率升高；在删除元素时需要将计数器减1，而这可能会影响到其他元素。因此，在使用计数布隆过滤器时需要根据具体场景综合考虑其优缺点。

数据结构知识体系庞大, 本文难以完全概括,欢迎批评指正!