数据结构小记

数据结构小记

数组

• 固定长度
  • 一旦申请完毕 长度固定
• 索引从0开始
• 连续
  • 无论从逻辑上
  • 还是物理上都是连续
• 随机存取
  • 指的是数组的可以通过下标索引直接方位对应元素

链表

• 由节点组成
• 在物理上可以不连续
• 删除 插入 是很快的
• 双向链表 和 单项链表
• 不具备随机存取
  • 单链表成环
  • 单链表反转

栈

• 先进后出

队列

• 先进先出

双栈实现一个队列

package CeShi;

import java.util.Stack;

/**
 * @author muzi
 * @description 双栈实现队列
 * @date 2021年08月16日 17:31
 */
public class TwoStack {
    private Stack a;
    private Stack b;

    public TwoStack(Stack a, Stack b) {
        this.a = a;
        this.b = b;
    }

    public boolean isEmpty(){
        if (a.isEmpty() && b.isEmpty()) return true;
        else return false;
    }

    public void push(int val){
        a.push(val);
    }

    public int pop(){
        if (b.isEmpty()){
            while (!a.isEmpty()){
                b.push(a.pop());
            }
        }
        return Integer.parseInt(b.pop().toString());
    }

    public static void main(String[] args) {
        TwoStack twoStack = new TwoStack(new Stack(),new Stack());
        twoStack.push(1);
        twoStack.push(2);
        twoStack.push(3);
        while (!twoStack.isEmpty()){
            System.out.print(twoStack.pop() + " ");
        }
        System.out.println();
        Stack a = new Stack();
        a.push(1);
        a.push(2);
        a.push(3);
        while (!a.isEmpty()){
            System.out.print(a.pop() + " ");
        }
    }
}

树

• 二叉树

  • 深度
    • 先序遍历 100 50 10 -20 15 70 200 150 300
    • 中序遍历
    • 后序遍历
  • 广度
    • 层次遍历

• 搜索二叉树

  • 左小右大

• 平衡二叉树

  • 任意一个节点的左右子树高度差不大于1

• 完全二叉树

• 满二叉树

• 大顶推 小顶堆

  • 堆排序

• 红黑树

  • 心是黑的 ->根是黑的
  • 要么红要么黑 -> 节点只有这两种颜色
  • 两颗红心不能在一起 ->不能有两个连续红色节点
  • 所有路径经过黑色节点数目一致
  • 近似平衡的二叉树 实现 继续保持红黑树的操作要简单
    • TreeMap
    • HashMap 1.8
  • O(logn)

编码方式

• 定长编码：（所有字符的编码长度统一固定）消耗的资源太大
• 变长编码：（很大程度上节省空间）但要保证无歧义

哈夫曼树：

参考这个地址 https://www.cnblogs.com/LiaHon/p/11203229.html

• 前缀编码（即要求一个字符的编码不能是另一个字符编码的前缀）

• 信息数据都在叶子节点

• 哈夫曼树构造不唯一（因为在构造的时候，当前两个最小值构成可能不唯一）；但树的带权路径长度一定唯一（所有结点-从根结点到该结点之间的路径长度与该结点的权的乘积-的和）

为什么B树比二叉树应用更广泛，明明查找效率近似？

• 不同的结点是需要从磁盘读取到内存由CPU解解读的，IO操作很消耗时间（ms）级的，但是当结点读取到内存后，在结点内部进行的查找是CPU级的很快；

• B树（多叉）减少IO操作（同时：B树（多叉）相对层数低，减少了IO的次数），节省查询时间，提高效率

B+树对于B树而言呢？

• 查找稳定：B树的查找可能在任意一个地方结束查找；但是B+树只在叶子结点结束查找。

• 范围查询更快：所有叶子节点形成有序链表，便于范围查询

• IO操作次数少：由于B+树只在叶子节点存储数据，中间结点存放索引（数据是很消耗内存的）那么同样一次IO操作，B+树获取的查找范围更广，更有利于查找

B树

• 关键字集合分布在整颗树中；
• 任何一个关键字出现且只出现在一个结点中；
• 搜索有可能在非叶子结点结束；
• 其搜索性能等价于在关键字全集内做一次二分查找；
• 自动层次控制；

B+树

• 所有关键字都出现在叶子结点的链表中（稠密索引），且链表中的关键字恰好是有序的；
• 不可能在非叶子结点命中；
• 非叶子结点相当于是叶子结点的索引（稀疏索引），叶子结点相当于是存储（关键字）数据的数据层；
• 更适合文件索引系统；

B*树

HashMap

• Key - Value
• 用key 做hash定位，将value存入hashMap中

Hash/Hash表

• 为了追求更高的查找效率，研究数据结构；数组O(1) -> 下标索引 随机存取；于是：想到了一种办法，某一个数据，根据一种算法，它在数组中只有一个固定的位置，固定映射

• 固定映射

  • 求余法
  • 直接寻址
  • 数字分析
  • 平方取中

• hash冲突

  • 拉链法
  • 开放定址法
  • 再哈希
  • 建立公共溢出区

JDK1.7

• 头插法
• hash()->4次扰动
• 先扩容再插入
• 数组 + 链表

JDK1.8

• 尾插法(解决了扩容时死循环的问题)
• hash()->1次扰动
• 先插入再插入（当插入时发现确实需要扩容，才扩容；避免无效扩容）
• 数组 + 链表/(红黑树)
  • 当前链表长度>=8，数组长度>64

hash()->4次扰动

• 先扩容再插入
• 数组 + 链表

JDK1.8

• 尾插法(解决了扩容时死循环的问题)
• hash()->1次扰动
• 先插入再插入（当插入时发现确实需要扩容，才扩容；避免无效扩容）
• 数组 + 链表/(红黑树)
  • 当前链表长度>=8，数组长度>64