(5)递归原理与虚拟机栈场景应用

  数据结构&算法模块总结

• (1)复杂度分析原理与方法
• (2)数组与链表原理和使用场景讲解
• (3)栈原理与应用场景讲解
• (4)队列原理与应用场景讲解
• (5)递归原理与虚拟机栈场景应用
• (6)二分查找及其应用场景
• (7) Redis有序集合跳表实现原理
• (8) 散列表(Hash Table)原理和业界应用场景

1.递归需要满足的三个条件

---

①一个问题的解可以分解为几个子问题的解

②这个问题与分解之后的子问题，除了数据规模不同，求解思路完全一样（子问题和父问题完全一样）

③存在递归终止条件

如经典递归跳台阶代码：

int f(int n) {

  if (n == 1) return 1;

  return f(n-1) + 1;

}

2.递归缺点

---

(1) 深度问题        

      递归会利用栈保存临时变量如果递归过深，会造成栈溢出。解决方案是控制递归的深度。

// f(1) = 1;

// f(2) = 2;

// f(n) = f(n-1)+f(n-2)

int f(int n) {

  if (n == 1) return 1;     //增加 递归终止条件

  if (n == 2) return 2;

  return f(n-1) + f(n-2);

}

(2) 重复计算问题

  递归分解的子问题、子子问题可能存在相同的情况，如果都一一计算的话，就会发生重复计算。 解决方案是使用散列表来保存结算结果，每次开始计算前检查散列表是否已经有结算结果。

    上面跳台阶问题的计算过程如下：

 可以看到有很多重复的f(n)值，如果把重复值记录下来，那么很多递归过程就可以不用进行了。

public int f(int n) {
  if (n == 1) return 1;
  if (n == 2) return 2;
  
  // key是n，value是f(n)。将重复结果缓存起来，避免重复递归
  if (hasSolvedList.containsKey(n)) {
    return hasSovledList.get(n);
  }
  
  int ret = f(n-1) + f(n-2);
  hasSovledList.put(n, ret);
  return ret;
}

(3)递归死循环“环”问题

        例如： 用户A推荐用户B来注册，用户B又推荐了用户C来注册。我们可以说，用户C的“最终推荐人”为用户A，用户B的“最终推荐人”也为用户A，而用户A没有“最终推荐人”。

        在数据库表中，我们可以记录两行数据，其中actor_id表示用户id，referrer_id表示推荐人id。因此， 给定一个用户ID，如何查找这个用户的“最终推荐人”？

    可能产生的问题：

• 递归深（见上解决办法）

• 如果数据库里存在脏数据，我们还需要处理由此产生的无限递归问题。比如demo环境下数据库中，测试工程师为了方便测试，会人为地插入一些数据，就会出现脏数据。如果A的推荐人是B，B的推荐人是C，C的推荐人是A，这样就会发生死循环，即 A-B-C-A“环”。

//原始代码
long findRootReferrerId(long actorId) {
  Long referrerId = select referrer_id from [table] where actor_id = actorId;
  if (referrerId == null) return actorId;
  return findRootReferrerId(referrerId);
}

//改进代码，缺点是内存占用量变大了（会最少）
long findRootReferrerId(long actorId, Set hasSolvedSet) {
  Long referrerId = select referrer_id from [table] where actor_id = actorId;
  if (referrerId == null) return actorId;
  if(hasSolvedSet.contains(referrId)) return ;  //如果已经处理过了则退出
  return findRootReferrerId(referrerId, hasSolvedSet.add(referredId));
}

【补充：内存栈帧和栈深度区别】

//如果栈帧中占用内存较大，那么栈的最大深度也会降低

//Exception in thread "main" java.lang.StackOverflowError

int f(int n) {

    ArrayList<Integer>list =new ArrayList<>();

    list.add(1);

    if (n == 1) return 1;

    return f(n-1) + 1;

}

main(String[] args) {

    f(10000);

}

//正常执行不报错

//原因分析:JVM默认单个线程栈的大小为512k。 当设置-Xss变大后，上面代码就可以执行了。由此可知，递归运算能否正常执行由

  栈帧+栈深度共同决定

int f(int n) {

        if (n == 1) return 1;

        return f(n-1) + 1;

    }

main(String[] args) {

    f(10000);

}