数据结构基础

数组

数组的另一个特点，是在内存中顺序存储，因此可以很好地实现逻辑上的顺序 表。

数组在内存中的顺序存储，具体是什么样子呢？

内存是由一个个连续的内存单元组成的，每一个内存单元都有自己的地址。在这些内存单元中，有些被其他数据占用了，有些是空闲的。

数组中的每一个元素，都存储在小小的内存单元中，并且元素之间紧密排列， 既不能打乱元素的存储顺序，也不能跳过某个存储单元进行存储。

数组的插入和删除操作，时间复杂度分别是多少？
先说说插入操作，数组扩容的时间复杂度是O(n)，插入并移动元素的时间复杂度也是O(n)，综合起来插入操作的时间复杂度是O(n)。至于删除操作，只涉及元素的移动，时间复杂度也是O(n)。

数组的优势和劣势?
数组拥有非常高效的随机访问能力，只要给出下标，就 可以用常量时间找到对应元素。有一种高效查找元素的算法叫作二分查找， 就是利用了数组的这个优势。

至于数组的劣势，体现在插入和删除元素方面。由于数组元素连续紧密地存储在内存中，插入、删除元素都会导致大量元素被迫移动，影响效率。

数组所适合的是读操作多、写操作少的场景

链表

单向链表

链表（linked list）是一种在物理上非连续、非顺序的数据结构，由若干节点（node）所组成。

单向链表的每一个节点又包含两部分，一部分是存放数据的变量data，另一部 分是指向下一个节点的指针next。

链表的第1个节点被称为头节点，最后1个节点被称为尾节点，尾节点的next指 针指向空。

与数组按照下标来随机寻找元素不同，对于链表的其中一个节点A，我们只能根 据节点A的next指针来找到该节点的下一个节点B，再根据节点B的next指针找到下 一个节点C……

双向链表

双向链表比单向链表稍微复杂一些，它的每一个节点除了拥有data和next指 针，还拥有指向前置节点的prev指针。

如果说数组在内存中的存储方式是顺序存储，那么链表在内存中的存储方式则是随机存储。

什么叫随机存储呢？
数组的内存分配方式，数组在内存中占用了连续完整的存储空间。而链表则采用了见缝插针的方式，链表的每一个节点分布在内存的不同位置，依靠next指针关联起来。

图中的箭头代表链表节点的next指针。

链表的插入和删除操作，时间复杂度分别是多少？

如果不考虑插入、删除操作之前查找元素的过程，只考虑纯粹的插入和删除操作，时间复杂度都是O(1)。

数组VS链表

数组的优势在于能够快速定位元素，对于读操作多、写操作少的场景来说，用数组更合适一些。
链表的优势在于能够灵活地进行插入和删除操作，如果需要在尾部频繁插入、删除元素，用链表更合适一些。

栈

栈（stack）是一种线性数据结构，它就像一个上图所示的放入乒乓球的圆筒容器，栈中的元素只能先进后出（First In Last Out，简称FILO）。最早进入的元素存放的位置叫作栈底（bottom），最后进入的元素存放的位置叫作栈顶（top）。

栈这种数据结构既可以用数组来实现，也可以用链表来实现。

栈的数组实现如下

栈的链表实现如下

入栈操作

入栈操作（push）就是把新元素放入栈中，只允许从栈顶一侧放入元素，新元素的位置将会成为新的栈顶。

出栈操作

出栈操作（pop）就是把元素从栈中弹出，只有栈顶元素才允许出栈，出栈元素的前一个元素将会成为新的栈顶。

队列

队列中的元素只能先进先出（First In First Out，简称FIFO）。队列的出口端叫作队头（front），队列的入口端叫作队尾（rear）。

与栈类似，队列这种数据结构既可以用数组来实现，也可以用链表来实现。
用数组实现时，为了入队操作的方便，把队尾位置规定为最后入队元素的下一个位置。

队列的数组实现如下

队列的链表实现如下

入队

入队（enqueue）就是把新元素放入队列中，只允许在队尾的位置放入元素，新元素的下一个位置将会成为新的队尾。

出队

出队操作（dequeue）就是把元素移出队列，只允许在队头一侧移出元素，出队元素的后一个元素将会成为新的队头。

散列表

散列表也叫作哈希表（hash table），这种数据结构提供了键（Key）和值 （Value）的映射关系。只要给出一个Key，就可以高效查找到它所匹配的Value，时 间复杂度接近于O(1)。

哈希函数

• 通过某种方式，把Key和 数组下标进行转换。这个中转站就叫作哈希函数。通过哈希函数，我们可以把字符串或其他类型的Key，转化成数组的下标 index。

散列表的读写操作

写操作

写操作（put）写操作就是在散列表中插入新的键值对（在JDK中叫作Entry）。

如调用hashMap.put(“002931”,“王五”)，意思是插入一组Key为002931、Value为王五的键值对。具体该怎么做呢？

• 第1步，通过哈希函数，把Key转化成数组下标5。
• 第2步，如果数组下标5对应的位置没有元素，就把这个Entry填充到数组下标5
  
  但是，由于数组的长度是有限的，当插入的Entry越来越多时，不同的Key通过 哈希函数获得的下标有可能是相同的。例如002936这个Key对应的数组下标是2； 002947这个Key对应的数组下标也是2。
  
  这种情况，就叫作哈希冲突。

解决哈希冲突的方法主要有两种，一种是开放寻址法，一种是链表法。

解决哈希冲突 - 开放寻址法

开放寻址法： 开放寻址法的原理很简单，当一个Key通过哈希函数获得对应的数组下标已被占 用时，我们可以“另谋高就”，寻找下一个空档位置。（在Java中，ThreadLocal所使用的就是开放寻址法。）

解决哈希冲突 - 链表法

当新来的Entry映射到与之冲突的数组位置时，只需要插入到对应的链表中即可。

读操作

例如调用 hashMap.get(“002936”)，意思是查找Key为002936的Entry在散列 表中所对应的值。 具体该怎么做呢？下面以链表法为例来讲一下。

• 第1步，通过哈希函数，把Key转化成数组下标2。
• 第2步，找到数组下标2所对应的元素，如果这个元素的Key是002936，那么就 找到了；如果这个Key不是002936也没关系，由于数组的每个元素都与一个链表对应，我们可以顺着链表慢慢往下找，看看能否找到与Key相匹配的节点。
  
  在上图中，首先查到的节点Entry6的Key是002947，和待查找的Key 002936不 符。接着定位到链表下一个节点Entry1，发现Entry1的Key 002936正是我们要寻 找的，所以返回Entry1的Value即可。

扩容（resize）

当经过多次元素插入，散列表达到一定饱和度时，Key映射位置发生冲突的概率 会逐渐提高。这样一来，大量元素拥挤在相同的数组下标位置，形成很长的链表， 对后续插入操作和查询操作的性能都有很大影响。

对于JDK中的散列表实现类HashMap来说，其扩容

• 1．扩容，创建一个新的Entry空数组，长度是原数组的2倍。
• 2．重新Hash，遍历原Entry数组，把所有的Entry重新Hash到新数组中。为什 么要重新Hash呢？因为长度扩大以后，Hash的规则也随之改变。

关于HashMap的实现，JDK 8和以前的版本有着很大的不同。当 多个Entry被Hash到同一个数组下标位置时，为了提升插入和查找的效率，HashMap 会把Entry的链表转化为红黑树这种数据结构。建议读者把两个版本的实现都认真地 看一看，这会让你受益匪浅。

二叉树

二叉树（binary tree）是树的一种特殊形式。二叉，顾名思义，这种树的每 个节点最多有2个孩子节点。注意，这里是最多有2个，也可能只有1个，或者没有孩 子节点。

满二叉树

一个二叉树的所有非叶子节点都存在左右孩子，并且所有叶子节点都在同一层 级上，那么这个树就是满二叉树。

完全二叉树

满二叉树要求所有分支都是满的； 而完全二叉树只需保证最后一个节点之前的节点都齐全即可。

二叉查找树

二叉查找树要求左子树小于父节点，右子树 大于父节点，正是这样保证了二叉树的有序性

二叉堆

二叉堆本质上是一种完全二叉树，它分为两个类型: 最大堆、最小堆。

• 最大堆
  最大堆的任何一个父节点的值，都大于或等于它左、右孩子 节点的值。
  
• 最小堆
  最小堆的任何一个父节点的值，都小于或等于它左、右孩子 节点的值。
  
  最大堆和最小堆的特点决定了：最大堆的堆顶是整个堆中的最大元素；最小堆 的堆顶是整个堆中的最小元素。

优先队列

优先队列不再遵循先入先出的原则，而是分为两种情况。

• 最大优先队列，无论入队顺序如何，都是当前最大的元素优先出队
• 最小优先队列，无论入队顺序如何，都是当前最小的元素优先出队