数组

数组

数组（Array）是一种线性表数据结构。它用一组连续的内存空间，来存储一组具有相同类型的数据。

线性表（Linear List）：线性表就是数据排成一条线一样的结构。每个线性表上的数据最多只有前和后两个方向。其实除了数组，链表、队列、栈等也是线性表结构。

与它相对立的概念是非线性表，比如二叉树、堆、图等。之所以叫非线性，是因为在非线性表中，数据之间并不是简单的前后关系。

连续的内存空间和相同类型的数据：

正是因为这两个限制，它才有了一个堪称杀手锏的特性，“随机访问” 。但有利就有弊，这两个限制也让数组的很多操作变得非常低效。比如要想在数组中删除、插入一个数据，为了保证连续性，就需要做大量的数据搬移工作。

如何实现随机访问？

随机访问意味着可直接跳到第n个元素，不需要遍历数组

我们拿一个长度为10的 int 类型的数组 int[] a = new int[10] 来举例：

计算机给数组a[10] ，分配了一块连续内存空间 1000~1039，其中，内存块的首地址为 base_address = 1000

我们知道，计算机会给每个内存单元分配一个地址，计算机通过地址来访问内存中的数据。当计算机需要随机访问数组中的某个元素时，它首先会通过下面的寻址公式，计算出该元素存储的内存地址：

a[i]_address = base_address + i * data_type_size

其中 data_type_size 表示数组中每个元素的大小。我们举的这个例子，数组中存储的是int类型数据，所以data_type_size 就为4个字节。

这里要特别纠正一个“错误”：

链表适合插入、删除，时间复杂度 O(1);

数组适合查找，查找时间复杂度为 O(1);

实际上，这种表述是不准确的，数组是适合查找操作，但查找的时间复杂度并不为 O(1)。即便是排好序的数组，用二分查找，时间复杂度也是 O(logn)。所以正确的表述应该是：

数组支持随机访问，根据下标随机访问的时间复杂度为O(1)

低效的插入和删除

数组为了保持内存数据的连续性，会导致插入、删除这两个操作比较低效，为什么会导致低效？又有哪些改进方法呢？

我们先来看插入操作：

假设数组的长度为 n ，现在，如果我们需要将一个数据插入到数组中的第 k 个位置。为了把第 k 个位置腾出来，我们需要将第 k~n 这部分的元素都顺序地往后挪一位。那插入操作的时间复杂度是多少呢？

• 如果是在数组的末尾插入元素，那就不需要移动数据了，这时的时间复杂度为 O(1)。

• 如果在数组的开头插入元素，那所有的数据都要依次往后移动一位，所以最坏的时间复杂度是 O(n)

• 因为我们在每个位置插入元素的概率是一样的，所以平均情况时间复杂度为 (1+2+…n) / n = O(n)

如果数组中的数据是有序的，我们在某个位置插入一个新的元素时，就必须按照上面的方法迁移 k 之后的数据；但是如果数组中存储的数据没有规律，数组只是被当做一个存储数据的集合，这种情况下，为了避免大规模的数据迁移，我们还有个简单的方法就是直接将第 k 位的数据搬到数组的最后，把新的元素直接放入第 k 个位置。

利用这种处理方法，在特定的场景下，在第 k 个位置插入一个元素的时间复杂度就会降为 O(1)。

跟插入数据类似，如果我们要删除第 k 个位置的数据，为了数据的连续性，也需要迁移数据，不然中间就会出现空洞，内存就不连续了。

• 和插入类似，如果删除数组末尾的数据，最好情况时间复杂度为 O(1)
• 删除开头的数据，最坏情况时间复杂度为 O(n)
• 平均时间复杂度也为 O(n)

实际上，在某些特殊场景下，我们并不一定非得追求数组中数据的连续性。如果我们将多次删除操作集中在一起执行，删除效率是不是会提高很多呢？

我们来看例子：数组 a[10] 中存储了 8 个元素：[a,b,c,d,e,f,g,h] ，现在，我们要依次删除 a/b/c 三个元素

为了避免 d,e,f,g,h 这几个数据会被搬移三次，我们可以先记录下已经删除的数据，每次删除的操作并不是真正地搬移数据，只是记录数据已被删除。当数据没有更多空间存储数据时，我们再触发执行一次真正的删除操作，这样就大大减少了操作导致的数据搬移。

如果你了解JVM，你会发现，这不就是JVM标记清除垃圾回收算法的核心思想吗？没错，数据结构和算法的魅力就在于此，很多时候我们并不是要去死记硬背某个数据结构或者算法，而是要学习它背后的思想和处理技巧，这些东西才是最有价值的。如果你细心留意，不管是在软件开发还是架构设计中，总能找到某些算法和数据结构的影子。

容器能否完全替代数组？

针对数组类型，很多语言都提供了容器类，比如 Java 中的 ArrayList 。在项目开发中，什么时候适合用数组，什么时候适合用容器呢？

ArrayList 最大的优势就是可以将很多数组操作的细节封装起来。比如前面提到的数组插入、删除数据时需要搬移其他数据等。另外，它还有一个优势，就是支持动态扩容。

数组本身在定义的时候需要预先指定大小，因为需要分配连续的内存空间。如果我们申请了大小为 10 的数组，当第 11 个数据需要存储到数组中时，我们就需要重新分配一块更大的空间，将原来的数据复制过去，然后再将新的数据插入。

如果使用 ArrayList ，我们就完全不需要关心底层的扩容逻辑，ArrayList 已经帮我们实现好了。每次存储空间不够时，它会自动将空间扩容为 原来的 1.5 倍大小。不过，这里需要注意一点，因为扩容操作涉及内存申请和数据搬移，是比较耗时的。所以，如果事先能确定需要存储的数据大小，最好在创建 ArrayList 的时候事先指定数据大小。

那是不是数组就无用武之地呢？当然不是，有些时候，用数组会更合适：

• Java ArrayList 无法存储基本类型，比如 int 、long，需要封装为 Integer、Long 类，而自动装箱、拆箱则有一定的性能消耗，如果特别关注性能，或者想使用基本类型，就可以选用数组。
• 如果数据大小事先已知，并且对数据的操作非常简单，用不到 ArrayList 提供的大部分方法，也可以直接使用数组
• 还有一个是我个人的喜好，当要表示多维数组时，用数组往往会更加直观。比如 Object[][] array；而用容器的话则需要这样定义：ArrayList<ArrayList> array。

对于业务开发，直接使用容器就足够了，省时省力。毕竟损耗一丢丢性能，完全不会影响到系统整体的性能。但如果你是做一些非常底层的开发， 比如开发网络框架，性能的优化需要做到极致，这个时候数组就会优于容器，成为首选。

为什么大多数编程语言中，数组要从0开始编号，而不是从1开始呢？

从数组存储的内存模型上来看，“下标” 最确切的定义应该是“偏移（offset）”。

前面也讲到，如果用 a 来表示数组的首地址，a[0] 就是偏移为 0 的位置，也就是首地址，a[k] 就表示偏移 k 个 type_size 的位置，所以计算 a[k] 的内存地址只需要用这个公式：

a[k]_address = base_address + k * type_size

但是，如果数组从 1 开始计数，那我们计算数组元素a[k]的内存地址就会变为：

a[k]_address = base_address + (k-1) * type_size

对比两个公式，我们不难发现，从1开始编号，每次随机访问数组元素都多了一次减法运算，对于CPU来说，就是多了一次减法指令。

数组作为非常基础的数据结构，通过下标随机访问数组元素又是其非常基础的编程操作，效率的优化就要尽可能做到极致。所以为了减少一次减法操作，数组选择了从 0 开始编号，而不是从 1 开始。

不过我认为，上面解释得再多其实都算不上压倒性的证明，说数组起始编号非0开始不可。所以我觉得最主要的原因可能是历史原因。 C语言设计者用 0 开始计数数组下标，之后的 Java、JavaScript 等高级语言都效仿了 C 语言，或者说，为了在一定程度上减少 C 语言程序员学习 Java 的学习成本，因此 继续沿用了从0开始计数的习惯。实际上，很多语言中数组也并不是从0开始计数的，比如Matlab。甚至还有一些语言支持负数下标，比如Python。