vertica 表空间扩容_顺序表的实现

数据结构不仅仅指的数据值在逻辑上的结构，更有在存储空间上的位置结构，顺序表，故名思意是有一定顺序的数据结构。

顺序表最基本模型如图：

对于基本布局顺序表而言，它存储相同单元大小并且在内存地址上连续的数据，逻辑地址是其元素的逻辑顺序，物理地址第一个元素的内存地址加上离第一个元素的距离，如：e1物理地址是l0，那么e2的物理地址是e1的地址加上e1所占用的大小c，以此类推，en的物理地址是l0+（n-1）*c。

这种基本布局出现了一个问题，如果其中的元素大小不统一，那么岂不是要用最大存储单元作为基本单位，非常浪费空间，因此出现了外置顺序表，它是将元素的索引以相同单元大小连续存放，索引记录对应数据在内存上的地址，那么我们可以通过基本布局的方式去找到索引，再根据索引找到数据。

在熟悉了顺序表的基本模型后，我们再看顺表的结构，如图所示：

实际的顺序表包含两部分，一部分是顺序表的记录信息块（含顺序表容量、元素个数），一部分是数据块，这两部放在一起是一体式结构，如果分离通过索引连接是分离式结构。

顺序表含有容量和容量的使用情况信息，那么很容易就实现扩容，其扩容方式有两种：一种是频繁的固定扩容，即每次增加固定单位的容量，因此会平凡扩容；另一种是倍增的扩容，即按照2、4、8、16这种方式来扩，这样扩容频率低，但可能造成浪费。

在python中list和tuple都是顺序表结构，list是动态顺序表，支持内部结构变化如增加或者减少元素，而tupele并不支持结构的改变，其他性能和list一致。

既然我们知道了python中使用最频繁的list内在结构，那我们就应该明白append是在顺序表末尾增加一个元素，他的时间复杂度是O（1），而insert插入函数是将插入位置之后的元素依次向下挪动一个位置，复杂度是O（n）;同理删除一个元素，当删除最后一个位置的元素pop(）只是删除循序表的最后一个位置元素，如果是删除指定元素，那么该元素其后的元素依次挪动一个位置其时间复杂度为O(n);

这便是数据结构的意义，它对python性能的提升有指导性的作用。

对于顺序表的实现，源代码如下：

#python顺序表的实现
class Mylist():
    def __init__(self,size=50):   #初始化线性表
        #定义线性表的最大长度为50
        self.max = size
        self.num = 0 #定义线性表的下表
        self.data = [None] * self.max

    def is_empty(self):    #判断线性表是否为0 
        return self.num == 0 
    def is_full(self):   #判断线性表是否为满
        return self.num  == self.max

    def __getitem__(self,index):   #获取线性表中某一位置的值 
        if not isinstance(index,int):
            raise TypeError
        if 0 <= index < self.max:
            return self.data[index] 
        else:
            raise IndexError

    def __setitem__(self,index,value):  #修改线性表中某一位置的值   
        if not isinstance(index,int):
            raise TypeError
        if 0 <= index < self.max:
            self.data[index] = value
        else:
            raise IndexError

    def locate_item(self,value):   #按值查找第一个等于该值的索引
        for i in range(self.num):
            if self.data[i] == value:
                return i 
        return -1
 
    def count(self):
        return self.num

    def append_last(self,value):   #在线性表结尾加入数
        if self.num > self.max:
            print('list is full')
        else:
            self.data[self.num] = value
            self.num += 1

    def insert(self,index,value):   #在线性表插入数
        if self.num >= self.max:
            print('list is full')
        if not isinstance(index,int):
            raise TypeError
        if index < 0 or index > self.num:
            raise IndexError
        for i in range(self.num,index,-1):
            self.data[i] = self.data[i-1]
        self.data[index] = value
        self.num += 1
    
    def remove(self,index):    #删除表中某一位置的值
        if not isinstance(index,int):
            raise TypeError
        if index < 0 or index > self.num:
            raise IndexError
        for i in range(index,self.num):
            self.data[i] = self.data[i+1]
        self.num -= 1


    def destroy(self):    #销毁线性表
        self.__init__()

由于在此个月中，会写很多类似的数据结构，因此我们将他们放在同一个文件夹下，具体的文件组织如下图：

这样，我们在main函数中通过导入相应的所写的模块，就能正常运行了。