【数据结构】记录

数组与链表区别

数组和链表是两种常见的数据结构，它们有几个关键区别：

1. 存储方式：

   • 数组：在内存中连续存储一组相同类型的元素，这使得数组支持随机访问，即可以通过索引直接访问任何位置的元素。
   • 链表：由节点组成，每个节点包含数据和指向下一个节点的指针（单向链表）或同时包含指向前一个节点和下一个节点的指针（双向链表）。链表的节点可以在内存中是不连续的，这使得插入和删除操作更加高效，但是访问节点时需要按照顺序一个接一个地遍历。

2. 插入和删除操作的效率：

   • 数组：在数组中插入或删除元素时，需要移动后续元素来保持连续性，这可能需要 O(n) 的时间复杂度，其中 n 是数组的长度。
   • 链表：链表的插入和删除操作通常只涉及节点之间的指针调整，因此插入和删除操作的时间复杂度通常是 O(1)，即常量时间。

3. 随机访问的效率：

   • 数组：由于数组的元素在内存中是连续存储的，因此可以通过索引在常量时间内进行随机访问。
   • 链表：由于链表的节点不一定是连续存储的，因此不能直接通过索引进行随机访问，必须按顺序遍历链表来访问特定位置的元素，这使得随机访问的效率较低。

4. 空间复杂度：

   • 数组：通常情况下，数组的空间分配是静态的，一旦创建后大小固定。如果需要更多的空间，可能需要重新分配内存并复制数据，这可能会导致额外的开销。
   • 链表：链表的空间分配是动态的，每个节点可以在运行时动态分配。这意味着链表可以灵活地扩展或收缩，只要内存可用。

综上所述，数组适合需要频繁随机访问元素的情况，而链表适合频繁插入和删除操作的场景。

栈

堆

树

前序遍历

中序遍历

二叉树

搜索二叉树（二叉查找树）

二叉查找树（BST：Binary Search Tree）是一种特殊的二叉树，它改善了二叉树节点查找的效率。二叉查找树有以下性质：

对于任意一个节点 n，

• 其左子树（left subtree）下的每个后代节点（descendant node）的值都小于节点 n 的值；
• 其右子树（right subtree）下的每个后代节点的值都大于节点 n 的值。

红黑树

树的遍历

四种主要的遍历思想为：

• 前序遍历：根结点 —> 左子树 —> 右子树

• 中序遍历：左子树—> 根结点 —> 右子树

• 后序遍历：左子树 —> 右子树 —> 根结点

• 层次遍历：只需按层次遍历即可

二分查找

https://mp.weixin.qq.com/s/0Ni9i78uRWjZj4hrhTH03g

二分思想

本质上是折半查找思想，每一轮查找的范围是上一轮的一半，每次查找比较中间元素的值和目标值的大小，比较结论决定取哪一半边作为下一轮的查找范围。当查找范围缩小到空时停止。

局限性：有序、数组

• 有序性：保证每次取半的意义
• 数组：数组寻址的复杂度是 O(1)
  如果是用链表存储的一串数，二分查找是无意义的。链表的寻址是 O(n)。

跳表

为什么需要跳表

• 链表查询太慢 → O(n)
• 什么算法查询快？二分！→ O(logn)
• 怎么把二分思想在链表中实践？→ 跳表的诞生 → O(?)

二分查找

• 有序
• 数组元素可以随机访问 → 寻址 O(1)

改造链表

• 有序，不在改造范围内
• 加快寻址速度
  • 空间换时间 → 上索引
  • 构建索引层 → 每 2 个节点提取 1 个到上一级，逐层构建

时间复杂度

• 跳表高度：n, n/2, n/4, n/8, …, n/(2^k) → log2n
• 每层遍历 m 个节点 → O(m*logn)
• 每层索引最多只需要遍历 3 个节点 → O(logn)
  空间复杂度
• n/2 + n/4 + n/8 + … + 8 + 4 + 2 → n-2 → O(n)
• 实际操作中，链表中存储的对象元素很大，索引节点只会存- - 关键信息（比如 id）和指针，索引占用的额外空间可以忽略不计

跳表 索引的更新实现（随机 + 概率）

随机建立索引

• 原链表，随机抽 n/2 个元素建立一级索引
• 一级索引，随机抽 n/4 个元素建立二级索引
• 以此类推，元素越多，索引分布越均匀

概率（随机）更新索引

• 设计一个特别的函数，按照概率返回 [1, MAX_LEVEL] 之间的整数
• 1/2 的概率返回 1，不需要更新索引，直接在在原链表中插入元素
• 1/4 的概率返回 2，需要为新元素建立一级索引
• 以此类推，无论插入多少个元素，各级索引的节点数依然是 n/2, n/4, ….

Redis 源码

跳表相关问题

• 是否了解跳表？

• Redis 为什么用跳表？

• Redis 为什么用跳表？为什么不用红黑树？

• 实现跳表（变态！）

• 二分思想在链表的应用，提升查找效率，O(n) → O(logn)

• 空间换时间，构建索引层，空间复杂度 O(n)

• 增删改查都很高效 -> O(logn)

加分点

• 索引层的更新，看过 Redis 跳表的源码，一些侃侃而谈
• 跳表和红黑树的对比
  • 跳表能按照指定的区间查数据
  • 红黑树实现起来很复杂，跳表实现起来不容易出错（不给自己挖坑）
  • 高效查找、动态插入删除，都能做到 O(logn)
  • 共同点
  • 区别

延伸点

• 对比红黑树
• 对比散列表
• Redis 的其他特性，除了跳表，我还知道 xxxx