简单理解数据结构

时间复杂度

顺序列表查找

有序列表查找

1. 二分查找：取中间的值进行比较，核心算法为 mid = (low+high)/2，适用于表中的值不均匀分部。
2. 插值查找：取离目标值最近的值进行比较，核心算法：mid = low+（high - low） * (key -  a [low])/ a[high] -a[low]，适用于表中的值均匀分部。

时间复杂度都是O(logn)。

无序列表查找

如给定一个数组查找某个值在数组的下标。

    public static void main(String[] args) {
        int findKey = 1;
        int []a = {10,20,50,1,42,35};

        int index = getIndex(a, findKey);
        System.out.println(index);
    }

    public static int getIndex(int a[] , int findKey){
        for (int i = 0, j = a.length; i < j; i ++){
            if (a[i] == findKey){
                return i;
            }
        }

        return 0;
    }

以上是比较常用的写法，但是我们可以进一步优化，省掉 i<j的判断步骤。复制一个新的数组将长度+1，并存放要查找的值作为查找结束标识的哨兵。如果getIndex放回的下标大于当前a数组的长度，表明是结束哨兵的标识，结论是a数组不存在改值。

    public static int getIndex(int a[] , int findKey){
        int[] b = Arrays.copyOf(a, a.length+1);
        b[a.length] = findKey;
        int i = 0;
        while (b[i] != findKey){
            i++;
        }
        return i;
    }

时间复杂度：O(n)

 

树

简单定义：树的结点只包含一个数据元素及对应多个子树。

1、二叉查找树

出现的原因：兼顾有序快速查找和无序快速删除插入。

问题：二叉树出现极端左轻右重或者左重右轻的情况，导致查找效率变慢。

2、平衡二叉树查找树

出现的原因：防止二叉树出现极端现象，维持左右树的深度最大不超过1。

 

平衡因子（BF）：二叉树节点的左子树深度减去右子树的深度的值。

维持方式：当最小不平衡子树的BF大于1时，进行右旋（顺时针旋转），当BF小于-1时，进行左旋。当最小不平衡子树的BF与它的子树BF符号不统一，即一正一负，则需要先旋转结点到符号统一再进行一次反向旋转。

时间复杂度：O(logn)

 

B树

特点：其每一个结点的孩子树多于两个，且每一个结点可以存储多个元素。

出现的原因：树中的结点只能存一个值，当数据量多的时候，一下子加载不了过多数据，需要多次读磁盘，导致性能下降。

问题：当需要遍历所有数据的话，B树会存在结点和数据被多次重复访问的情况。

如上图使用中序遍历结果为：页面2-》页面1-》页面3-》页面1-》页面4-》页面1-》页面5。

可以发现页面1结点和数据被重复访问，造成了不必要的硬盘访问引起的性能消耗。

B+树

出现的原因：它的出现就是为了解决B树遇到的存在结点和数据被多次重复访问的问题。下面附上B+树示意图

特点：结点存的是索引，叶子结点存的是数据；所有叶子结点都链接在一起。保持从小到大的排序。

时间复杂度：O(logn)

哈希表

出现的原因：之前的方法都需要进行一次比较，有时候没必要。
问题：不理想会出现地址（hoshcde）冲突。

时间复杂度：理想情况下O(1)。

冲突解决方式：

• 线性探测法：遇到冲突就移动一下个位置，直到遇到有空位置的。
• 再散列函数法：遇到冲突就使用另外一种散列函数获取地址。
• 链地址法：冲突的用链表形式拼接。
• 公共溢出法：冲突的值再存入另外一个哈希表中。