常见数据结构简介

常见数据结构有八个，分别是：数组，链表，队列，栈，树，散列表（Hash表），堆，图。

下面简单讨论一下。

数组

数组是一种可以在内存中连续存储多个元素的结构，在内存中的分配的空间也是连续的。

数组中的元素通过数组下标来访问，下标从0开始。

优点：查询方便，速度快。

缺点：数组大小固定后就无法改变了，只能存储一种类型的元素，增删操作慢。

适用场景：查询频繁，增删操作比较少。

链表

链表是在物理存储单元上非连续、非顺序的结构。链表的元素除了数据域，还有指针域。

单向链表有一个数据域和一个指针域，数据域存储数据，指针域指向下一个节点的地址。

双向链表有一个数据域和两个指针域，数据域存储数据，一个指针域指向上一个节点的地址，另一个指针域指向下一个节点的地址。

优点：不需要初始容量，增删操作方便快捷。

缺点：占用空间大，查找慢。

适用场景：数据量小，增删频繁。

队列

队列是一种线性表，可以在一端添加元素，在另一端取出元素，是一种先进先出的结构。

添加元素的操作称为入队，取出元素的操作称为出队。

适用场景：适用于先进先出的场景，比如多线程阻塞，任务队列等。

栈

栈也是一种线性表，不过和队列不同的是，栈是一种先进后出（或者后进先出）的结构，也就是在一端添加元素，在同一端取出元素。

添加元素的操作称为入栈，取出元素的操作称为出栈。

适用场景：适用于先进后出的场景，比如递归。

树

树是一种树形结构，因其结构像一棵倒挂的树而得名。

树具有以下特点：

• 每个节点有零个或多个子节点；
• 没有父节点的节点称为根节点；
• 每个非根节点有且只有一个父节点；
• 除了根节点外，每个子节点可以分为多个不相交的子树。

树有许多结构，最常用的一种是二叉树。

散列表

散列表，又称为哈希表（Hash表），是一种key和value的数据结构。

key是关键码，记录存储位置；value是实际的数据。

散列表是基于数组衍生出来的，其数据索引就是一个数组。

散列表有一个哈希函数，这个函数用来确定数据存储的索引位置。散列表把key通过哈希函数转换成一个整型数字，然后将该数字对数组长度进行取余，取余结果就当作数组下标，将value存储在该下标的数组空间里，这样就有了数组查询速度快的优势。

散列表的数组存储空间存储的可以是一个链表，也可以是一个树，或者其他。基于这种结构，散列表可以比数组更易增删，比单纯的链表查找更快。

堆

堆的定义如下：n个元素的序列{k1,k2,ki,…,kn}当且仅当满足下关系时，称之为堆。

(ki <= k2i,ki <= k2i+1)或者(ki >= k2i,ki >= k2i+1), (i = 1,2,3,4…n/2)，满足前者的表达式的成为小根堆，满足后者表达式的为大根堆。

堆其实是用数组实现的一个二叉树，所以里面没有父指针或者子指针。

既然没有指针，那么堆是怎么确定节点的父子关系呢？这就要说到堆节点关系的公式了。

假设 i 是节点的索引，那么下面的公式就给出了它的父节点和子节点在数组中的位置：

parent(i) = floor((i - 1)/2)
left(i)   = 2i + 1
right(i)  = 2i + 2

目前对堆的了解还不多，以后再补充。

图

图是由结点的有穷集合V和边的集合E组成。其中，为了与树形结构加以区别，在图结构中常常将结点称为顶点，边是顶点的有序偶对，若两个顶点之间存在一条边，就表示这两个顶点具有相邻关系。

按照定点指向的方向，可分为无向图和有向图。最常见的是有向无环图，也就是DAG。

了解不多，以后再补充。