Java常见的8种数据结构

Java常见的8种数据结构

数据结构是指数据在计算机内存空间中或磁盘中的组织形式
算法是完成特定任务的过程

二分法查找

r=2^s s：查找步数 r查找范围 幂函数
s=log2® 已知范围获取需要的次数 对数

算法复杂度使用O(N)函数进行标示 主要是去除常数 看运行时间受数据项个数的影响

常见排序

参考地址 https://blog.csdn.net/muranfei/article/details/80923996

栈 对列 优先级对列

栈按照“后进先出”、“先进后出”的原则来存储数据，先插入的数据被压入栈底，后插入的数据在栈顶，读出数据的时候，从栈顶开始依次读出 ;实现方式数组或者链表

对列 先进先出 队列会对两端进行定义，一端叫队头，另外一端就叫队尾。队头只允许删除 *** 作（出队），队尾只允许插入 *** 作（入队）实现方式数组或者链表

优先级对列 按照关键字值进行排序 插入到对应的位置；eg:在线程对列中 优先级高的优先处理

链表

链表是一种递归的数据结构，它或者为空（null），或者是指向一个结点（node）的引用，该节点还有一个元素和一个指向另一条链表的引用。
链表是一个线性结构，但是存储的数据可以是非线性的。链表由一个个子节点构成，每个节点有两个部分：数据域和指针域，数据域就是实际存储数据的，指针域可以有一个和两个，单链表就是单个指针域指向后一个节点，双链表就是节点有两个指针域，分别指向前一个和后一个节点。

链表的核心：

链表的核心就是指针域，通过对指针域的 *** 作实现增加节点删除节点，所谓链表就是形象的表示出一环扣一环，这是链表的优点也是缺点，优点是：插入删除不需要移动所有节点，只需要将待插入的节点的指针域一个指向待插入位置的后一个节点，一个指向前一个节点，不需要初始化容量；

缺点就是搜索的时候必须遍历节点；含有大量的引用，占用的内存空间大。

二叉树

解决有序数组插入慢 链表查找慢问题
树是一种典型的非线性结构，它是由 n（n>0）个有限节点组成的一个具有层次关系的集合。
之所以叫“树”，是因为这种数据结构看起来就像是一个倒挂的树，只不过根在上，叶在下。树形数据结构有以下这些特点：

每个节点都只有有限个子节点或无子节点；没有父节点的节点称为根节点；每一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。

常见数为二叉树 ：每个节点只有2个以内的子节点

子节点 父节点 叶节点（没有子节点）

二叉搜索树（二叉查找树） ：左子节点不为空且小于节点值 ，右子节点不为空且大于等于节点值
二叉树遍历：如果采用顺序结构来保存二叉树，程序遍历二叉树将非常容易，无需进行任何思考，直接遍历底层数组即可。如果采用链表来保存二叉树的节点，则有以下两种遍历方式：

深度优先遍历：这种遍历算法将先访问到树中最深层次的节点。广度优先遍历：这种遍历算法将逐层访问每层的节点，先访问根节点，然后访问第二层的节点……以此类推。因此广度优先遍历又被称为按层遍历。

对于深度优先遍历算法而言，他可分为以下三种：

(1)先序遍历二叉树

(2)中序遍历二叉树

(3)后序遍历二叉树

如果L、D、R表示左子树、根、右子树，习惯上总是先遍历左子树，后遍历右子树，根据遍历根节点的顺序不同，上面三种方法可以表示如下：

DLR:先序遍历

LDR:中序遍历

LRD:后序遍历

查找 增加 时间复杂度O(logN) 删除算法复杂
二叉搜索树缺点 对于有序数据产生非平衡树 插入 查找 删除效率低

平衡二叉树：当且仅当任何节点的两棵子树的高度差不大于 1 的二叉树
平衡二叉树本质上也是一颗二叉查找树，不过为了限制左右子树的高度差，避免出现倾斜树等偏向于线性结构演化的情况，所以对二叉搜索树中每个节点的左右子树作了限制，左右子树的高度差称之为平衡因子，树中每个节点的平衡因子绝对值不大于 1。

平衡二叉树(avl树)的难点在于，当删除或者增加节点的情况下，如何通过左旋或者右旋的方式来保持左右平衡。

红黑树详细介绍
avl树一定是平衡的 在插入和删除的时候需要扫描两遍树，一次是向下寻找插入点，一次是向上平衡树，效率不如红黑树高，也不如红黑树常用

哈希表

哈希算法：这类算法接受任意长度的二进制输入值，对输入值做换算（切碎），最终给出固定长度的二进制输出值；

哈希表（Hash Table），也叫散列表，是一种可以通过关键码值（key-value）直接访问的数据结构，它最大的特点就是可以快速实现查找、插入和删除。

数组的最大特点就是查找容易，插入和删除困难；而链表正好相反，查找困难，而插入和删除容易。哈希表很完美地结合了两者的优点， Java 的 HashMap 在此基础上还加入了树的优点。
哈希函数在哈希表中起着⾮常关键的作⽤，它可以把任意长度的输入变换成固定长度的输出，该输出就是哈希值。哈希函数使得一个数据序列的访问过程变得更加迅速有效，通过哈希函数，数据元素能够被很快的进行定位。

若关键字为 k，则其值存放在 hash(k) 的存储位置上。由此，不需要遍历就可以直接取得 k 对应的值。

对于任意两个不同的数据块，其哈希值相同的可能性极小，也就是说，对于一个给定的数据块，找到和它哈希值相同的数据块极为困难。再者，对于一个数据块，哪怕只改动它的一个比特位，其哈希值的改动也会非常的大——这正是 Hash 存在的价值！

尽管可能性极小，但仍然会发生，如果哈希冲突了，Java 的 HashMap 会在数组的同一个位置上增加链表，如果链表的长度大于 8，将会转化成红黑树进行处理——这就是所谓的拉链法（数组+链表）。

hashmap

HashMap是基于数组来实现哈希表的，数组就好比内存储空间，数组的index就好比内存的地址；HashMap的每个记录就是一个Entry对象，数组中存储的就是这些对象；HashMap的哈希函数 = 计算出hashCode + 计算出数组的index；HashMap解决冲突：使用链地址法，每个Entry对象都有一个引用next来指向链表的下一个Entry；HashMap的装填因子：默认为0.75；

二分查找

    public static int myBinarySearch(int[] arr,int value) {
        int low=0;
        int high=arr.length-1;
        while(low<=high) {
            int mid=(low+high)/2;
            if(value==arr[mid]) {
                return mid;
            }
            if(value>arr[mid]) {
                low=mid+1;
            }
            if(value

堆

堆中某个节点的值总是不大于或不小于其父节点的值；

堆总是一棵完全二叉树。

将根节点最大的堆叫做最大堆或大根堆，根节点最小的堆叫做最小堆或小根堆。
时间负责度 O(logN)

图

图的遍历: 深度优先搜素（DFS） ：得到距离起始点最远的顶点，然后在不能前进的时候返回;
可以用栈进行实现：

访问一个邻接的未访问的顶点，标记他，并把他放入栈中当不能执行第一条的时候 如果栈不空，从栈中d出一个顶点重复执行1 2 如果不能执行则结束

广度优先搜素(BFS)：访问起始点的所有邻接点，然后在访问较远的区域，用队列实现

访问下一个未访问的邻接点，这个订点必须是当前顶点的邻接点，标记他，并插入队列中如果1执行完事，则从队列中取一个顶点做为当前顶点，重复执行1 2队列为空 不能执行2 则结束

无环有向图 的拓扑排序 将有向图中的顶点以线性方式进行排序：把有向图的各个点按照排序输出 可以生成不同的排序；任务执行的先后顺序

参考文章Java常见的8种数据结构
runoob.com