浅谈常见数据结构和算法的应用系列(一)

近来有小伙伴问我：刷leetcode真的有用吗，觉得收益很小，越刷越迷茫了…

诚然每个人刷题的目的不一样，233酱还不是为了能水几篇文章…

当然不止。我觉得刷题是一件有意思的事，就像小猫小狗咬自己尾巴，玩弄的不亦乐乎。比喻可能不太恰当，是有种沉迷小游戏的感觉。

可是在艰难打野的过程中，我们不要忘了，最重要的是：

了解每种技能包的特点，适合解决的问题和场景。在特定实战场景下能够使用特定的技能包，自创技能包。这才是武功的至高境界。

装X结束，浅谈开始。。

数据结构是指：一种数据组织、管理和存储的格式，它可以帮助我们实现对数据高效的访问和修改。

数据结构 = 数据元素 + 元素之间的结构。

如果说数据结构是造大楼的骨架，算法就是具体的造楼流程。流程不同，效率资源不同。我会两者结合简单探讨下他们的特点和应用。

常见的数据结构可分为：线性结构、树形结构 和 图状结构。

常见的算法有：递归、排序、二分查找、搜索、哈希算法、贪心算法、分治算法、回溯算法、动态规划、字符串匹配算法等。

本文从 线性数据结构、递归 和 排序算法 谈起。

线性结构

线性结构：是指数据排成像一条线一样的结构。每个元素结点最多对应一个前驱结点和一个后继结点。如数组, 链表，栈 ，队列等。

数组

数组是是由相同类型的元素（element）的集合所组成的数据结构，分配一块连续的内存来存储。利用元素的下标位置可以计算出该元素对应的存储地址。

优点：
分配基于连续内存，是一种天生的索引结构，查询修改元素的效率O(1)。同时可以借助 CPU 的缓存机制，预读数组中的数据，所以访问效率更高。

缺点：
数组的索引优点也是它的缺点，因为它的索引是基于一块连续内存元素存储的位置下标决定的，增删arr[i]时间复杂度O(n)，需要整体移动数组arr[i-n-1]的位置。此外，分配大数组会占用较大的内存。

可通过以下方式避免元素拷贝和占用大的开销：

1.懒删除：删除时只标记元素被删除，并不真正的执行删除。当数组整体内存不够用时，再执行真正的删除。
2.分块思想：将一大块内存分为n个小块，以 小块 为单位进行数组内存的拷贝。如Mysql的InnoDB引擎中每个Buffer Pool实例由若干个chunk组成，实际内存申请操作以chunk为单位。
3.缩容：曾经面试阿里时，就让设计了一个缩容版的HashMap。浪费可耻，节约光荣。
4.链表。

链表

链表的存在就是为了解决数组的增删复杂耗时，内存占用较大的问题。它并不需要一块连续的内存空间，它通过 指针 将一组零散的内存块串联起来。根据指针的不同，有单链表，双向链表，循环链表之分。

优点：
增删arr[i]时间复杂度O(1)，使用链表本身没有大小的限制，天然地支持动态扩容。

缺点：
没有“索引”，查询时间复杂度O(n)。需要维护指针，更占内存。同时内存不连续，容易造成内存碎片。

可以看出：数组和链表是相互补充的一对数据结构。那怎么弥补链表的不足呢？

内存这块是不好解决，这是由 指针 决定的。

关于索引，没索引就帮它建索引好了：

1.结合hash表，记录链表每个结点的位置。
2.链表长度拉的过长时，考虑跳表，红黑树这类数据结构。（别慌，后面会讲～）

应用场景：
数组和链表的运用很广泛，他们是构成 数据结构的基础。如栈，队列，集合等等。

栈

栈是一种受限制的线性数据结构。元素只可以在栈顶被访问。符合先进后出的First-In-Last-Out的访问方式。

用数组实现的叫顺序栈，用链表实现的叫链式栈。

可能有人会有疑问：我用数组链表在头尾两端可伸可缩，为毛要用只能在头部操作的栈结构呢？

这种FILO的结构当然是只适用于FILO的场景。如果我们将数组/链表这种结构封装为栈，就可以只使用其pop/push的API，屏蔽掉实现细节。

应用场景：
1.编辑器的redo/undo操作。
2.浏览器的前进/后退操作。
3.编译器的括号匹配校验
4.数学计算中的表达式求值
5.函数调用
6.递归
7.字符串反转…

队列

队列也是一种受限制的线性数据结构。符合先进先出的First-In-First-Out 的访问方式。同样，用数组实现的队列叫作顺序队列，用链表实现的队列叫作链式队列。

根据头尾指针和操作的不同，队列又可分为双端队列，循环队列，阻塞队列，并发队列。

• 双端队列：头尾均可以进行插入，删除，访问元素，更为实用。不存在FIFO这种限制。
  

• 循环队列：把队列的头尾相连接并且使用顺序存储结构进行数据存储的队列。
  

存在并发的场景下，队列存取元素的临界区为 enqueue、dequeue操作。保证并发下的队列存取安全的队列为阻塞队列 和 并发队列。两者的区别在于 同步资源的粒度不同。

• 阻塞队列：通过 互斥锁 保证enqueue、dequeue的安全，锁粒度较大。如Java JUC包中的阻塞队列。

• 并发队列：基于数组的循环队列，利用 CAS 原子操作保证enqueue、dequeue的安全。
  其实就是通过：多次volatile读 + CAS操作 这种乐观思想 修改头尾指针的位置，保证enqueue、dequeue的安全。CAS的同步代价小较小，所以称为：无锁并发队列。如Disruptor框架中Ring Buffer就运用了这点。

PS: 很多框架对线程池的需求都替换成了Disruptor来实现，如Log4j2、Canal等。

应用场景：
队列的作用其实就是现实中的排队。当资源不足时，通过“队列” 这种结构来实现排队的效果。用于：
1.任务调度存在的地方：CPU/磁盘/线程池/任务调度框架…
2.两个进程中数据的传递：如pipe/file IO/IO Buffer…
3.生产者消费者场景中..

递归实现

递归 是一种算法求解的编码实现。应用于如深度优先搜索、前中后序二叉树遍历（挖坑后面讲～）等。因为接下来的排序算法如：归并/快排 可通过递归来实现，所以我们先看一下书写递归的步骤。熟悉了递归的思想，它其实是一种书写简单的编码方式。

只要问题满足以下三点，均可使用递归来进行求解：

1.一个问题的解可以分解为几个子问题的解
2.问题和子问题之间，除了数据规模不同，求解思路完全一样
3.存在递归终止条件

写递归代码的关键在于：找到如何将大问题分解为小问题的规律，并且基于此写出递推公式，然后再敲定终止条件，最后将递推公式和终止条件翻译成代码。

因为人并不擅长处理这种程序，所以在写递归代码的时候，我们可以自动屏蔽掉递归的执行过程。我们只需要告诉程序：递推公式 和 终止条件 是什么，事情就会变Easy~

使用时的注意项：

1.stackoverflow: 实际函数调用层次太深，就会有系统栈或者虚拟机栈空间溢出的风险。

2.子问题的重复计算：前面文章我有讲 动态规划通过避免子问题的重复计算能够降低时间复杂度。一种方式就是通过 递归 + 备忘录（子问题的解保存起来）来解决。

排序算法

233酱学习的第一个算法就是冒泡排序算法，我想不少码农都经历过被 “几大排序算法” 支配的恐惧。

排序是我们在项目工程中经常遇到的一个场景，如TopK，中位数问题等。有序 和 无序 的数据集合之间的差别在于 前者  “逆序对”  为0.

小贴士：如果i < j，且a[i] > a[j], 就称为一个逆序对，如 1，7，3，5 中的 <7，5>
反之则为有序对，如<1,3>

不同的排序算法消灭逆序对的方式不一样，体现在时空复杂度，排序方式，稳定性，适用场景等方面不同。

我先放一张网上排序算法的图：

选择排序算法时，我们应该考虑算法的执行效率，内存消耗，稳定性等这些因素。

PS：以下内容主要引用极客时间王争大佬的《数据结构和算法之美》课程，233能力有限，默默给大佬打广告&点赞。

如何分析排序算法的执行效率

1. 最好情况、最坏情况、平均情况时间复杂度

对于要排序的原始数据，数据的有序度不同，对排序的执行效率是有影响的。比如接近有序的待排序数据 插入排序的时间复杂度接近O(n)。我们需要了解排序算法在不同数据下的性能表现。

2.时间复杂度的系数、常数 、低阶

在对小规模的数据排序时，如10个，100个，1000个。需要把系数、常数、低阶也考虑进来，才能选择合适的排序算法。

3.比较次数和交换（或移动）次数

基于比较的排序算法的执行过程，会涉及两种操作，一种是元素比较大小，另一种是元素交换或移动。所以，如果我们在分析排序算法的执行效率的时候，应该把比较次数和交换（或移动）次数也考虑进去。

排序算法的内存消耗

上图中有一列排序方式：原地排序（In-place） 和 外部排序(Out-place)。前者是指空间复杂度为O(1)的排序算法，不需要在外部开辟内存空间。后者需要额外开辟空间来存储中间状态。前者的好处在于可以借助 CPU 的缓存机制，访问效率更高。这是一个重要的考量因素。

小贴士：快排的空间复杂度为是因为它的实现是递归调用的， 每次函数调用中只使用了常数的空间，因此空间复杂度等于递归深度O(logn)。

排序算法的稳定性

稳定性是指：待排序的序列中存在值相等的元素，经过排序之后，相等元素之间原有的先后顺序是不变的。

为啥要考虑排序算法的稳定性呢？

这是因为实际场景中的待排序的对象 排序维度可能是多个。比如我们对订单先按照金额排序，再按照下单时间排序。实现简单的思路为：先给订单按照 下单时间排序，再按照金额排序。稳定性的排序算法能够保证 金额相同的两个对象，在排序之后的下单顺序不变。

下面主要从数据规模上讨论这些排序算法的应用。

小规模数据排序

在小规模数据下，冒泡排序/选择排序/插入排序实现较为简单，排除不稳定的选择排序，插入排序（可类比打扑克抓牌时的排序思想）比冒泡排序（最大元素依次往后冒）好在交换次数少，小规模下排序效率更高。

此外当待排序序列的有序度比较高时，插入排序也好过归并/快排这类O(nlogn)的效率。所以在小规模数据场景下，适合用插入排序。

大规模内存级数据排序

归并排序的思想是 分治 思想。将整个无序序列的排序 划分为 无序小序列的排序问题。子序列有序了，再合并起来有序的子序列，整体就排好序了。

归并排序是外部排序。每次合并操作都需要申请额外的内存空间，在合并完成之后，临时开辟的内存空间就被释放掉了。在任意时刻，CPU 只会有一个函数在执行，也就只会有一个临时的内存空间在使用。临时内存空间最大也不会超过 n 个数据的大小，所以空间复杂度是 O(n)。

快速排序利用的也是 分治 思想。局部有序 最终导致 全局有序。它使用一个分区点数据(pivort)将元素分为< pivort,=pivort,>pivort三个部分。然后在< pivort 和 >pivort这两部分继续递归处理，最终排序完成。

如果 快排合理的选择pivort，多路指针参与分区可以避免时间复杂度的恶化。而且快排是原地排序，相比归并排序是外部排序，空间复杂度较高O(n)。快排的应用更为广泛。

Java中Arrays.sort是混合排序，实现策略分为两种：

Case1. 存储的数据类型是基本数据类型

使用的是快排，在数据量很小的时候，使用的插入排序；

Case2. 存储的数据类型是Object

使用的是归并排序，在数据量很小的时候，使用的也是插入排序。

大规模外部数据排序

当数据规模很大时，我们并不能把所有数据都加载到内存。这时候可以考虑时间复杂度是 O(n) 的外部排序算法：桶排序、计数排序、基数排序。外部排序是指数据存储在外部磁盘中。

这里时间复杂度之所以低是因为：这三个算法是非基于比较的排序算法，都不涉及元素之间的比较操作。

桶排序 是按照某种属性将元素分配到全局有序的子桶内，再在子桶内做局部排序。当子桶个数划分的足够大时，时间复杂度就接近O(n) 。

计数排序 其实是桶排序的一种特殊情况。当要排序的 n 个数据，所处的范围并不大的时候，比如最大值是 k，我们就可以把数据划分成 k 个桶。每个桶内的数据值都是相同的，省掉了桶内排序的时间。

基数排序 是根据每一位来排序，基数排序对要排序的数据是有要求的，需要可以分割出独立的“位”来比较，而且位之间有递进的关系，如果 a 数据的高位比 b 数据大，那剩下的低位就不用比较了。除此之外，每一位的数据范围不能太大，要可以用线性排序算法来排序，否则，基数排序的时间复杂度就无法做到 O(n) 了。

感谢您的阅读，文中有错误或者太过浅显的部分还请帮233酱指出&补充。觉得有收获就四连「关注，点赞，在看，转发」支持下233酱吧。

另外，加我好友，欢迎加入我的刷题技术讨论群。来和233一起成长进步～

参考资料：

[1].维基百科

[2].https://time.geekbang.org/column/intro/126

[3].https://zhuanlan.zhihu.com/c_190721074