树
真二叉树
所有节点的度都为0或都为2
满二叉树
所有节点的度都为0或都为2,所有叶子节点都在最后一层
完全二叉树
叶子节点指挥出现在最后2层,最后一层的叶子节点都靠左对齐
二叉搜索树、二叉查找树、二叉排序树
任意一个结点的值都大于其左子树所有节点的值
任意一个结点的值都小于其右子树所有结点的值
它的左右子树也是一颗二叉搜索树
平衡二叉搜索树(继承二叉搜索树)
一颗达到适度平衡的二叉搜索树
经典常见的平衡二叉搜索树:AVL树(Windows NT内核),红黑树(C++STL,Java的TreeMap、TreeSet、HashMap、HashSet,Linux的进程调度)
AVL树(继承平衡二叉搜索树)
每个节点的平衡因子只可能是 -1,0,1
增加、删除操作:
LL — 右旋转(单旋)
RR — 左旋转(单旋)
LR — RR左旋转,LL右旋转(双旋)
RL — LL右旋转,RR左旋转(双旋)
平均时间复杂度
搜索:O(logn)
添加:O(logn),仅需 O(1) 次的旋转操作
删除:O(logn),最多需要 O(logn) 次的旋转
红黑树(继承平衡二叉搜索树)
1,节点是RED或者BLACK
2,根节点是BALCK
3,叶子节点都是BLCK
4,RED节点的子节点都是BLACK
RED节点的parent都是BLACK
从根节点到叶子节点的所有路径上不能有2个连续的RED节点
5,从任一节点到叶子节点的所有路径都包含相同数目的BLACK节点
红黑树的平衡:
相比于AVL树,红黑树的平衡标准比较宽松:没有一条路径会大于其他路径的2倍
是一种弱平衡,黑高度平衡
红黑树的最大高度是 2 * log2 (n + 1) ,依然是O(logn)级别
平均时间复杂度
搜索:O(logn)
添加:O(logn),O(1) 次的旋转操作
删除:O(logn),O(1) 次的旋转操作
红黑树 VS AVL树
AVL树
平衡标准比较严格:每个左右子树的高度差不超过1
最大高度是 1.44 ∗ log2 n + 2 − 1.328(100W个节点,AVL树最大树高28)
搜索、添加、删除都是 O(logn) 复杂度,其中添加仅需 O(1) 次旋转调整、删除最多需要 O(logn) 次旋转调整
红黑树
平衡标准比较宽松:没有一条路径会大于其他路径的2倍
最大高度是 2 ∗ log2(n + 1)( 100W个节点,红黑树最大树高40)
搜索、添加、删除都是 O(logn) 复杂度,其中添加、删除都仅需 O(1) 次旋转调整
搜索的次数远远大于插入和删除,选择AVL树;搜索、插入、删除次数几乎差不多,选择红黑树
相对于AVL树来说,红黑树牺牲了部分平衡性以换取插入/删除操作时少量的旋转操作,整体来说性能要优于AVL树
红黑树的平均统计性能优于AVL树,实际应用中更多选择使用红黑树
B-树
平衡的多路搜索树(多用于文件系统、数据库的实现)
n阶B-树:一个节点最多拥有n个子节点
1,1 个节点可以存储超过 2 个元素、可以拥有超过 2 个子节点
2,拥有二叉搜索树的一些性质
3,平衡,每个节点的所有子树高度一致
4,假设一个节点存储的元素个数为x
根节点:1 <= x <= m - 1
非根节点:⌈ m/2 ⌉ - 1 <= x <= m - 1
如果有子节点,子节点个数 y = x + 1
根节点:2 <= y <= m
非根节点:⌈ m/2 ⌉ <= y <= m
B+树
非叶子节点不存储data,只存储索引(冗余),可以放更多的索引
叶子节点包含所有索引字段
叶子节点用指针连接,叶子节点是自增的,提高区间访问的性能
B-树 VS B+树
1,B-树的叶子节点之间没有指针;B+树的叶子节点之间有双向指针,支持范围查找
2,B-树的非叶子节点存放索引和数据,B+树的非叶子节点只存放索引(冗余索引),不存放数据,目的是使非叶子节点横向存放更多的元素,有更多的分叉,使叶子节点存放更多的元素,减小树的高度
哈希表
解决哈希冲突的常见方法
1. 开放定址法(Open Addressing)
按照一定规则向其他地址探测,直到遇到空桶
2. 再哈希法(Re-Hashing)
设计多个哈希函数
3. 链地址法(Separate Chaining)
比如通过链表将同一index的元素串起来
JDK1.8的哈希冲突解决方案
默认使用单向链表将元素串起来
在添加元素时,可能会由单向链表转为红黑树来存储元素(比如当哈希表容量 ≥ 64 且 单向链表的节点数量大于 8 时),当红黑树节点数量少到一定程度时,又会转为单向链表
JDK1.8中的哈希表是使用链表+红黑树解决哈希冲突
这里为什么使用单链表?
每次都是从头节点开始遍历
单向链表比双向链表少一个指针,可以节省内存空间
装填因子(Load Factor):(负载因子)
节点总数量 / 哈希表桶数组长度,也叫做负载因子
在JDK1.8的HashMap中,如果装填因子超过0.75,就扩容为原来的2倍
堆
二叉堆
最大堆、大根堆、大顶堆:
如果任意节点的值总是 ≥ 子节点的值
最小堆、小根堆、小顶堆:
如果任意节点的值总是 ≤ 子节点的值
平均时间复杂度:
获取最大值:O(1)
删除最大值:O(logn)
添加元素:O(logn)
初始化堆:
自上而下的上滤:O(nlogn)
自下而上的下滤:O(n)
哈夫曼编码
如何构建一棵哈夫曼树?(假设有 n 个权值)
1. 以权值作为根节点构建 n 棵二叉树,组成森林
2. 在森林中选出 2 个根节点最小的树合并,作为一棵新树的左右子树,且新树的根节点为其左右子树根节点之和
3. 从森林中删除刚才选取的 2 棵树,并将新树加入森林
4. 重复 2、3 步骤,直到森林只剩一棵树为止,该树即为哈夫曼树
哈夫曼编码
n 个权值构建出来的哈夫曼树拥有 n 个叶子节点
每个哈夫曼编码都不是另一个哈夫曼编码的前缀
哈夫曼树是带权路径长度最短的树,权值较大的节点离根节点较近(带权路径长度:树中所有的叶子节点的权值乘上其到根节点的路径长度。与最终的哈夫曼编码总长度成正比关系。)
布隆过滤器
一个空间效率高的概率型数据结构,可以用来告诉你:一个元素一定不存在或者可能存在
它实质上是一个很长的二进制向量和一系列随机映射函数(Hash函数)
优缺点
优点:空间效率和查询时间都远远超过一般的算法
缺点:有一定的误判率、删除困难
常见应用
网页黑名单系统、垃圾邮件过滤系统、爬虫的网址判重系统、解决缓存穿透问题
416



被折叠的 条评论
为什么被折叠?



