【数据结构基础】树 - 基础和Overview

大数据处理 - Overview 布隆过滤器有着广泛的应用,对于大量数据的“存不存在”的问题在空间上有明显优势,但是在判断存不存在是有一定的错误率(false positive),也就是说,有可能把不属于这个集合的元素误认为属于这个集合(False Positive),但不会把属于这个集合的元素误认为不属于这个集合(False Negative)适用范围: 第k大,中位数,不重复或重复的数字;分而治之/hash映射: 针对数据太大,内存受限,只能是: 把大文件化成(取模映射)小文件,即16字方针: 大而化小,各个击破,缩小规模,逐个解决。 阅读详情

知识体系结构

树

树是一种数据结构,它是n(n>=0)个节点的有限集。n=0时称为空树。n>0时,有限集的元素构成一个具有层次感的数据结构。

区别于线性表一对一的元素关系,树中的节点是一对多的关系。树具有以下特点:

  • n>0时,根节点是唯一的,不可能存在多个根节点。

  • 每个节点有零个至多个子节点;除了根节点外,每个节点有且仅有一个父节点。根节点没有父节点。

树的相关概念

树有许多相关的术语与概念,在学习树的结构之前,我们要熟悉这些概念。

  • 子树: 除了根节点外,每个子节点都可以分为多个不相交的子树。(图二)

  • 孩子与双亲: 若一个结点有子树,那么该结点称为子树根的"双亲",子树的根是该结点的"孩子"。在图一中,B、H是A的孩子,A是B、H的双亲。

  • 兄弟: 具有相同双亲的节点互为兄弟,例如B与H互为兄弟。

  • 节点的度: 一个节点拥有子树的数目。例如A的度为2,B的度为1,C的度为3.

  • 叶子: 没有子树,也即是度为0的节点。

  • 分支节点: 除了叶子节点之外的节点,也即是度不为0的节点。

  • 内部节点: 除了根节点之外的分支节点。

  • 层次: 根节点为第一层,其余节点的层次等于其双亲节点的层次加1.

  • 树的高度: 也称为树的深度,树中节点的最大层次。

  • 有序树: 树中节点各子树之间的次序是重要的,不可以随意交换位置。

  • 无序树: 树种节点各子树之间的次序是不重要的。可以随意交换位置。

  • 森林: 0或多棵互不相交的树的集合。例如图二中的两棵树为森林。

二叉树、完全二叉树、满二叉树

  • 二叉树: 最多有两棵子树的树被称为二叉树

  • 斜树: 所有节点都只有左子树的二叉树叫做左斜树,所有节点都只有右子树的二叉树叫做右斜树。(本质就是链表)

  • 满二叉树: 二叉树中所有非叶子结点的度都是2,且叶子结点都在同一层次上

  • 完全二叉树: 如果一个二叉树与满二叉树前m个节点的结构相同,这样的二叉树被称为完全二叉树

二叉查找树 - BST

二叉查找树(Binary Search Tree)是指一棵空树或者具有下列性质的二叉树:

  • 若任意节点的左子树不空,则左子树上所有节点的值均小于它的根节点的值;

  • 若任意节点的右子树不空,则右子树上所有节点的值均大于它的根节点的值;

  • 任意节点的左、右子树也分别为二叉查找树;

  • 没有键值相等的节点。

二叉查找树相比于其他数据结构的优势在于查找、插入的时间复杂度较低为 O ( log ⁡ n ) 。二叉查找树是基础性数据结构,用于构建更为抽象的数据结构,如集合、多重集、关联数组等。

平衡二叉树 - AVL

含有相同节点的二叉查找树可以有不同的形态,而二叉查找树的平均查找长度与树的深度有关,所以需要找出一个查找平均长度最小的一棵,那就是平衡二叉树,具有以下性质:

  • 要么是棵空树,要么其根节点左右子树的深度之差的绝对值不超过1;

  • 其左右子树也都是平衡二叉树;

  • 二叉树节点的平衡因子定义为该节点的左子树的深度减去右子树的深度。则平衡二叉树的所有节点的平衡因子只可能是-1,0,1。

红黑树

红黑树也是一种自平衡的二叉查找树。

  • 每个结点要么是红的要么是黑的。(红或黑)

  • 根结点是黑的。 (根黑)

  • 每个叶结点(叶结点即指树尾端NIL指针或NULL结点)都是黑的。 (叶黑)

  • 如果一个结点是红的,那么它的两个儿子都是黑的。 (红子黑)

  • 对于任意结点而言,其到叶结点树尾端NIL指针的每条路径都包含相同数目的黑结点。(路径下黑相同)

用法最广:

  • Java ConcurrentHashMap & TreeMap

  • C++ STL: map & set

  • linux进程调度Completely Fair Scheduler,用红黑树管理进程控制块

  • epoll在内核中的实现,用红黑树管理事件块

  • nginx中,用红黑树管理timer等

哈弗曼树

哈夫曼又称最优二叉树。是一种带权路径长度最短的二叉树,一般可以按下面步骤构建:

  • 将所有左,右子树都为空的作为根节点。

  • 在森林中选出两棵根节点的权值最小的树作为一棵新树的左,右子树,且置新树的附加根节点的权值为其左,右子树上根节点的权值之和。注意,左子树的权值应小于右子树的权值。

  • 从森林中删除这两棵树,同时把新树加入到森林中。

  • 重复2,3步骤,直到森林中只有一棵树为止,此树便是哈夫曼树。

B树

B树(英语: B-tree)是一种自平衡的树,能够保持数据有序。这种数据结构能够让查找数据、顺序访问、插入数据及删除的动作,都在对数时间内完成。B树,概括来说是一种自平衡的m阶树,与自平衡二叉查找树不同,B树适用于读写相对大的数据块的存储系统,例如磁盘。

  • 根结点至少有两个子女。

  • 每个中间节点都包含k-1个元素和k个孩子,其中 m/2 <= k <= m

  • 每一个叶子节点都包含k-1个元素,其中 m/2 <= k <= m

  • 所有的叶子结点都位于同一层。

  • 每个节点中的元素从小到大排列,节点当中k-1个元素正好是k个孩子包含的元素的值域分划。

B-Tree中的每个节点根据实际情况可以包含大量的关键字信息和分支,如下图所示为一个3阶的B-Tree:

B+树

B+ 树是一种树数据结构,通常用于关系型数据库(如Mysql)和操作系统的文件系统中。B+ 树的特点是能够保持数据稳定有序,其插入与修改拥有较稳定的对数时间复杂度。B+ 树元素自底向上插入,这与二叉树恰好相反。

在B树基础上,为叶子结点增加链表指针(B树+叶子有序链表),所有关键字都在叶子结点 中出现,非叶子结点作为叶子结点的索引;B+树总是到叶子结点才命中。

b+树的非叶子节点不保存数据,只保存子树的临界值(最大或者最小),所以同样大小的节点,b+树相对于b树能够有更多的分支,使得这棵树更加矮胖,查询时做的IO操作次数也更少。

将上一节中的B-Tree优化,由于B+Tree的非叶子节点只存储键值信息,假设每个磁盘块能存储4个键值及指针信息,则变成B+Tree后其结构如下图所示:

R树

R树是用来做空间数据存储的树状数据结构。例如给地理位置,矩形和多边形这类多维数据建立索引。

R树的核心思想是聚合距离相近的节点并在树结构的上一层将其表示为这些节点的最小外接矩形(MBR),这个最小外接矩形就成为上一层的一个节点。因为所有节点都在它们的最小外接矩形中,所以跟某个矩形不相交的查询就一定跟这个矩形中的所有节点都不相交。叶子节点上的每个矩形都代表一个对象,节点都是对象的聚合,并且越往上层聚合的对象就越多。也可以把每一层看做是对数据集的近似,叶子节点层是最细粒度的近似,与数据集相似度100%,越往上层越粗糙。

总结

我们知道,实际应用当中,我们经常使用的是查找和排序操作,这在我们的各种管理系统、数据库系统、操作系统等当中,十分常用。

数组的下标寻址十分迅速,但计算机的内存是有限的,故数组的长度也是有限的,实际应用当中的数据往往十分庞大;而且无序数组的查找最坏情况需要遍历整个数组;后来人们提出了二分查找,二分查找要求数组的构造一定有序,二分法查找解决了普通数组查找复杂度过高的问题。任何一种数组无法解决的问题就是插入、删除操作比较复杂,因此,在一个增删查改比较频繁的数据结构中,数组不会被优先考虑

普通链表由于它的结构特点被证明根本不适合进行查找

哈希表是数组和链表的折中,同时它的设计依赖散列函数的设计,数组不能无限长、链表也不适合查找,所以也不适合大规模的查找

二叉查找树因为可能退化成链表,同样不适合进行查找

AVL树是为了解决可能退化成链表问题,但是AVL树的旋转过程非常麻烦,因此插入和删除很慢,也就是构建AVL树比较麻烦

红黑树是平衡二叉树和AVL树的折中,因此是比较合适的。集合类中的Map、关联数组具有较高的查询效率,它们的底层实现就是红黑树。

多路查找树 是大规模数据存储中,实现索引查询这样一个实际背景下,树节点存储的元素数量是有限的(如果元素数量非常多的话,查找就退化成节点内部的线性查找了),这样导致二叉查找树结构由于树的深度过大而造成磁盘I/O读写过于频繁,进而导致查询效率低下。

B树与自平衡二叉查找树不同,B树适用于读写相对大的数据块的存储系统,例如磁盘。它的应用是文件系统及部分非关系型数据库索引。

B+树在B树基础上,为叶子结点增加链表指针(B树+叶子有序链表),所有关键字都在叶子结点 中出现,非叶子结点作为叶子结点的索引;B+树总是到叶子结点才命中。通常用于关系型数据库(如Mysql)和操作系统的文件系统中。

B*树是B+树的变体,在B+树的非根和非叶子结点再增加指向兄弟的指针, 在B+树基础上,为非叶子结点也增加链表指针,将结点的最低利用率从1/2提高到2/3。

R树是用来做空间数据存储的树状数据结构。例如给地理位置,矩形和多边形这类多维数据建立索引。

Trie树是自然语言处理中最常用的数据结构,很多字符串处理任务都会用到。Trie树本身是一种有限状态自动机,还有很多变体。什么模式匹配、正则表达式,都与这有关。

针对大量数据,如果在内存中作业优先考虑红黑树(map,set之类多为RB-tree实现),如果在硬盘中作业优先考虑B系列树(B+, B, B*)

参考文章

文章中一些图片和内容来源:
Linux Kernel TCP/IP Stack — Overview 目录 文章目录目录协议栈的全景图协议栈的逻辑架构协议栈的分层架构协议栈的数据结构 协议栈的全景图 协议栈的逻辑架构 L1 物理层:主要提供各种连接的物理设备,如各种网卡,串口卡等。 L2 链路层:主要提供对物理层进行访问的各种接口卡的驱动程序,如网卡驱动等。 L3 网路层:是负责将网络数据包传输到正确的位置,最重要的网络层协议是 IP 协议,此外还有如 ICMP,ARP,RARP 等协议。 L4 传输层:为应用程序之间提供端到端连接,主要为 TCP 和 UDP 协议。 L5-7 应用层:顾名思义,主要 阅读详情

相关推荐

KVM — Overview

目录 文章目录目录前文列表KVM 前文列表 《虚拟化技术实现 — 虚拟化技术发展编年史》 KVM

烟云的计算 5355

树 - 基础和Overview

我们知道,实际应用当中,我们经常使用的是查找和排序操作,这在我们的各种管理系统、数据库系统、操作系统等当中,十分常用。数组的下标寻址十分迅速,但计算机的内存是有限的,故数组的长度也是有限的,实际应用当中的数据往往十分庞大;而且无序数组的查找最坏情况需要遍历整个数组;后来人们提出了二分查找,二分查找要求数组的构造一定有序,二分法查找解决了普通数组查找复杂度过高的问题。任何一种数组无法解决的问题就是插入、删除操作比较复杂,因此,在一个增删查改比较频繁的数据结构中,数组不会被优先考虑普通链表。

珍惜当下 908

CS-Overview

CS-Overview

jalooa的博客 372

【数据结构基础】图 - 基础和Overview

图(Graph)是由顶点和连接顶点的边构成的离散结构。在计算机科学中,图是最灵活的数据结构之一,很多问题都可以使用图模型进行建模求解。例如: 生态环境中不同物种的相互竞争、人与人之间的社交与关系网络、化学上用图区分结构不同但分子式相同的同分异构体、分析计算机网络的拓扑结构确定两台计算机是否可以通信、找到两个城市之间的最短路径等等。

DeveloperFire的博客 1839

android10 部分机型(华为)无法正常更新安装app

android.content.ActivityNotFoundException: No Activity found to handle Intent { act=android.intent.action.VIEW dat=file://storage/emulated/0/文件夹名/***.apk typ=application/vnd.android.package-archive }

森森先生的博客 3929

抖音直播行为规范考试

抖音直播行为规范考试

Q1642968641的博客 1万+

图 - 基础和Overview

图(Graph)是由顶点的有穷非空集合和顶点之间边的集合组成,通常表示为: G(V,E),其中,G表示一个图,V是图G中顶点的集合,E是图G中边的集合。线性表中我们把数据元素叫元素,树中将数据元素叫结点,在图中数据元素,我们则称之为顶点(Vertex)。线性表可以没有元素,称为空表;树中可以没有节点,称为空树;但是,在图中不允许没有顶点(有穷非空性)。线性表中的各元素是线性关系,树中的各元素是层次关系,而图中各顶点的关系是用边来表示(边集可以为空)。

珍惜当下 954

长短期记忆网络(LSTM)预测模型及其Python和MATLAB实现

LSTM 通过独特的门控机制解决了传统 RNN 的梯度消失和梯度爆炸问题,使其在处理长序列时具有显著优势。随着技术的不断发展,LSTM 及其变种(如 Bi-directional LSTM、Stacked LSTM 等)有望在更复杂的任务中发挥重要作用。2. **可视化真实值和预测值**:通过绘图来比较真实值和预测值,判断模型的准确性。2. **输入门(Input gate)**:决定当前的输入信息对细胞状态的影响。1. **细胞状态(Cell state)**:保持信息在时间步之间的传递。

qq_45441438的博客 2058

java 规格overview_《Java數據結構和算法》- OverView

Q: 不同數據結構的優缺點?數據結構優點缺點數組(Array)快速訪問,如果知道下標,就可以非常快地存取查找慢, 插入或刪除慢, 大小固定有序數組(OrderedArray)比無序的數組查找快插入或刪除慢,大小固定棧(Stack)提供后進先出方式的存取存取其他項很慢隊列(Queue)提供先進先出方式的存取存取其他項很慢鏈表(LinkedList)插入快,刪除快查找慢二叉樹(BinaryTree)查...

weixin_35723924的博客 111

CANFD加速是什么?和CANFD有什么区别?

在使用CAN设备上位机的时候,已经选择了CANFD,但还有一个选项是“CANFD加速”,那CANFD加速和不加速有什么区别呢?刚接触CANFD小伙伴肯定一脸懵,本篇主要是给大家分享一下他们的区别,如果对你有帮助,请转发,收藏,点赞💐🎉👍😊

汽车电子软件领域知识分享 1041

Amesim应用篇-电芯等效电路模型标定

为了使计算模型更加准确,在有电芯实验测试数据的情况下,依据现有的实验数据对Amesim中的电池等效电路模型进行标定。标定的目的是为了获得更加符合项目实际情况的电芯等效电路模型,标定完的电芯可以用于搭建PACK模型,也可以用于其他虚拟实验。本文以充电标定为例,进行介绍。放电标定与充电一致。

2201_75375391的博客 1215

完美解决 RabbitMQ 可视化界面中 Overview 不显示图形的问题

🐬初学一门技术时,总有些许的疑惑,别怕,它们是我们学习路上的点点繁星,帮助我们不断成长。🐟文章粗浅,希望对大家有帮助!

仰望天空,妳我亦是行人. 3736

银河麒麟操作系统最佳实践专栏介绍

本专栏聚焦国产银河麒麟操作系统(桌面版/服务器版)的实战应用,提供系统安装、配置优化、应用部署、故障排查等实用指南。内容基于真实操作场景,涵盖Linux通用技术(如RAID配置、环境变量管理)、服务器系统专项(如数据库迁移、驱动安装、安全加固)及桌面系统技巧(如PXE安装、镜像封装)。面向IT运维、开发者和国产化转型人员,突出实战性和差异化,帮助用户规避常见问题,提升系统管理效率。所有教程均配有详细步骤和截图,确保可操作性,并持续更新适配新版系统。

信创运维工程师 · 银河麒麟 & 容器实战 | 金融生产环境迁移·等保加固 | 142篇原创·17万+阅读 534

Java数据结构和算法 - OverView

Q: 为什么要学习数据结构与算法? A:如果说Java语言是自动档轿车,C语言就是手动档吉普。数据结构呢?是变速箱的工作原理。你完全可以不知道变速箱怎样工作,就把自动档的车子从1档开到4档,而且未必就比懂得的人慢。写程序这件事,和开车一样,经验可以起到很大作用,但如果你不知道底层是怎么工作的,就永远只能开车,既不会修车,也不能造车。如果你对这两件事都不感兴趣也就罢了,数据结构懂得用就好。但若你...

weixin_30588675的博客 112

python基础:工作会用到的95%的基础python代码都在这了(万字详解!)

本文是一份Python编程语言的快速参考备忘单,涵盖了Python基础语法和常用数据类型。主要内容包括:Python入门指南(打印、变量声明)、内置数据类型(字符串、数值、列表、元组、集合、字典等)、控制结构(判断、循环)、函数定义、文件处理操作以及字符串操作方法(切片、循环遍历等)。这个备忘单特别适合初学者快速查阅Python基础语法,同时也提供了数据类型转换、f-string格式化字符串等实用技巧。通过简洁的代码示例展示了Python的基本语法规则和典型用法。

数据知道的博客 8165

OpenClaw Windows 安装指南

好的,我来一步一步带你在 Windows 上安装 OpenClaw。

m0_60605453的博客 553

数据结构与算法overview——第一章绪论

0 序言 基本结构(三部分) 数据结构的基本概念(第1章 绪论) 基本的数据结构 线性结构 线性表(第2章) 栈和队列(第3章) 串(第4章) 数组和广义表(第4章) 非线性结构 树(第5章) 图(第6章) 基本的数据处理技术 查找(第7章) 排序(第8章) 1 绪论 1.1 数据结构的研究内容 数据结构研究非数值计算的程序设计中计算机操作对象以及它们之间的关系和操作 1.2 基本概念和术语 1.2.1 数据、数据元素、数据项和数据对象 数据:能输入计算机且能被计算机处理

Seanfly9105的博客 403

VC中sqlite的使用

在VC中对sqlite的使用,实现数据库大批数据的快速插入,读取数据库中的数据在ListCtrl中显示

AI Overview时代:技术内容创作者如何应对搜索范式变革

搜索引擎正经历从关键词匹配到智能解答的范式转移,其核心在于大语言模型(LLM)对查询意图的深度理解与多源信息整合。这一变革的技术价值在于提升了信息获取效率,实现了从‘链接列表’到‘结构化答案’的跨越。在应用场景上,它深刻影响了技术内容生态,对依赖搜索流量的博客、论坛和文档站点构成了挑战。面对AI Overview带来的流量入口收窄,技术内容创作者需要重新定义内容价值,从提供浅层信息转向构建深度、系统化的解决方案,例如撰写包含完整项目实战、原理剖析与排错记录的‘高抵抗力’教程,并积极运用AI工具辅助内容生产与

weixin_33923762的博客 368

温度PID控制PLC程序

温度PID稳定控制程序,适用于欧姆龙PLC,对其他PLC也具有很大参考价值

jre9下载 jdk9

(Java SE Runtime Environment 9.0) 9.0u175 官方最新版 【x86|x64】

ConcurrentHashMap overview

英文原文 Overview: The primary design goal of this hash table is to maintain concurrent readability (typically method get(), but also iterators and related methods) while minimizing update contention. Sec...

五石之瓠 以为大樽 浮于江湖 悠笑人生 335

复分析 阿尔福斯(Ahlfors) 第三版答案 英文

答案分为十章,有部分习题没有答案,全英文复分析阿尔福斯(Ahlfors) 第三版答案

Machine Learning Overview

Journal: http://jmlr.csail.mit.edu/papers/Blog: http://hunch.net/Surveys: http://www.mlsurveys.com/Tutorials: http://www.autonlab.org/tutorials/Lectures: http://www.cs.cmu.edu/~tom/10701_sp11/lectures

The Rain in the Night 1494

Spark Overview

一直以来都想了解一下 Spark 的运行原理, 但一直都浮于表面, 难以深入. 去年买了一本 《大数据处理框架 Apache Spark 设计与实现》, 但是一直没时间好好看看, 最近抽时间过了一下这本书, 在此记录一下.先大致了解一下 Spark.

Milkha的博客 1266

CODESYS Control Overview

一.介绍 CODESYS IDE 开发系统:开发、编译、调试和下载IEC应用 写IEC应用程序代码 配置I/O系统 可视化设计 CODESYS Control V3:CODESYS IDE相对应的PLC runtime,控制IEC应用程序系统的特定runtime环境 特点: 执行CODESYS编译的PLC应用程序代码 下载与调试 I/O驱动管理 保留数据管理 多任务处...

weixin_42409810的博客 4110

01. Overview Redis 关于Redis

LOGO The tags of features: 开源,内存数据存储,被用作为数据库,cache and message 中间人/中间件 一个实例:单进程(无子进程),单线程,I/O多路复用( multiplexing and non-blocking I/O)处理客户端的TCP连接。 ...

baibo6666684的博客 138

1 Introduction and overview 介绍和概览

SOME/IP第1章节翻译+解释

whs_csdn的博客 225

Sysfs overview

最近想把驱动模型彻底整明白,翻译了几篇文档,这篇sysfs是Patrick Mochel 2003年写的,现在代码有些变化,不过可以让我们基本了解sysfs这个东西。发现个有趣的事情,一般看kernel的东西都会在文件头部看到作者的信息,然后google.com搜这些大侠的名字和相关模块都能找到相关的知识~~   sysfs说穿了是kernel和userspace打交道的一个借口,kernel

wxie的Linux人生 1645

玩转ProtoBuf系列1:Overview

Protocol Buffers,简称ProtoBuf,是Google开发的一种跨语言、跨平台、可扩展的序列化结构数据的方法。支持向前和向后兼容,提供原生语言绑定,比JSON/XML更小更快。

yuchenshu89757的博客 280
上一篇: 【数据结构基础】线性表 - 栈和队列
下一篇: 【数据结构基础】树 - 二叉搜索树(BST)
毕设王同学
博客等级 码龄12年 133粉丝 128原创
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付:10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

毕设王同学

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值