算法图解-----十种常用算法

10种算法
1、二叉查找树
节点：左子节点的值都比它小，而右子节点的值都比它大
插入后无需排序，

2、反向索引
搜索引擎的工作原理，创建一个散列表，键为“搜索词”，值为“包含搜索词的界面”；

3、傅里叶变换
“给它一杯冰沙，它能告诉你其中包含哪些成分”，例如：给定一首歌曲，傅里叶变换能够将其中的各种频率分离出来。使用傅里叶变换可创建类似于“酷狗”这样的音乐识别软件。

4、并行算法
为了提高算法的速度，我们需要让它们能够在多个内核中并行地执行。例如：对数组进行排序，在最佳情况下，排序算法的速度大致为O(nlongn)。但是在快速排序的并行版本所需的时间为O(n)。

并行算法设计的速度提升并非线性的，因此即便你的笔记本电脑装备了两个而不是一个内核，算法的速度也不可能提高一倍，其中的原因有两个：
a、并行性管理开销。假设你要对一个包含1000个元素的数组进行排序，如何在两个内核之间分配这项任务呢？如果让每个内核对其中500个元素进行排序，再将两个排好序的数组合并成一个有序数组，那么合并也是需要时间的。
b、负载均衡。假设你需要完成10个任务，因此你给每个内核都分配5个任务。但分配给内核A的任务都很容易，10秒钟就完成了，而分配给内核B的任务都很难，1分种才完成。这意味着有那么50秒，内核B在忙死忙活，而内核A去闲得很，你如何均匀地分配工作，让两个内核都一样忙呢？
要改善性能和可扩展性，并行算法可能是不错的选择！

5、MapReduce(Apache Hadoop)
分布式算法，可让算法在多台计算机上运行。
例如：你有一个数据库表，包含数十亿乃至数万亿行，需要对其执行复杂的SQL查询。在这种情况下，你不能使用MySQL，因为数据表的行数超过十亿后，它处理起来将很吃力。相反，你需要通过Hadoop来使用MapReduce！
分布式算法非常适合用于在短时间内完成海量