哈希表

一.哈希及其概念 通过一定的哈希函数，确定元素的存储位置。搜索效率较高，为O（1） 负载因子：存储元素个数/总表格长度 若大于一定值需要扩容 二.常见的哈希函数 直接定址法：hashfunc(date)=A*date+B;【A,B为常数】 除留余数法：hashfunc(date)=date%capacity【capacity为表格容量】 平方取中法：将数据平方后取中间三位。 折叠法：例 12345 12+34+5=51 三.哈希冲突 不同元素计算出的存储位置（哈希地址）相同 四.解决哈希冲突 1.前期需有效减少哈希冲突的发生--------》哈希函数设计要合理 哈希函数的值域必须在表格范围内 哈希函数要尽可能使元素分布均匀 哈希函数要尽可能简单 2.发生哈希冲突后如何解决 闭散列：从哈希冲突的位置，找下一个空余位置插入元素 开散列：将哈希冲突的元素按链表的形式挂在结点位置 五.闭散列 从哈希冲突的位置，找下一个空余位置插入元素。寻找方式有两种，线性探测和二次探测。 1.线性探测 直接向后+1查找。 优点：简单 缺点：容易造成数据堆积。一个冲突造成很多数据都冲突。 2.二次探测 H（i）=H0+i^2; 或者H（i）=H0- i^2; 优点：解决了数据堆积问题 缺点：可能要查找多次 3.初始化，需设置标志位【EX,EM,DE】 DE需要的原因，此位置不可以插入元素，也不可设置为EM

1 HashMap的数据结构 数据结构中有数组和链表来实现对数据的存储，但这两者基本上是两个极端。 数组 数组存储区间是连续的，占用内存严重，故空间复杂的很大。但数组的二分查找 时间复杂度小，为O(1)； 数组的特点是： 寻址容易，插入和删除困难； 链表 链表存储区间离散，占用内存比较宽松，故空间复杂度很小，但时间复杂度很大，达O（N）。 链表 的特点是： 寻址困难，插入和删除容易。 哈希表 那么我们能不能综合两者的特性，做出一种寻址容易，插入删除也容易的数据结构？答案是肯定的，这就是我们要提起的哈希表。哈希表（ (Hash table ） 既满足了数据的查找方便，同时不占用太多的内容空间，使用也十分方便。 从上图我们可以发现哈希表是由 数组+链表 组成的，一个长度为16的数组中，每个元素存储的是一个链表的头结点。那么这些元素是按照什么样的规则存储到数组中呢。一般情况是通过hash(key)%len获得，也就是元素的key的哈希值对数组长度取模得到。比如上述哈希表中，12%16=12,28%16=12,108%16=12,140%16=12。所以12、28、108以及140都存储在数组下标为12的位置。 　　HashMap其实也是一个线性的数组实现的,所以可以理解为其存储数据的容器就是一个线性数组。这可能让我们很不解，一个线性的数组怎么实现按键值对来存取数据呢

一，前言 1.1，概述 ​ 现实生活中，我们常会看到这样的一种集合：IP地址与主机名，身份证号与个人，系统用户名与系统用户对象等，这种一一对应的关系，就叫做映射（K-V）。Java提供了专门的集合类用来存放这种对象关系的对象，即 java.util.Map 接口。 Collection 中的集合，元素是孤立存在的（理解为单身），向集合中存储元素采用一个个元素的方式存储。 Map 中的集合，元素是成对存在的(理解为夫妻)。每个元素由键与值两部分组成，通过键(K)可以找对所对应的值(V)。 Collection 中的集合称为单列集合， Map 中的集合称为双列集合。 需要注意的是， Map 中的集合不能包含重复的键，值可以重复；每个键只能对应一个值。 ​ 通过查看Map接口描述，看到Map有多个子类，这里我们主要讲解常用的HashMap集合、LinkedHashMap集合。 HashMap<K,V> ：存储数据采用的哈希表结构，元素的存取顺序不能保证一致。由于要保证键的唯一、不重复，需要重写键的hashCode()方法、equals()方法。 LinkedHashMap<K,V> ：HashMap下有个子类LinkedHashMap，存储数据采用的哈希表结构+链表结构。通过链表结构可以保证元素的存取顺序一致；通过哈希表结构可以保证的键的唯一、不重复，需要重写键的hashCode()方法

参考链接:https://www.cnblogs.com/xiarongjin/p/8310011.html 1. HashMap的数据结构 数据结构 中有数组和链表来实现对数据的存储，但这两者基本上是两个极端。 数组 数组存储区间是连续的，占用内存严重，故空间复杂的很大。但数组的二分查找时间复杂度小，为O(1)；数组的特点是：寻址容易，插入和删除困难； 链表 链表存储区间离散，占用内存比较宽松，故空间复杂度很小，但时间复杂度很大，达O（N）。 链表 的特点是：寻址困难，插入和删除容易。 哈希表 那么我们能不能综合两者的特性，做出一种寻址容易，插入删除也容易的数据结构？答案是肯定的，这就是我们要提起的哈希表。哈希表（(Hash table）既满足了数据的查找方便，同时不占用太多的内容空间，使用也十分方便。 　　哈希表有多种不同的实现方法，我接下来解释的是最常用的一种方法—— 拉链法，我们可以理解为“ 链表的数组 ” ，如图： 　　从上图我们可以发现哈希表是由 数组+链表 组成的，一个长度为16的数组中，每个元素存储的是一个链表的头结点。那么这些元素是按照什么样的规则存储到数组中呢。一般情况是通过hash(key)%len获得，也就是元素的key的哈希值对数组长度取模得到。比如上述哈希表中，12%16=12,28%16=12,108%16=12,140%16=12。所以12、28

1. HashMap的数据结构 数据结构中有数组和链表来实现对数据的存储，但这两者基本上是两个极端。 数组 数组存储区间是连续的，占用内存严重，故空间复杂的很大。但数组的二分查找时间复杂度小，为O(1)；数组的特点是：寻址容易，插入和删除困难； 链表 链表存储区间离散，占用内存比较宽松，故空间复杂度很小，但时间复杂度很大，达O（N）。 链表 的特点是：寻址困难，插入和删除容易。 哈希表 那么我们能不能综合两者的特性，做出一种寻址容易，插入删除也容易的数据结构？答案是肯定的，这就是我们要提起的哈希表。哈希表（(Hash table）既满足了数据的查找方便，同时不占用太多的内容空间，使用也十分方便。 　　哈希表有多种不同的实现方法，我接下来解释的是最常用的一种方法—— 拉链法，我们可以理解为“ 链表的数组 ” ，如图： 　　从上图我们可以发现哈希表是由 数组+链表 组成的，一个长度为16的数组中，每个元素存储的是一个链表的头结点。那么这些元素是按照什么样的规则存储到数组中呢。一般情况是通过hash(key)%len获得，也就是元素的key的哈希值对数组长度取模得到。比如上述哈希表中，12%16=12,28%16=12,108%16=12,140%16=12。所以12、28、108以及140都存储在数组下标为12的位置。 　　HashMap其实也是一个线性的数组实现的

ArrayList、Vector、LinkedList的存储性能和特性 ArrayList 和Vector都是使用数组方式存储数据 ，此数组元素数大于实际存储的数据以便增加和插入元素，它们都允许直接按序号索引元素，但是插入元素要涉及数组元素移动等内存操作，所以索引数据快而插入数据慢，Vector中的方法由于添加了synchronized修饰，因此Vector是线程安全的容器，但性能上较ArrayList差，因此已经是Java中的遗留容器。 LinkedList使用 双向链表 实现存储（将内存中零散的内存单元通过附加的引用关联起来，形成一个可以按序号索引的线性结构，这种链式存储方式与数组的连续存储方式相比，内存的利用率更高）， 按序号索引数据需要进行前向或后向遍历 ，但是插入数据时只需要记录本项的前后项即可，所以插入速度较快。 TreeMap的底层实现 TreeMap 的实现就是红黑树数据结构，也就说是一棵自平衡的排序二叉树，这样就可以保证当需要快速检索指定节点。 红黑树的插入、删除、遍历时间复杂度都为O(lgN)，所以性能上低于哈希表。但是哈希表无法提供键值对的有序输出，红黑树因为是排序插入的，可以按照键的值的大小有序输出。红黑树性质： 性质1：每个节点要么是红色，要么是黑色。 性质2：根节点永远是黑色的。 性质3：所有的叶节点都是空节点（即 null），并且是黑色的。 性质4

平均查找长度(ASL, Average Search Length)： 在查找过程中，一次查找的长度是指需要比较的关键字次数，而平均查找长度则是所有查找过程中进行关键字比较次数的平均值，（即 ASL= \(\sum\) 查找概率*比较次数 ）（一般为等概率1/n） 静态查找表： 查找表的操作无需动态地修改查找表，如 顺序查找、折半查找、散列查找等。 动态查找表： 需要动态地插入或删除的查找表，如 二叉排序树、二叉平衡树、B树、散列查找等。 线性结构 顺序查找 适用条件： 适用于 线性表 基本思想： 从线性表的一段开始，逐个检查关键字是否满足给定的条件。若查找到某个元素的关键字满足给定的条件，则查找成功，返回该元素在线性表中的位置；若已经查找到表的另一端，但还没有查找到符合给定条件的元素，则返回查找失败的信息。 具体实现： typedef struct { //查找表的数据结构 ElemType *data; //元素空间基址，建表时按实际长度分配，0号单元留空 int length; //表的长度 }List; //Sequential Search Table //在顺序表L中顺序查找关键字为key的元素。若找到则返回该元素在表中的位置 int Search_Seq(List L, ElemType key) { L.data[0] = key; //“哨兵” for(i = L

什么是Python Python是一种解释型语言，也就是说，它和C语言以及C的衍生语言不通，Python代码在运行之前不需要编译 Python是一种动态类型语言，指的是，你在声明变量时不需要指定变量的类型 Python让困难的事变的容易，因此程序员可以专注于算法和数据结构的设计，而不用处理底层的细节 Python用途非常广泛–网络应用，自动化，科学建模，大数据应用等等，它也常被用作“胶水语言”，用于帮助其他语言和组件改善运行状况 Python支持的数据类型 数字、字符串、元组、字典、列表 下划线的作用 _xxx：表示的是protected类型，即只允许其本身和子类进行访问 __xxx：表示的是private类型 __xxx__：表示的特列方式，如__init__ 如何生成一个不可变集合 使用 frozenset 函数，将一个列表变成一个不可变的集合，如下： s = frozenset([1, 2, 3]) is与== is对比地址，==是对比值 多线程与多进程 对比维度 多进程 多线程 数据共享、同步 数据共享复杂，需要用到IPC；数据是分开的、同步简单 因为共享进程数据，所以共享简单，但也因为这个导致同步复杂 内存、CPU 占用内存多，切换复杂，CPU利用率低 占用内存小，切换简单，CPU利用率高 创建、销毁、切换 创建销毁、切换复杂，速度很慢 创建销毁、切换简单，速度很快 编程

Redis简述 Redis 是完全开源免费的，遵守BSD协议，先进的key - value持久化产品。它通常被称为数据结构服务器，因为值（value）可以是 字符串(String), 哈希(Map), 列表(list), 集合(sets) 和 有序集合(sorted sets)等类型。 redis 是一个高性能的key-value数据库。 redis的出现，很大程度补偿了memcached这类keyvalue存储的不足，在部 分场合可以对关系数据库起到很好的补充作用。它提供了Python，Ruby，Erlang，PHP客户端，使用很方便。问题是这个项目还很新，可能还不足够稳定，而且没有在实际的一些大型系统应用的实例。此外，缺乏mc中批量get也是比较大的问题，始终批量获取跟多次获取的网络开销是不一样的。 性能测试结果： SET操作每秒钟 110000 次，GET操作每秒钟 81000 次，服务器配置如下： Linux 2.6, Xeon X3320 2.5Ghz. stackoverflow 网站使用 Redis 做为缓存服务器。 安装过程： Redis是一种高级key-value数据库。它跟memcached类似，不过数据可以持久化，而且支持的数据类型很丰富。有字符串，链表，集 合和有序集合。支持在服务器端计算集合的并，交和补集(difference)等，还支持多种排序功能

JavaScript实现树结构（一） 一、树结构简介 1.1.简单了解树结构 什么是树？ 真实的树： 树的特点： 树一般都有一个 根 ，连接着根的是 树干 ； 树干会发生分叉，形成许多 树枝 ，树枝会继续分化成更小的 树枝 ； 树枝的最后是 叶子 ； 现实生活中很多结构都是树的抽象，模拟的树结构相当于旋转 180° 的树。 树结构对比于数组/链表/哈希表有哪些优势呢： 数组： 优点：可以通过 下标值访问 ，效率高； 缺点：查找数据时需要先对数据进行 排序 ，生成 有序数组 ，才能提高查找效率；并且在插入和删除元素时，需要大量的 位移操作 ； 链表： 优点：数据的插入和删除操作效率都很高； 缺点： 查找 效率低，需要从头开始依次查找，直到找到目标数据为止；当需要在链表中间位置插入或删除数据时，插入或删除的效率都不高。 哈希表： 优点：哈希表的插入/查询/删除效率都非常高； 缺点： 空间利用率不高 ，底层使用的数组中很多单元没有被利用；并且哈希表中的元素是 无序 的，不能按照固定顺序遍历哈希表中的元素；而且不能快速找出哈希表中 最大值或最小值 这些特殊值。 树结构： 优点：树结构综合了上述三种结构的优点，同时也弥补了它们存在的缺点（虽然效率不一定都比它们高），比如树结构中数据都是有序的，查找效率高；空间利用率高；并且可以快速获取最大值和最小值等。 总的来说：