数据结构与算法JavaScript (不定时更新)

Just_do

楼楼非计算机专业,但是对计算机也还算喜欢。个人理解若有偏差,欢迎各位批评指正!

对于数据结构和算法一直是我的薄弱环节,相信大多数前端工程师可能多少会有些这方面的弱点,加上数据结构和算法本来就有些枯燥,立下个flag,三天过后抛之脑后的也时有发生,好了,收起老妈子的叨叨叨,毕竟楼楼还是个美少女,哈哈哈~

在JS中,我所知的稍微复杂点的数据结构有数组和对象。

但是统观大多数语言,就会发现自己知道的太少了,当然以下涉及到的我们可能会用的很少。但是个人认为这些是思想上的沉淀,所发生的的变化带给自己的影响也将会是潜移默化的,就当是润物细无声了,哈哈哈~

楼楼借鉴了数据结构与算法JavaScript描述一书,在写这篇帖子时~

==开始----------------------------------------------------------------------------------------------==

关于那些定义:

数组:

一个存储元素的线性集合(collection),元素可以通过索引来任意存取,索引通常是数字,用来计算元素之间存储位置的偏移量。

数组的那些方法(js)
es6新增
Array.from()//伪数组转数组  不支持的话我们还可以通过call和apply改变this指向,从而达到伪数组调用数组的方法
Array.of() //将一组值,转换为数组
Array.prototype.copyWithin(target, start = 0, end = this.length) //指定位置的成员复制到其他位置(会覆盖原有成员),然后返回当前数组。也就是说,使用这个方法,会修改当前数组。
    target(必需):从该位置开始替换数据。如果为负值,表示倒数。
    start(可选):从该位置开始读取数据,默认为 0。如果为负值,表示倒数。
    end(可选):到该位置前停止读取数据,默认等于数组长度。如果为负值,表示倒数。
Array.find(item => item > 0) 找到数组中符合条件的元素返回,如果没有符合条件的元素返回undefine
Array.findIndex(item => item > 0) 返回第一个符合条件的数组成员的位置,如果所有成员都不符合条件,则返回-1。
Array.fill() //使用一个值来填充数组
entries()【对键值】 keys()【对键】 values()【对值】 用于遍历数组。他们都返回一个遍历器对象。
Array.includes() 这个方法必须力推,返回布尔值,表示某个数组是否包含特定的值,与字符串includes方法类似
    
另外还有这些,就不一一赘述了
join()  push()和pop() shift() 和 unshift() sort()  reverse()  concat()  slice()
splice()  indexOf()和 lastIndexOf() (ES5新增) forEach() (ES5新增)  map() (ES5新增)
filter() (ES5新增)  every() (ES5新增)  some() (ES5新增) reduce()和 reduceRight() (ES5新增)
数组中较为复杂的应为二维和多维数组。
JavaScript 只支持一维数组,但是通过在数组里保存数组元素的方式,可以轻松创建多维数组。
列表

列表是一组有序的数据。每个列表中的数据项称为元素。在 JavaScript 中,列表中的元素可以是任意数据类型。列表中可以保存多少元素并没有事先限定,实际使用时元素的数量受到程序内存的限制。列表有前有后(分别对应 front 和 end)。

栈是一种特殊的列表,栈内的元素只能通过列表的一端访问,这一端称为栈顶。栈被称为一种后入先出(LIFO,last-in-first-out)的数据结构。入栈使用 push() 方法,出栈使用 pop() 方法。

队列

队列是一种先进先出(First-In-First-Out,FIFO)的数据结构。插入操作也叫做入队,删除操作也叫做出队。入队操作在队尾插入新元素,出队操作删除队头的元素。

链表

==背景:在很多编程语言中,数组的长度是固定的,所以当数组已被数据填满时,再要加入新的元素就会非常困难。在数组中,添加和删除元素也很麻烦,因为需要将数组中的其他元素向前或向后平移,以反映数组刚刚进行了添加或删除操作。然而JavaScript 的数组并不存在上述问题,因为使用 split() 方法不需要再访问数组中的其他元素了。==
链表是由一组节点组成的集合。每个节点都使用一个对象的引用指向它的后继。指向另一个节点的引用叫做链。

我们常说的链表是单向链表
图片描述

双向链表示意图:
图片描述

循环链表示意图
图片描述

通过这三个图片希望你对链表有初步认知。

字典

字典是一种以键 - 值对形式存储数据的数据结构,一般大家谈到字典会说到电话簿,我觉得在JS里他更像是Object类,一个键对应一个值。但是很多教材中会说,Dictionay 类的基础是 Array 类,而不是 Object 类。OK,That's OK! 毕竟JavaScript中万物皆对象。

散列

散列是一种常用的数据存储技术,散列后的数据可以快速地插入或取用。散列使用的数据结构叫做散列表。在散列表上插入删除和取用数据都非常快,但是对于查找操作来说却效率低下,比如查找一组数据中的最大值和最小值。这些操作得求助于其他数据结构,二叉查找树就是一个很好的选择。

即使使用一个高效的散列函数,仍然存在将两个键映射成同一个值的可能,这种现象称为碰撞(collision)

==hashTable的实现就是典型的基于散列的一种数据结构,在这里有兴趣的话还可以去看一下霍纳算法==

当散列函数对于多个输入产生同样的输出时,就产生了碰撞。

碰撞的解决方法:开链法和线性探测法

开链法是指实现散列表的底层数组中,每个数组元素又是一个新的数据结构,比如另一个数组,这样就能存储多个键了。使用这种技术,即使两个键散列后的值相同,依然被保存在同样的位置,只不过它们在第二个数组中的位置不一样罢了。

线性探测法隶属于一种更一般化的散列技术:开放寻址散列。当发生碰撞时,线性探测法检查散列表中的下一个位置是否为空。如果为空,就将数据存入该位置;如果不为空,则继续检查下一个位置,直到找到一个空的位置为止。该技术是基于这样一个事实:每个散列表都会有很多空的单元格,可以使用它们来存储数据。

集合

集合是由一组无序但彼此之间又有一定相关性的成员构成的,每个成员在集合中只能出现一次。

• 不包含任何成员的集合称为空集,全集则是包含一切可能成员的集合。
• 如果两个集合的成员完全相同,则称两个集合相等。
• 如果一个集合中所有的成员都属于另外一个集合,则前一集合称为后一集合的子集。

对集合的基本操作有下面几种。

• 并集
将两个集合中的成员进行合并,得到一个新集合。
• 交集
两个集合中共同存在的成员组成一个新的集合。
• 补集
属于一个集合而不属于另一个集合的成员组成的

树:

树是一种非线性的数据结构,以分层的方式来存储数据。

树:

树是一种非线性的数据结构,以分层的方式来存储数据。
其中树里面常被提起的应当是二叉树。提起二叉树补充一些,这是我一个朋友写的,感觉写的比较好。拿出来分享一下~
表达顺序集比较合适的数据结构树。。。树最合适。为什么?


    二叉搜索树天然可用于排序的二分查找,左子树小于根节点,右子树大于根节点,树的高度即为最大搜索次数,是很小的常数。
    二叉搜索树 改进为 二叉平衡搜索树
    二叉搜索树有什么劣势?树的构建受数据集合的顺序影响,极端情况下,蜕化为单项链表,失去二叉树的意义,检索复杂度退化到顺序遍历。
    因此二叉搜索树需要平衡,即左右子树高度要相近。
二叉平衡搜索树 改进为 B树
    搜索复杂度为 log2 (n),要想进一步降低搜索次数即树高度,怎么办?增大对数的底,底越大,对数值越小。
    因此改进为 m 阶树,并对非根节点的key个数进行约定(m/2 ~ m),成为B树。
B树 改进为 B+树
    B树的劣势:B树每个节点包含数据记录本身或指针,内存空间占用大,反复换页导致访存低效;典型业务场景查询的都是一段范围的数据记录,不仅仅是单条,B树比较慢。
    改进措施:树的非叶子节点不包含数据记录,叶子节点包含数据记录的指针(聚集索引的key),整体减小索引树占用的内存,提高访存效率;所有数据记录被叶子节点覆盖,叶子节点天然是有序的,以单项链表连接,很方便遍历一段范围的记录。
改进后即为 B+ 树。mariadb-10.3使用的即为B+树。
B+树 改进为 B*树
    B+树的劣势:每个非叶子节点可能只包含 m/2 个key,有一半空闲,内存使用率低。
    改进措施:将非叶子节点的最小key数增加为 2m/3,提高内存使用率。付出的代价是需要对非叶子节点增加指向兄弟的指针,以便于节点拆分、合并。
    改进后即为 B* 树。
基于B+树的一些推论
select * from xxx offset N limit M,不用特别在意N对效率的影响。如果N可能很大,例如过万,区分维护冷、热数据,确保N不会太大。
select * from xxx order by a order by b,联合索引受索引树的影响,天然要求左匹配原则,能利用到联合索引时查找效率很高。
主键用 uuid 还是 int 更好?innobase数据引擎下单调增长的 int 更好。uuid 32字节,用于索引必然比 int 4字节大,索引树占用的内存越大访存效率越低,所以 uuid 差;innobase的文件物理存储结构内涵为主键索引(聚集索引),单调递增的主键确保在连续的disk page 上不断 append 数据,访存效率高,而uuid导致新增数据随机插入disk page,需要大量移动数据,访存效率低。总体上看uuid较差。当然id本身也存在生成时的锁竞争等问题。

对于树结构有兴趣的可以再深入探讨,因为这块确实水比较深

图和图算法

图由边的集合及顶点的集合组成。

阅读 1k

没有介绍

242 声望
37 粉丝
0 条评论

没有介绍

242 声望
37 粉丝
文章目录
宣传栏