學會Java數據結構，想不飄都難！
今天我們來學一下數據結構方面的知識，對扎實 Java 的基本功非常有用，學會了就會有一種自帶大佬的感覺，嘿嘿。數據結構，也就是 Data Structure，是一種存儲數據的結構體，數據與數據之間存在著一定的關系，這樣的關系有數據的邏輯關系、數據的存儲關系和數據的運算關系。
在 Java 中，數據結構一般可以分為兩大類：線性數據結構和非線性數據結構。哈哈，這個非字很有靈魂吧？
先來說線性數據結構吧。
1）數組
一眼看上去就知道的，像 String []、int [] 這種；還有需要看兩眼才能看透的（看源碼了），像 ArrayList，內部對數組進行了封裝。
數組這種數據結構最大的好處，就是可以根據下標（或者叫索引）進行操作，插入的時候可以根據下標直接插入到具體的位置，但與此同時，后面的元素就需要全部向后移動，需要移動的數據越多，就越累。
假設現在已經有了一個 ArrayList 了，準備在第 4 個位置（下標為 3）上添加一個元素 55。
此時 ArrayList 中第 5 個位置以后的元素將會向后移動。
準備把 23 從 ArrayList 中移除。
此時下標為 7、8、9 的元素往前挪。
簡單總結一下 ArrayList 的時間復雜度，方便大家在學習的時候作為參考。
1、通過下標（也就是 get(int index)）訪問一個元素的時間復雜度為 O(1)，因為是直達的，無論數據增大多少倍，耗時都不變。
2、添加一個元素（也就是 add()）的時間復雜度為 O(1)，因為直接添加到末尾。
3、刪除一個元素的時間復雜度為 O(n)，因為要遍歷列表，數據量增大幾倍，耗時也增大幾倍。
4、查找一個未排序的列表時間復雜度為 O(n)，因為要遍歷列表；查找排序過的列表時間復雜度為 O(log n)，因為可以使用二分查找法，當數據增大 n 倍時，耗時增大 logn 倍（這里的 log 是以 2 為底的，每找一次排除一半的可能）。
2）鏈表
鏈表在物理存儲空間是不連續的，但每個節點要么知道它的下一個節點是誰，要么知道它的上一個節點是誰，仿佛就像我們之間隔著千山萬水，卻心有靈犀一點鏈。像 LinkedList 就是最典型的鏈表結構，通過引用相互鏈接。
LinkedList 中的每一個元素都可以稱之為節點（Node），每一個節點都包含三個項目：其一是元素本身，其二是指向下一個元素的引用地址，其三是指向上一個元素的引用地址。
LinkedList 看起來就像下面這個樣子：
- 第一個節點由于沒有前一個節點，所以 prev 為 null；
- 最后一個節點由于沒有后一個節點，所以 next 為 null；
- 這是一個雙向鏈表，每一個節點都由三部分組成，前后節點和值。
相比 ArrayList，LinkedList 有以下優勢：
1、LinkedList 允許內存進行動態分配，這就意味著內存分配是由編譯器在運行時完成的，我們無需在 LinkedList 聲明的時候指定大小。
2、LinkedList 不需要在連續的位置上存儲元素，因為節點可以通過引用指定下一個節點或者前一個節點。也就是說，LinkedList 在插入和刪除元素的時候代價很低，因為不需要移動其他元素，只需要更新前一個節點和后一個節點的引用地址即可。
3）棧
棧是一種非常有用的數據結構，它就像一摞盤子，第一個放在最下面，第二個放在第一個上面，第三個放在第二個上面，最后一個放在最上面。棧遵循后進先出的原則，也就是“Last In First Out”（簡稱 LIFO）——最后的一個進的，最先出去。
對于棧這樣一個數據結構來說，它有兩個常見的動作：
- push，中文釋義有很多種，我個人更喜歡叫它“壓入”，非常形象。當我們要把一個數據放入棧的頂部，這個動作就叫做 push。
- pop，同樣的，我個人更喜歡叫它“彈出”，帶有很強烈的動畫效果，有沒有？當我們要從棧中移除一個數據時，這個動作就叫做 pop。
4）隊列
隊列，只允許在隊尾添加數據，隊首移除數據。隊列在 Java 中的出現頻率非常高，有各種不同的類來滿足不同的場景需求。像優先級隊列 PriorityQueue、延時隊列 DelayQueue 等等。隊列遵循的是 First In First Out，縮寫為 FIFO，也就是先進先出，第一個進入隊列的第一個先出來。
再來說非線性數據結構。
1） 樹
樹是一種典型的非線性結構，它是由 n（n>0）個有限節點組成的一個具有層次關系的集合。之所以叫“樹”，是因為這種數據結構看起來就像是一個倒掛的樹，只不過根在上，葉在下。樹形數據結構有以下這些特點：
- 每個節點都只有有限個子節點或無子節點；
- 沒有父節點的節點稱為根節點；
- 每一個非根節點有且只有一個父節點；
- 除了根節點外，每個子節點可以分為多個不相交的子樹。
下圖展示了樹的一些術語：
根節點是第 0 層，它的子節點是第 1 層，子節點的子節點為第 2 層，以此類推。
- 深度：對于任意節點 n，n 的深度為從根到 n 的唯一路徑長，根的深度為 0。
- 高度：對于任意節點 n，n 的高度為從 n 到一片樹葉的最長路徑長，所有樹葉的高度為 0。
樹又可以細分為下面幾種：
1、普通樹：對子節點沒有任何約束。
2、二叉樹：每個節點最多含有兩個子節點的樹。 二叉樹按照不同的表現形式又可以分為多種。
2.1、普通二叉樹：每個子節點的父節點不一定有兩個子節點的二叉樹。
2.2、完全二叉樹：對于一顆二叉樹，假設其深度為d（d>1）。除了第 d 層外，其它各層的節點數目均已達最大值，且第 d 層所有節點從左向右連續地緊密排列。
2.3、滿二叉樹：一顆每一層的節點數都達到了最大值的二叉樹。有兩種表現形式，第一種，像下圖這樣（每一層都是滿的），滿足每一層的節點數都達到了最大值 2。
3、二叉查找樹：英文名叫 Binary Search Tree，即 BST，需要滿足以下條件：
- 任意節點的左子樹不空，左子樹上所有節點的值均小于它的根節點的值；
- 任意節點的右子樹不空，右子樹上所有節點的值均大于它的根節點的值；
- 任意節點的左、右子樹也分別為二叉查找樹。
3.1、平衡二叉樹：當且僅當任何節點的兩棵子樹的高度差不大于 1 的二叉樹。由前蘇聯的數學家 Adelse-Velskil 和 Landis 在 1962 年提出的高度平衡的二叉樹，根據科學家的英文名也稱為 AVL 樹。
平衡二叉樹本質上也是一顆二叉查找樹，不過為了限制左右子樹的高度差，避免出現傾斜樹等偏向于線性結構演化的情況，所以對二叉搜索樹中每個節點的左右子樹作了限制，左右子樹的高度差稱之為平衡因子，樹中每個節點的平衡因子絕對值不大于 1。
平衡二叉樹的難點在于，當刪除或者增加節點的情況下，如何通過左旋或者右旋的方式來保持左右平衡。
紅黑樹是一種常見的平衡二叉樹，節點是紅色或者黑色，通過顏色的約束來維持著二叉樹的平衡：
- 每個節點都只能是紅色或者黑色
- 根節點是黑色
- 每個葉節點（NIL 節點，空節點）是黑色的。
- 如果一個節點是紅色的，則它兩個子節點都是黑色的。也就是說在一條路徑上不能出現相鄰的兩個紅色節點。
- 從任一節點到其每個葉子的所有路徑都包含相同數目的黑色節點。
4、B 樹：一種對讀寫操作進行優化的自平衡的二叉查找樹，能夠保持數據有序，擁有多于兩個的子樹。
5、B+ 樹：B 樹的變體。
HashMap 里面的 TreeNode 就用到了紅黑樹，而 B 樹、B+ 樹在數據庫的索引原理里面有典型的應用。
2）哈希表
哈希表（Hash Table），也叫散列表，是一種可以通過關鍵碼值（key-value）直接訪問的數據結構，它最大的特點就是可以快速實現查找、插入和刪除。其中用到的算法叫做哈希，就是把任意長度的輸入，變換成固定長度的輸出，該輸出就是哈希值。像 MD5、SHA1 都用的是哈希算法。
每一個 Java 對象都會有一個哈希值，默認情況就是通過調用本地方法執行哈希算法，計算出對象的內存地址 + 對象的值的關鍵碼值。
數組的最大特點就是查找容易，插入和刪除困難；而鏈表正好相反，查找困難，而插入和刪除容易。哈希表很完美地結合了兩者的優點， Java 的 HashMap 在此基礎上還加入了樹的優點。
哈希表具有較快（常量級）的查詢速度，以及相對較快的增刪速度，所以很適合在海量數據的環境中使用。
對于任意兩個不同的數據塊，其哈希值相同的可能性極小，也就是說，對于一個給定的數據塊，找到和它哈希值相同的數據塊極為困難。再者，對于一個數據塊，哪怕只改動它的一個比特位，其哈希值的改動也會非常的大——這正是 Hash 存在的價值！
盡管可能性極小，但仍然會發生，如果哈希沖突了，Java 的 HashMap 會在數組的同一個位置上增加鏈表，如果鏈表的長度大于 8，將會轉化成紅黑樹進行處理——這就是所謂的拉鏈法（數組+鏈表）。
3）圖
圖是一種復雜的非線性結構，由頂點的有窮非空集合和頂點之間邊的集合組成，通常表示為：G（V，E），其中，G 表示一個圖，V 是圖 G 中頂點的集合，E 是圖 G 中邊的集合。
上圖共有 V0，V1，V2，V3 這 4 個頂點，4 個頂點之間共有 5 條邊。
在線性結構中，數據元素之間滿足唯一的線性關系，每個數據元素（除第一個和最后一個外）均有唯一的“前驅”和“后繼”；
在樹形結構中，數據元素之間有著明顯的層次關系，并且每個數據元素只與上一層中的一個元素（父節點）及下一層的多個元素（子節點）相關；
而在圖形結構中，節點之間的關系是任意的，圖中任意兩個數據元素之間都有可能相關。
