-
2022-01-24 15:40:27
Redis** 常⻅数据结构以及使⽤场景
1 string
-
**介绍:**最简单的类型,就是普通的set和get,做简单的kv缓存
-
常⽤命令:
set,get,strlen,exists,dect,incr,setex
等等。 -
**应⽤场景:**⼀般常⽤在需要计数的场景,⽐如⽤户的访问次数、热点⽂章的点赞转发数量等。
set key1 haha #设置key get key1 #获取key exists key1 #是否存在 strlen key1 #获取长度 del key1 #删除key
2 list
-
介绍: list 即是 链表。链表是⼀种⾮常常⻅的数据结构,特点是易于数据元素的插⼊和删除并且且可以灵活调整链表⻓度,但是链表的随机访问困难。Redis 的 list 的实现为⼀个
双向链表
,即可以⽀持反向查找和遍历,更⽅便操作,不过带来了部分额外的内存开销。 -
常用命令:
rpush,lpop,lpush,rpop,lrangellen
等。 -
使用场景: 可以通过 rpush/lpop 实现队列等
lrange mylist 0 -1 # 0开始位置,-1结束 -1则表示查看所有 len mylist #查询list的元素个数 lindex mylist 1 #获取list中指定位置的元素 lpush mylist 1 #添加一个或多个元素值list的头部 rpush mylist 1 #添加一个或多个元素值list的尾部 lpop mylist #从list中删除并返回第一个元素 rpop mylist #从list中删除并返回最后一个元素
3 hash
-
介绍: hash 类似于 JDK1.8 前的 HashMap,内部实现也差不多(数组 + 链表)。不过,Redis 的 hash 做了更多优化。另外,hash 是⼀个 string 类型的 field 和 value 的映射表,特别
适合⽤于存储对象
,后续操作的时候,你可以直接仅仅修改这个对象中的某个字段的值。 ⽐如我们可以 hash 数据结构来存储⽤户信息,商品信息等等。 -
常⽤命令:
hset,hmset,hexists,hget,hgetall,hkeys,hvals
等。 -
应⽤场景: 系统中对象数据的存储。
hset sutdent name zhangsan hset student age 20 hset student id 1 hget student name
4 Set
-
介绍: set 类似于 Java 中的 HashSet 。Redis 中的 set 类型是⼀种⽆序集合,集合中的元素没有先后顺序。当你需要存储⼀个列表数据,⼜不希望出现重复数据时,set 是⼀个很好的选择,并且 set 提供了判断某个成员是否在⼀个 set 集合内的重要接⼝,这个也是 list 所不能提供的。可以基于 set 轻易实现交集、并集、差集的操作。
-
常用命令:
sadd,spop,smembers,sismember,scard,sinterstore,sunion
-
应⽤场景: 需要存放的数据
不能重复
以及需要获取多个数据源交集和并集等场景
sadd mySet 1 # 添加元素 smembers mySet # 查看全部元素 sismember mySet 3 # 判断是否包含某 srem mySet 1 # 删除某个/些元素 scard mySet # 查看元素个数 spop mySet # 随机删除一个元素 #-------操作多个set------- # 将一个set的元素移动到另外一个set smove yourSet mySet 2 # 求两set的交集 sinter yourSet mySet # 求两set的并集 sunion yourSet mySet # 求在yourSet中而不在mySet中的元素 sdiff yourSet mySet
5 Sorted Sets
-
介绍: 和 set 相⽐,sorted set 增加了⼀个权重参数 score,使得集合中的元素能够按 score进⾏有序排列,还可以通过 score 的范围来获取元素的列表。有点像是 Java 中 HashMap和 TreeSet 的结合体。
-
常⽤命令:
zadd,zcard,zscore,zrange,zrevrange,zrem
等。 -
应⽤场景: 需要对数据根据某个权重进⾏排序的场景。⽐如在直播系统中,实时排⾏信息包含直播间在线⽤户列表,各种礼物排⾏榜,弹幕消息(可以理解为按消息维度的消息排⾏榜)等信息。
zadd board 85 zhangsan zadd board 72 lisi zadd board 96 wangwu zadd board 63 zhaoliu # 获取排名前三的用户(默认是升序,所以需要 rev 改为降序) zrevrange board 0 3 # 获取某用户的排名 zrank board zhaoliu
更多相关内容 -
-
常见数据结构及应用场景
2021-10-07 23:32:09什么是数据结构? 数据结构是计算机存储、组织数据的方式。 数据结构是指相互之间存在一种或多种特定关系的数据元素的集合。 一、数组 有序排列的同类数据元素的集合称为数组。 若将有限个类型相同的变量的集合命名...目录
什么是数据结构?
数据结构是计算机存储、组织数据的方式。
数据结构是指相互之间存在一种或多种特定关系的数据元素的集合。
1、数据的逻辑结构
指反映数据元素之间的逻辑关系的数据结构,其中的逻辑关系是指数据元素之间的
前后间
关系,而与他们在计算机中的存储位置无关。逻辑结构包括:- 集合:数据结构中的元素之间除了“同属一个集合” 的相互关系外,别无其他关系;
- 线性结构:数据结构中的元素存在
一对一
的相互关系; - 树形结构:数据结构中的元素存在
一对多
的相互关系; - 图形结构:数据结构中的元素存在
多对多
的相互关系。
2、数据的物理结构
指数据的逻辑结构在计算机存储空间的存放形式。
数据的物理结构是数据结构在计算机中的表示(又称映像),它包括
数据元素的机内表示
和关系的机内表示
。
由于具体实现的方法有顺序、链接、索引、散列
等多种,所以,一种数据结构可表示成一种或多种存储结构。数据元素的机内表示(映像方法): 用二进制位(bit)的位串表示数据元素。通常称这种位串为节点(node)。
当数据元素有若干个数据项组成时,位串中与各个数据项对应的子位串称为数据域(data field)。
因此,节点是数据元素的机内表示(或机内映像)。关系的机内表示(映像方法):数据元素之间的关系的机内表示可以分为
顺序映像
和非顺序映像
。
常用两种存储结构:顺序存储结构
和链式存储结构
。
顺序映像
借助元素在存储器中的相对位置来表示数据元素之间的逻辑关系。
非顺序映像
借助指示元素存储位置的指针(pointer)来表示数据元素之间的逻辑关系。3、数据存储结构
数据的逻辑结构在计算机存储空间中的存放形式称为数据的物理结构(也称为存储结构)。
一般来说,一种数据结构的逻辑结构根据需要可以表示成多种存储结构,常用的存储结构有顺序存储
、链式存储
、索引存储
和哈希存储
等。数据的顺序存储结构的特点是:借助元素在存储器中的相对位置来表示数据元素之间的逻辑关系;
非顺序存储的特点是:借助指示元素存储地址的指针表示数据元素之间的逻辑关系。线性结构与非线性结构
一般来说,按照数据的逻辑结构对其进行简单的分类,包括线性结构和非线性结构两类。
1、线性结构
- 是一个有序数据元素的集合
- 有且仅有一个开始结点和一个终端结点,且所有结点都最多只有一个直接前驱和一个直接后继。
常用的线性结构有:数组(顺序表),线性表,栈,队列,双队列,串。
其中静态链表是数组模拟的链式结构,数组存储下表跳转信息,建立链接逻辑。2、非线性结构
- 非线性结构的一个结点可能有多个直接前趋结点和多个直接后继结点。
常见的非线性结构有:二维数组,多维数组,广义表,树(二叉树等),图。
广义表(Lists,又称列表)是线性表的推广,其本质上非线性结构!
常用数据结构
一、数组( Array)
有序排列的同类数据元素的集合称为数组。
若将有限个类型相同的变量的集合命名,那么这个名称为数组名。
组成数组的各个变量称为数组的分量,也称为数组的元素,有时也称为下标变量。
用于区分数组的各个元素的数字编号称为下标。
二、链表( Linked List)
链表是物理存储单元上非连续的、非顺序的存储结构。
数据元素的逻辑顺序是通过链表的指针地址实现。
每个元素包含两个结点,一个是存储元素的数据域 (内存空间),另一个是指向下一个结点地址的指针域。
根据指针的指向,链表能形成不同的结构,例如单链表,双向链表,循环链表等。
1、单链表
2、双链表
3、循环链表
4、静态链表
应用场景:
- 结合哈希表:LRU 缓存、链地址法解决哈希冲突。
- 循环链表:约瑟夫问题
数组与链表的区别
数组 链表 数组是一个相似数据类型的数据集合 链表是一个有相同数据类型的有续集,其中每个元素使用指针链接 数组元素可以使用数组索引随机访问 链表不允许随机访问,元素只能被有序或顺序访问 数组的数据元素在内存中连续储存 元素可能存储在内存的任意地方,链表创建一个指针指向相应的数据 插入和删除操作非常耗时,时间为O(n),因为元素的内存地址是连续和固定的 链表的插入和删除操作非常快,时间为O(1) 数组的内存是静态分配的,在编译期间完成 链表的内存分配是动态的,在运行时动态分配 数组的大小必须在数组的声明或初始化的时候指定 链表的大小随着元素的插入或删除变化 三、栈( Stack)
- 栈(stack)又称为堆栈或堆叠,栈作为一种数据结构,它按照先进后出的原则存储数据,先进入的数据被压入栈底,最后的数据在栈顶
- java中Stack是Vector的一个子类,只定义了默认构造函数,用来创建一个空栈。
- 栈是元素的集合,其包含了两个基本操作:push 操作可以用于将元素压入栈,pop 操作可以将栈顶元素移除。
- 遵循后进先出(LIFO)原则。
应用场景:
- 函数调用栈(栈帧),操作数栈等。
- 单调栈:用于求比当前元素大/小的上/下一个元素(LeetCode 42、496、503、739)。
- 递归栈:递归调用本身基于栈,也可以转换为迭代化解法(模拟函数调用栈)。
- 树相关:前中后序遍历、直径、路径等问题。
- 图相关:深度优先(depth-first)搜索法。
- 计算表达式(逆波兰式)、符号匹配、浏览器前进后退等问题。
四、队列( Queue)
- 队列是元素的集合,其包含了两个基本操作:enqueue 操作可以用于将元素插入到队列中,而 dequeue 操作则是将元素从队列中移除。
- 遵循先入先出原则 (FIFO)。
- 队列本身是有序列表,数组或链表实现,若使用数组的结构来存储队列的数据,则队列数组的声明如下图, 其中 maxSize 是该队列的最大容量。
- 因为队列的输出、输入是分别从前后端来处理,因此需要两个变量 front及 rear分别记录队列前后端的下标,front 会随着数据输出而改变,而 rear则是随着数据输入而改变,如图所示:
队列增加数据时候 rear增加;队列消费数据时候 front改变。
应用场景:
- 操作系统管道通信
- 并发容器:阻塞队列、并发队列。
- “生产者 - 消费者”、“发布 - 订阅”模型。
- 优先级队列:最大/小堆方法解决 topK 问题。
- 树相关:层序遍历、高度。
- 图相关:广度优先遍历。
五、树( Tree)
树是一种数据结构,它是由 n(n≥1) 个有限节点组成一个具有层次关系的集合。
树的特点:
- 每个节点有零个或多个子节点;
- 没有父节点的节点称为根节点;
- 每一个非根节点有且只有一个父节点;
- 除了根节点外,每个子节点可以分为多个不相交的子树
思维导图未完待补充…六、图( Graph)
数据结构中的一个图是用G = (V, E)集合来表示的, V(vertex)是顶点集合, E(edge)是边集合。
图的相关概念如下图所示。
图的相关概念(附图):https://blog.csdn.net/shuiyixin/article/details/836924741、邻接矩阵
2、邻接表
3、十字链表
4、邻接多重表
七、散列表( Hash)
1、什么是散列表?
散列表(Hash table,也叫哈希表),是根据关键码值
(Key value)
而直接进行访问的数据结构。也就是说,它通过把关键码值映射到表中一个位置来访问记录,以加快查找的速度。这个映射函数叫做散列函数,存放记录的数组叫做散列表。
给定表M,存在函数 f(key),对任意给定的关键字值 key,代入函数后若能得到包含该关键字的记录在表中的地址,则称表M为哈希(Hash)表,函数 f(key) 为哈希(Hash) 函数。
2、散列表的存储
记录的存储位置=f(key)
散列表就是把 key 通过一个固定的算法函数(哈希函数),转换成一个整型数字。
然后就将该数字对数组长度进行取余,取余结果就当作数组的下标。
将 value 存储在以该数字为下标的数组空间里。
这种存储空间可以充分利用数组的查找优势来查找元素,所以查找的速度很快。
3、哈希表在集合里的应用
哈希表在应用中也是比较常见的,就如 Java 中有些集合类就是借鉴了哈希原理构造的,例如 HashMap,HashTable 等,利用 hash表的优势,对于集合的查找元素时非常方便的。
然而,因为哈希表是基于数组衍生的数据结构,在添加删除元素方面是比较慢的,所以很多时候需要用到一种数组链表来做,也就是拉链法。
拉链法是数组结合链表的一种结构,较早前的 HashMap 底层的存储就是采用这种结构,直到 jdk1.8 之后才换成了数组加红黑树的结构,其示例图如下:
从图中可以看出,左边很明显是个数组,数组的每个成员包括一个指针,指向一个链表的头。当然这个链表可能为空,也可能元素很多。我们根据元素的一些特征把元素分配到不同的链表中去,也是根据这些特征,找到正确的链表,再从链表中找出这个元素。
哈希表的应用场景很多,当然也有很多问题要考虑,比如哈希冲突的问题,如果处理的不好会浪费大量的时间,导致应用崩溃。
应用场景:
哈希表适用于那种查找性能要求高,数据元素之间无逻辑关系要求的情况。
-
哈希表和位图的结合——布隆过滤器
可作用于网页URL的去重,垃圾邮件的判别,集合重复元素的判别,查询加速(比如基于key-value的存储系统)等 -
校验安装文件的完整性
在软件部署的时候,计算软件包当前的哈希值是否与预设值相等,防止软件包被篡改或被替换。Linux提供了基于 sha 算法的命令,用于计算文件的哈希值 sha256sum fileName -
存储和校验用户口令
用户口令不能用明文存储,更进一步,如果系统不知道用户口令明文,那就更好了,而哈希算法就可以做到既不知道用户明文,又可以校验用户口令。详见《基于哈希算法的web账户口令存储方法》,http://www.cnblogs.com/todsong/archive/2012/04/22/2465178.html -
校验重复提交的消息
用户可能因为误操作重复提交数据,而这些数据会对系统产生影响,若要拒绝这些消息,最好的方法就是在每次提交时,计算消息的哈希值,当发现疑似重复提交的时候,做消息哈希值的对比。这是一个 CPU 密集型的操作,如果系统的 CPU 负载比较低,可以考虑使用。至于如何在代码中使用哈希算法,这里就不描述了,Java、C++都有现成的算法库可用。 -
作为数据库乐观锁的条件
数据库中,最常用的乐观锁方法是在表中增加额外的一列,用于记录一行数据的版本值,通常是一个计数或是时间戳。但是,一张已经存在大量数据的表需要增加额外的版本列,似乎不太可行,也不太方便,此时可以通过哈希计算出虚拟的版本列,用于乐观锁定控制。Oracle数据库提供了哈希算法的存储过程,输入某几个列数据的字符连接,输出该条记录的哈希值,通过比较该值判断数据是否被修改。下面是摘自《Oracle 9i&10g 编程艺术》的例子 -
作为数据库表分区的分区条件
如果难以按照某一个列对数据库表做分区,表中的数据又没有太多的业务逻辑,那么通过哈希函数强行分区是个不错的选择。详见《Oracle分区表,哈希分区的新建与增加》,http://www.cnblogs.com/todsong/archive/2012/08/26/2657158.htm
八、堆( Heap)
参考资料
[1] 数据结构:八大数据结构分类:
https://blog.csdn.net/yeyazhishang/article/details/82353846
[2] 数据结构:https://juejin.cn/post/6916804072485945358
[3] 408数据结构:
https://www.processon.com/view/6103b75a0e3e7423a334a3c5?fromnew=1
[4] 数据结构与算法:
https://www.processon.com/view/5cc266d7e4b08b66b9bb9579?fromnew=1
[5] 数据结构:八大数据结构分类:
https://blog.csdn.net/yeyazhishang/article/details/82353846
[6] 散列表原理与应用场景:https://blog.csdn.net/qq_39038793/article/details/103210889 -
常用数据结构及其应用场景
2020-09-20 16:48:14常用数据结构及其应用场景 思维导图(来源网络,侵删) 1,数组 这是大家最熟悉的数据结构了; 数组的优势: 随机访问(按下标访问):时间复杂度O(1) 正常查找一个元素,时间复杂度O(n) 如果数组是...常用数据结构及其应用场景
目录
思维导图
1,数组
这是大家最熟悉的数据结构了;
数组的优势:
- 随机访问(按下标访问):时间复杂度O(1)
- 正常查找一个元素,时间复杂度O(n)
- 如果数组是有序的,升序或者降序,使用二分查找,时间复杂度O(logN),N为数组长度
劣势:
- 除去首部和尾部,在中间插入或者删除元素,都要导致大量数据的移动
使用场景:
常查询,少插入或者删除的情况
2,链表
链表的优势:
- 查询时间复杂度:时间复杂度O(N),N为链表长度
- 插入或者删除不需要移动大量的元素,因为链表本身就是非连续的存储
劣势:
- 查询,删除,在给定位置插入元素的时间复杂度都是O(N)这点一直被人诟病
- 后续提出的双向链表,只是提高的删除结点的时间复杂度,其余都一样,直到跳表的出现,降低了链表查询的时间复杂度
使用场景:
多插入或者删除,少查询的情况
对CPU来说,数据更友好一些,因为CPU从内存中读取内容,假设数组是int类型,并不是每次都读取一个数字,4KB,而是读取一个数据块,放入到CPU缓存(cache)中,下次想从CPU的缓存中找,CPU缓存比内存的读写要快,所以对于连续存储的数据来说,连续访问或者遍历时,对CPU是较为友好的。
3,树
从计算机行业的发展可以看出,基本是朝着更快更高并发更便宜的方向狂奔不止的,并发数量要求高,响应速度要求也高,数据量极大,那么像数组,链表这种数据结构,在大数据量面前,基本丧失了所有该有的优势功能。
3.1 二叉搜索树
树很好的解决了这些问题,尤其是 二叉查找/搜索(sort)树
二叉查找树有如下的性质:
- 左子树不为空,则左子树上所有结点的值均小于它的根结点的值
- 右子树不为空,所有右子树上所有结点的值均大于根结点的值
- 根结点的左右子树也是一颗二叉排序树。
看上去就完美的设定,查找时间复杂度O(logN)(log以2为底N的对数,其中N是树的深度)
但是当我们输入一串有顺序的数组后,二叉查找树就会完全退化为一个链表,查找时间复杂度O(N)
3.2 AVL树
为了解决这个问题,现在规定每个结点的左孩子结点都小于该结点,右孩子结点都大于根结点,且左右子树的高度差不大于1
但是平衡二叉树有个致命的问题:
那么为了解决这个问题,提出了AVL数,即完全平衡二叉树,每次插入一个结点,都需要使用左旋、右旋、左旋与右旋的组合来维持平衡,即每个结点的左孩子结点小于根结点,根结点小于右孩子结点,且左右子树的高度差不大于1,为了达到完全平衡,AVL树付出了太多的代价。效率不高。
为了解决这个效率问题和二叉查找树退化链表的问题,提出了红黑树
3.3红黑树
红黑树有以下特点:
- 每个结点不是红色就是黑色
- 红色结点不可能有连在一起的
- 根结点都是黑色:入度为0
- 每个红色结点的连接子结点都是黑色
- 叶子结点都是黑色(NULL):出度为0
- 每个结点,从该结点到达其可达叶子结点的所有路径,都包含相同数目的黑色结点
如果说完全平衡二叉树是通过左旋,右旋,左旋和右旋的组合,保证每个结点的左孩子都小于根结点,右孩子都大于根结点,且左右子树的高度差不大于1
那么红黑树就是通过变色,左旋,右旋,左旋和右旋的组合,保证结点之间红黑间隔,每个结点到叶子结点经过的黑色结点个数都是一样的,以此来保持平衡
红黑树处理插入结点的规则:
插入的点默认是红色
变颜色情况:
当前结点的父亲结点是红色,且叔叔结点也是红色,红色结点不能相连,那么使用变色进行处理:
- 把父亲结点变为黑色
- 把叔叔结点变为黑色
- 把祖父变成红色
把指针定义到祖父结点,查看是否符合红黑树的定义,不符合则进行变色或者左旋或右旋
补充:关于AVL树和红黑树的左旋与右旋
(来自大话数据结构)
右旋
左旋
-
常见数据结构应用场景
2018-10-06 19:52:58通用数据结构 可以简单的按照速度将通用数据结构划分为:数组和链表(最慢),树(较快),哈希表(最快)。增、删、改、查是四大常见操作,不过其实可以浓缩为... 使用场景 数组在以下三个情形下很有用: 1)数...通用数据结构
可以简单的按照速度将通用数据结构划分为:数组和链表(最慢),树(较快),哈希表(最快)。增、删、改、查是四大常见操作,不过其实可以浓缩为两个操作:增和查。删除操作和和修改操作都是建立在查找操作上的,所以完美的数据结构应该是具有较高的插入效率和查找效率。
通用数据结构关系
可以根据下图选择合适的通用数据结构:
数组
使用场景
数组在以下三个情形下很有用:
1)数据量较小。
2)数据规模已知。
3)随机访问,修改元素值。
如果插入速度很重要,选择无序数组。如果查找速度很重要,选择有序数组,并使用二分查找。
缺点
1)需要预先知道数据规模
2)插入效率低,因为需要移动大量元素。
链表
解决的问题
链表的出现解决了数组的两个问题:
1)需要预先知道数据规模
2)插入效率低
使用场景
1)数据量较小
2)不需要预先知道数据规模
3)适应于频繁的插入操作
缺点
1)有序数组可以通过二分查找方法具有很高的查找效率(O(log n)),而链表只能使用顺序查找,效率低下(O(n))。
二叉查找树
解决的问题
1)有序数组具有较高的查找效率(O(log n)),而链表具有较高的插入效率(头插法,O(1)),结合这两种数据结构,创建一种貌似完美的数据结构,也就是二叉查找树。
使用场景
1)数据是随机分布的
2)数据量较大
3)频繁的查找和插入操作(可以提供O(log n)级的查找、插入和删除操作)
缺点
1)如果处理的数据是有序的(升序/降序),那么构造的二叉查找树就会只有左子树(或右子树),也就是退化为链表,查找效率低下(O(log n))。
平衡树
解决的问题
1)针对二叉查找树可能会退化为链表的情况,提出了平衡树,平衡树要求任意节点的左右两个子树的高度差不超过1,避免退化为链表的情况。
使用场景
1)无论数据分布是否随机都可以提供O(log n)级别的查找、插入和删除效率
2)数据量较大
缺点
1)平衡树的实现过于复杂。
哈希表
解决的问题
同平衡树一样,哈希表也不要求数据分布是否随机,不过哈希表的实现比平衡树要简单得多。
使用场景
1)不需要对最大最小值存取。
2)无论数据分布是否随机,理想情况下(无冲突)可以提供O(1)级别的插入、查找和删除效率。
3)数据量较大
缺点
1)由于是基于数组的,数组(哈希表)创建后难以扩展,使用开放地址法的哈希表在基本被填满时,性能下降的非常严重。
2)不能对最大最小值存取。
通用数据存储结构
专用数据结构
栈
顺序栈
优点
1)在输入数据量可预知的情形下,可以使用数组实现栈,并且数组实现的栈效率更高,出栈和入栈操作都在数组末尾完成。
缺点
1)如果对数组大小创建不当,可能会产生栈溢出的情况
链栈
优点
1)不会发生栈溢出的情况
2)输入数据量未知时,使用链栈。通过头插法实现入栈操作,头删法实现出栈操作。出栈和入栈均是O(1)。
缺点
1)由于入栈时,首先要创建插入的节点,要向操作系统申请内存,所以链栈没有顺序栈效率高。
队列
如果数据量已知就使用数组实现队列,未知的话就使用链表实现队列。出队和入队均是O(1)。
数据结构 优点 缺点 数组 插入快 查找慢、删除慢、大小固定 有序数组 查找快 插入慢、删除慢、大小固定 栈 后进先出 存取其他项很慢 队列 先进先出 存取其他项很慢 链表 插入、删除快 查找慢 二叉树 查找、插入、删除快 算法复杂(删除算法) 红黑树 查找、插入、删除快 算法复杂 hash表 存取极快(已知关键字)、插入快 删除慢、不知关键字时存取很慢、对存储空间使用不充分 堆 插入快、删除快、对大数据项存取快 对其他数据项存取慢 图 依据现实世界建模 算法有些复杂 AVL树 查找、插入、删除快 算法复杂 --------------------- 本文来自 Flammable_ice 的CSDN 博客 ,全文地址请点击:https://blog.csdn.net/z84616995z/article/details/70153460?utm_source=copy
-
数据结构分类及八种常见数据结构
2020-05-09 11:04:00数据结构分类 数据的逻辑结构 1.集合:数据结构中的元素之间除了“同属一个集合” 的相互关系外,别无其他关系; 2.线性结构:数据结构中的元素存在一对一的相互关系; 3.树形结构:数据结构中的元素存在一对多的... -
各种数据结构及其应用场景
2019-10-11 17:31:101. 常用数据结构及其应用场景: https://www.jianshu.com/p/ec17d738327f 2. 代码可执行文件的内存占用:【https://blog.csdn.net/u012942555/article/details/48876447】 首先要来理解一下可执行文件加载进内存... -
常用八大数据结构总结及应用场景-附示例截图
2020-08-03 21:32:42官方解释:数据结构是一门研究非数值计算的程序设计问题中的操作对象,以及他们之间的关系和操作等相关问题的学科。 大白话:数据结构就是把数据元素按照一定的关系组织起来的集合,用来组成和存储数据。 逻辑... -
【数据结构】八种常见数据结构介绍
2021-02-05 13:59:44数据结构是计算机存储、组织数据的方式。一种好的数据结构可以带来更高的运行或者存储效率。数据在内存中是呈线性排列的,但是我们可以使用指针等道具,构造出类似“树形”的复杂结构。下面介绍八个常见的数据结构。 -
redis中常见数据类型及其使用场景总结
2021-12-03 15:12:18redis常见数据类型 及其使用场景 计数器 排行榜 -
九大常见数据结构
2020-10-16 14:44:54数据结构本身其实不过是数据按照特点关系进行存储或者组织的集合,特殊的结构在不同的应用场景中往往会带来不一样的处理效率。 常用的数据结构可根据数据访问的特点分为线性结构和非线性结构。线性结构包括常见的... -
数据结构:八大常见数据结构
2019-11-26 14:42:39数据结构目录: 一、结构分类 二、区别联系 1. 数组 2. 栈 3. 队列 4. 链表 5. 树 6. 散列表 7. 堆 8. 图 数据结构是指,相互之间存在着一种或多种关系的数据元素的集合和该集合中数据元素之间的关系组成... -
图解!24张图彻底弄懂九大常见数据结构!
2020-05-24 22:23:36数据结构本身其实不过是数据按照特点关系进行存储或者组织的集合,特殊的结构在不同的应用场景中往往会带来不一样的处理效率。 常用的数据结构可根据数据访问的特点分为线性结构和非线性结构。线性结构包括常见的... -
Redis面试核心原理与数据结构使用场景
2020-07-08 23:36:54文章目录Redis单线程和高性能Redis单线程如何处理并发客户端连接常见5种数据结构String应用场景Hash应用场景List两个阻塞指令应用场景Set指令应用场景抽奖活动点赞,收藏,标签集合操作,微博微信关注功能模型微博... -
数据结构:八大数据结构分类
2018-09-05 18:23:28数据结构分类 数据结构是指相互之间存在着一种或多种关系的数据元素的集合和该集合中数据元素之间的关系组成 。 常用的数据结构有:数组,栈,链表,队列,树,图,堆,散列表等,如图所示: 每一种数据结构都... -
常用数据结构应用场景
2018-03-19 16:56:41通用数据结构可以简单的按照速度将通用数据结构划分为:数组和链表...通用数据结构关系可以根据下图选择合适的通用数据结构:数组使用场景数组在以下三个情形下很有用:1)数据量较小。2)数据规模已知。3)随机访... -
常见的树以及树的应用场景
2021-01-18 21:14:03常见的有序树 哈夫曼树 俗称霍夫曼树或者最优二叉树。 应用场景:哈夫曼树的应用很广. 1.哈夫曼编码就是其在电讯通信中的应用之一,在电讯通信业务中,通常用二进制编码来表示字母或其他字符,并用这样的编码来... -
我对八种常见数据结构的理解
2021-11-22 15:55:35早说了数据结构就是数据的存储规律吧 堆这种数据结构最棒的地方在于我们无需像树一样存储左右子树的信息 只需要通过下标运算就可以轻松的找到一个节点的左子树节点、右子树节点以及父节点 相对于树这种数据结构... -
2.Redis五种数据类型及使用场景
2021-08-07 09:52:49通过使用场景,带大家快速掌握Redis五种数据类型。string (字符串)、list (列表)、set (集合)、hash (哈希) 和 zset (有序集合)。 -
【常用数据结构及应用场景笔记】算法总结01
2019-03-14 10:03:44想尝试再把数据结构与算法上通用算法用不同的语言都实现一遍,做个总结,这里主要用Rust...常见的数据结构: 一 线性表 1.数组 2.链表 二 栈和队列 三 树和二叉树 1.树 2.二叉树 3. 平衡二叉树 4. 红黑树 四 图 ... -
八大数据结构及常见面试题
2020-12-01 21:39:16几乎所有的问题都需要面试者对数据结构有深刻的理解。无论你是初入职场的新兵(刚从大学或者编程培训班毕业),还是拥有几十年经验的职场老鸟。 即便是对于一些非常基础的工作来说,学习数据结构也是必须的。那么,... -
【常用数据结构及应用场景笔记】算法笔记---栈
2019-03-14 10:46:31通常所说的栈,是一种线性结构,在我们写程序也运用的比较广泛。 2. 栈的特点 后进先出,通俗点讲,栈的插入或者删除只能在表的"顶端"进行操作的线性表。 注:对于栈,... -
redis的5种数据结构和应用场景介绍
2018-07-05 12:14:07redis和memcached都可以作为缓存系统使用,redis与memcached一样,为了保证效率,数据都是缓存在内存中,读写的性能差距不大。区别的是redis会周期性的把更新的数据写入磁盘或者把修改操作写入追加的记录文件,并且在... -
【数据结构与算法】常见数据结构及基本操作
2019-06-16 21:42:44数据结构与算法常见概念2.数据逻辑结构2.1线性结构2.2树形结构2.3图形结构2.4集合结构3.排序算法冒泡排序简单选择排序直接插入排序希尔排序堆排序归并排序快速排序4.查找算法顺序表查找有序表查找线性索引查找二叉... -
【实用】Redis各种存储结构使用场景
2018-10-03 09:35:391. Redis使用场景简介 1.1 Redis常见使用场景 ...2.2 Redis常见数据结构 String 数据结构 List 数据结构 Hash 数据结构 Set 数据结构 Zset数据结构 2.2.1 String String 内部存储: String ... -
Redis的5个常见使用场景
2020-06-15 11:51:28Redis的五个常见使用场景1、会话缓存(Session Cache) 最常用的一种使用Redis的情景是会话缓存(session cache)。用Redis缓存会话比其他存储(如Memcached)的优势在于:Redis提供持久化。当维护一个不是严格要求... -
常用数据结构的应用场景
2016-05-06 13:43:12这种数据结构使用一段连续的空间来存贮元素,所以可以直接通过索引来获取到某个元素,而且可以通过对元素的内容进行排序,然后使用二分法查找,从而提供查找效率。其适合的场合主要是: (1)、不会频繁增删... -
Redis、MongoDB的使用场景与常见的数据结构”这篇博客
2017-12-25 14:30:40Redis list的应用场景非常多,也是Redis最重要的数据结构之一。 我们可以轻松地实现最新消息排行等功能。 Lists的另一个应用就是消息队列,可以利用Lists的PUSH操作,将任务存在Lists中,然后工作... -
Redis的五种数据类型及应用场景
2022-04-02 11:58:36List(列表):储存一些列表类型的数据结构 Set(无序集合):交集,并集,差集的操作 Hash(包含键值对的无序散列表):结构化的数据 Zset(有序集合)(Sorted sets):去重同时也可以排序, 1,String String是redis...