常见数据结构应用场景

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