数组
定义:数组(Array)是一种线性表数据结构。它用一组连续的内存空间,来存储一组具有相同类型的数据。
要点:
-
线性表:数据像一条线一样的结构,每个线性表上的数据只有前和后两个方向(数组、链表、队列和栈等)
非线性表结构:数据之间不是简单的前后关系(二叉树、堆、图等)
-
连续的内存空间
-
相同类型的数据
数组和链表的区别是什么?
-
链表适合插入、删除,时间复杂度
O(1)
-
数组支持随机访问,根据下标随机访问的时间复杂度为
O(1)
,排好序的数组,用二分查找,时间复杂度是O(logn)
数组的基本操作
(一)数组插入操作
问题:假设数组的长度为 n,现在,如果我们需要将一个数据插入到数组中的第 k
个位置。为了把第 k
个位置腾出来,给新来的数据,我们需要将第 k~n
这部分的元素都顺序地往后挪一位。那插入操作的时间复杂度是多少呢?
-
如果在数组的末尾插入,不需要移动数据,最好时间复杂度为O(1)
-
如果在数组的 开头插入,所有数据都需要依次往后移动一位,最坏时间复杂度为O(n)
-
因为我们在每个位置插入元素的概率是一样的,所以平均情况时间复杂度为 (1+2+…n)/n=O(n)
数组插入的处理技巧:
- 若数组有序,按照上述方法搬运新数据即可
- 若数据无序,如果要将某个数据插入到第
k
个位置,可将第k
位数据移到最后再插入新元素以避免大规模搬移。
(二)数组删除操作
- 如果删除数组末尾的数据,则最好时间复杂度为 O(1);
- 如果删除开头的数据,则最坏时间复杂度为 O(n);
- 平均情况时间复杂度也为 O(n)
数组删除小技巧:
-
在不追求数组中数据的连续性时,可将删除操作集中在一起执行,可以提升删除效率。
假设数组a[10]中存储了 8 个元素:a,b,c,d,e,f,g,h。现在,我们要依次删除 a,b,c 三个元素。为了避免 d,e,f,g,h 这几个数据会被搬移三次,我们可以先记录下已经删除的数据。每次的删除操作并不是真正地搬移数据,只是记录数据已经被删除。当数组没有更多空间存储数据时,我们再触发执行一次真正的删除操作(JVM标记清除垃圾回收算法1)
数组越界问题
以下是一个C语言的数组越界代码示例:
int main(int argc, char* argv[]){
int i = 0;
int arr[3] = {
0};
// 问题代码,应为i<3
for(; i<=3; i++){
arr[i] = 0;
printf("hello world\n");
}
return 0;
}
这个代码会出现数组越界。在这段代码中,数组 arr
的大小为 3,而循环条件是 i<=3
,因此当 i
的值为 3 时,循环会继续执行一次,此时会访问 arr[3]
,arr[3]
也会被定位到某块不属于数组的内存地址上,而这个地址正好是存储变量 i
的内存地址,那么 arr[3]
=0 就相当于 i
=0,所以就会导致代码无限循环。
- 在Java中,会自动进行越界检查,抛出:
java.lang.ArrayIndexOutOfBoundsException
数组的容器类
容器类是指在程序设计中,用于保存和管理一组对象的类。
常见的数组容器类:
-
C++ 中的
std::array
和std::vector
-
Java 中的
ArrayList
-
Python 中的
list
-
JavaScript 中的
Array
-
……
以Java中的ArrayList
为例:
- 最大的优势是可以将很多数组操作的细节封装起来
- 支持动态扩容,使用者完全不需要关系底层的扩容逻辑,每次存储空间不够的时候会自动扩容为1.5倍大小
- 注意:需要在创建
ArrayList
的时候事先指定数据大小,因为扩容操作比较耗时
数组的适用场景:
-
Java
ArrayList
无法存储基本类型,比如 int、long,需要封装为 Integer、Long 类,而 Autoboxing、Unboxing 则有一定的性能消耗,所以如果特别关注性能,或者希望使用基本类型,就可以选用数组。 -
如果数据大小事先已知,并且对数据的操作非常简单,用不到
ArrayList
提供的大部分方法,也可以直接使用数组。 -
当要表示多维数组时,用数组往往会更加直观。比如
Object[][] array;
而用容器的话则需要这样定义:ArrayList <ArrayList<objecy> > array
二者如何选择?
- 对于业务开发,可以直接使用容器就OK;对于底层开发工作,数组就是首选
为什么数组要从0开始编号
从数组存储的内存模型上来看,“下标”最确切的定义应该是“偏移(offset)”。以下是数组内存地址的不同计算公式:
// 数组从0开始编号:
// a[i]地址 = 首地址 + i * 元素大小
a[i]_address = base_address + i * data_type_size
// 数组从1开始编号:
a[i]_address = base_address + (i-1) * type_size
- 效率优化原因:从 1 开始编号,每次随机访问数组元素都多了一次减法运算,对于 CPU 来说,就是多了一次减法指令
- 历史原因:C 语言设计者用 0 开始计数数组下标,因此后续高级语言继续沿用了从0开始计数的习惯
二维数组内存寻址方法
对于 m * n
的数组,a [ i ][ j ] (i < m,j < n)
的地址为:
// 首先找到第 i 行的起始位置,然后加上第 j 个元素的偏移量,就可以得到 a[i][j] 元素在内存中的地址
a[i][j]_address = base_address + ( i * n + j) * type_size
- m 表示数组的行数,n 表示数组的列数,
type_size
表示数组中每个元素的大小,base_address
表示数组的起始地址。
对于 a[i][j]
这个元素,它在数组中的位置可以表示为:第 i 行,第 j 列。由于数组存储是按行存储的,所以前 i - 1
行的元素占用的内存空间已经被分配出去了,第 i 行的元素需要放在前面已经分配的空间之后。在第 i 行中,第 j 个元素的位置可以表示为:第 i 行的起始位置 + j 个元素的偏移量。
-
第 i 行的起始位置可以表示为:
base_address + i * n * type_size
,其中i * n
表示前i - 1
行元素占用的内存空间。 -
j 个元素的偏移量可以表示为:
j * type_size
。
小结
本文介绍了数组的定义、特点和基本操作,包括插入、删除和越界问题等。同时还讨论了数组与链表的区别以及适用场景,并解释了为什么数组从0开始编号。最后提到常见的数组容器类和二维数组内存寻址方法。
参考文献
JVM标记清除算法,大多数主流虚拟机采用可达性分析算法来判断对象是否存活,在标记阶段,会遍历所有 GC ROOTS,将所有 GC ROOTS 可达的对象标记为存活。只有当标记工作完成后,清理工作才会开始。 ↩︎