如何選擇數據結構

Array (T[])

• 當元素的數量是固定的，并且需要使用下標時。

Linked list (LinkedList<T>)

• 當元素需要能夠在列表的兩端添加時。否則使用 List<T>。

Resizable array list (List<T>)

• 當元素的數量不是固定的，并且需要使用下標時。

Stack (Stack<T>)

• 當需要實現 LIFO（Last In First Out）時。

Queue (Queue<T>)

• 當需要實現 FIFO（First In First Out）時。

Hash table (Dictionary<K,T>)

• 當需要使用鍵值對（Key-Value）來快速添加和查找，并且元素沒有特定的順序時。

Tree-based dictionary (SortedDictionary<K,T>)

• 當需要使用價值對（Key-Value）來快速添加和查找，并且元素根據 Key 來排序時。

Hash table based set (HashSet<T>)

• 當需要保存一組唯一的值，并且元素沒有特定順序時。

Tree based set (SortedSet<T>)

• 當需要保存一組唯一的值，并且元素需要排序時。

Array

在計算機程序設計中，數組（Array）是最簡單的而且應用最廣泛的數據結構之一。在任何編程語言中，數組都有一些共性：

• 數組中的內容是使用連續的內存（Contiguous Memory）來存儲的。
• 數組中的所有元素必須是相同的類型，或者類型的衍生類型。因此數組又被認為是同質數據結構（Homegeneous Data Structures）。
• 數組的元素可以直接被訪問。比如你需要訪問數組的第 i 個元素，則可以直接使用 arrayName[i] 來訪問。

對于數組的常規操作包括：

• 分配空間（Allocation）
• 數據訪問（Accessing）

在 C# 中，可以通過如下的方式聲明數組變量。

1 int allocationSize = 10;
2 bool[] booleanArray = new bool[allocationSize];
3 FileInfo[] fileInfoArray = new FileInfo[allocationSize];

上面的代碼將在 CLR 托管堆中分配一塊連續的內存空間，用以容納數量為 allocationSize ，類型為 arrayType 的數組元素。如果 arrayType 為值類型，則將會有 allocationSize 個未封箱（unboxed）的 arrayType 值被創建。如果 arrayType 為引用類型，則將會有 allocationSize 個 arrayType 類型的引用被創建。

如果我們為 FileInfo[] 數組中的一些位置賦上值，則引用關系為下圖所示。

.NET 中的數組都支持對元素的直接讀寫操作。語法如下：

1 // 讀數組元素
2 bool b = booleanArray[7];
3 
4 // 寫數組元素
5 booleanArray[0] = false;

訪問一個數組元素的時間復雜度為 O(1)，因此對數組的訪問時間是恒定的。也就是說，與數組中包含的元素數量沒有直接關系，訪問一個元素的時間是相同的。

#p#

ArrayList

由于數組是固定長度的，并且數組中只能存儲同一種類型或類型的衍生類型。這在使用中會受到一些限制。.NET 提供了一種數據結構 ArrayList 來解決這些問題。

1   ArrayList countDown = new ArrayList();
2   countDown.Add(3);
3   countDown.Add(2);
4   countDown.Add(1);
5   countDown.Add("blast off!");
6   countDown.Add(new ArrayList());

ArrayList 是長度可變的數組，并且它可以存儲不同類型的元素。

但這些靈活性是以犧牲性能為代價的。在上面 Array 的描述中，我們知道 Array 在存儲值類型時是采用未裝箱（unboxed）的方式。由于 ArrayList 的 Add 方法接受 object 類型的參數，導致如果添加值類型的值會發生裝箱（boxing）操作。這在頻繁讀寫 ArrayList 時會產生額外的開銷，導致性能下降。

List<T>

當 .NET 中引入泛型功能后，上面 ArrayList 所帶來的性能代價可以使用泛型來消除。.NET 提供了新的數組類型 List<T>。

泛型允許開發人員在創建數據結構時推遲數據類型的選擇，直到使用時才確定選擇哪種類型。泛型（Generics）的主要優點包括：

• 類型安全（Type Safety）：使用泛型定義的類型，在使用時僅能使用指定的類型或類型的衍生類型。
• 性能（Performance）：泛型移除了運行時類型檢測，消除了裝箱和拆箱的開銷。
• 可重用（Reusability）：泛型打破了數據結構與存儲數據類型之間的緊耦合。這提高了數據結構的可重用性。

List<T> 等同于同質的一維數組（Homogeneous self-redimensioning array）。它像 Array 一樣可以快速的讀取元素，還可以保持長度可變的靈活性。

1       // 創建 int 類型列表
2       List<int> myFavoriteIntegers = new List<int>();
3 
4       // 創建 string 類型列表
5       List<string> friendsNames = new List<string>();

List<T> 內部同樣使用 Array 來實現，但它隱藏了這些實現的復雜性。當創建 List<T> 時無需指定初始長度，當添加元素到 List<T> 中時，也無需關心數組大小的調整（resize）問題。

1   List<int> powersOf2 = new List<int>();
2 
3   powersOf2.Add(1);
4   powersOf2.Add(2);
5 
6   powersOf2[1] = 10;
7 
8   int sum = powersOf2[1] + powersOf2[2];

List<T> 的漸進運行時（Asymptotic Running Time）復雜度與 Array 是相同的。

Queue<T>

當我們需要使用先進先出順序（FIFO）的數據結構時，.NET 為我們提供了 Queue<T>。Queue<T> 類提供了 Enqueue 和 Dequeue 方法來實現對 Queue<T> 的存取。

Queue<T> 內部建立了一個存放 T 對象的環形數組，并通過 head 和 tail 變量來指向該數組的頭和尾。

默認情況下，Queue<T> 的初始化容量是 32，也可以通過構造函數指定容量。

Enqueue 方法會判斷 Queue<T> 中是否有足夠容量存放新元素。如果有，則直接添加元素，并使索引 tail 遞增。在這里的 tail 使用求模操作以保證 tail 不會超過數組長度。如果容量不夠，則 Queue<T> 根據特定的增長因子擴充數組容量。

默認情況下，增長因子（growth factor）的值為 2.0，所以內部數組的長度會增加一倍。也可以通過構造函數中指定增長因子。Queue<T> 的容量也可以通過 TrimExcess 方法來減少。

Dequeue 方法根據 head 索引返回當前元素，之后將 head 索引指向 null，再遞增 head 的值。

#p#

Stack<T>

當需要使用后進先出順序（LIFO）的數據結構時，.NET 為我們提供了 Stack<T>。Stack<T> 類提供了 Push 和 Pop 方法來實現對 Stack<T> 的存取。

Stack<T> 中存儲的元素可以通過一個垂直的集合來形象的表示。當新的元素壓入棧中（Push）時，新元素被放到所有其他元素的頂端。當需要彈出棧（Pop）時，元素則被從頂端移除。

[[115374]]

Stack<T> 的默認容量是 10。和 Queue<T> 類似，Stack<T> 的初始容量也可以在構造函數中指定。Stack<T> 的容量可以根據實際的使用自動的擴展，并且可以通過 TrimExcess 方法來減少容量。

如果 Stack<T> 中元素的數量 Count 小于其容量，則 Push 操作的復雜度為 O(1)。如果容量需要被擴展，則 Push 操作的復雜度變為 O(n)。Pop 操作的復雜度始終為 O(1)。

Hashtable

現在我們要使用員工的社保號作為唯一標識進行存儲。社保號的格式為 DDD-DD-DDDD（D 的范圍為數字 0-9）。

如果使用 Array 存儲員工信息，要查詢社保號為 111-22-3333 的員工，則將會嘗試遍歷數組的所有選擇，即執行復雜度為 O(n) 的查詢操作。好一些的辦法是將社保號排序，以使查詢復雜度降低到 O(log(n))。但理想情況下，我們更希望查詢復雜度為 O(1)。

一種方案是建立一個大數組，范圍從 000-00-0000 到 999-99-9999 。

這種方案的缺點是浪費空間。如果我們僅需要存儲 1000 個員工的信息，那么僅利用了 0.0001% 的空間。

第二種方案就是用哈希函數（Hash Function）壓縮序列。

我們選擇使用社保號的后四位作為索引，以減少區間的跨度。這樣范圍將從 0000 到 9999。

在數學上，將這種從 9 位數轉換為 4 位數的方式稱為哈希轉換（Hashing）。可以將一個數組的索引空間（indexers space）壓縮至相應的哈希表（Hash Table）。

在上面的例子中，哈希函數的輸入為 9 位數的社保號，輸出結果為后 4 位。

H(x) = last four digits of x

上圖中也說明在哈希函數計算中常見的一種行為：哈希沖突（Hash Collisions）。即有可能兩個社保號的后 4 位均為 0000。

當要添加新元素到 Hashtable 中時，哈希沖突是導致操作被破壞的一個因素。如果沒有沖突發生，則元素被成功插入。如果發生了沖突，則需要判斷沖突的原因。因此，哈希沖突提高了操作的代價，Hashtable 的設計目標就是要盡可能減低沖突的發生。

避免哈希沖突的一個方法就是選擇合適的哈希函數。哈希函數中的沖突發生的幾率與數據的分布有關。例如，如果社保號的后 4 位是隨即分布的，則使用后 4 位數字比較合適。但如果后 4 位是以員工的出生年份來分配的，則顯然出生年份不是均勻分布的，則選擇后 4 位會造成大量的沖突。

我們將選擇合適的哈希函數的方法稱為沖突避免機制（Collision Avoidance）。

在處理沖突時，有很多策略可以實施，這些策略稱為沖突解決機制（Collision Resolution）。其中一種方法就是將要插入的元素放到另外一個塊空間中，因為相同的哈希位置已經被占用。

例如，最簡單的一種實現就是線性挖掘（Linear Probing），步驟如下：

1. 當插入新的元素時，使用哈希函數在哈希表中定位元素位置；
2. 檢查哈希表中該位置是否已經存在元素。如果該位置內容為空，則插入并返回，否則轉向步驟 3。
3. 如果該位置為 i，則檢查 i+1 是否為空，如果已被占用，則檢查 i+2，依此類推，直到找到一個內容為空的位置。

現在如果我們要將五個員工的信息插入到哈希表中：

• Alice (333-33-1234)
• Bob (444-44-1234)
• Cal (555-55-1237)
• Danny (000-00-1235)
• Edward (111-00-1235)

則插入后的哈希表可能如下：

元素的插入過程：

• Alice 的社保號被哈希為 1234，因此存放在位置 1234。
• Bob 的社保號被哈希為 1234，但由于位置 1234 處已經存放 Alice 的信息，則檢查下一個位置 1235，1235 為空，則 Bob 的信息就被放到 1235。
• Cal 的社保號被哈希為 1237，1237 位置為空，所以 Cal 就放到 1237 處。
• Danny 的社保號被哈希為 1235，1235 已被占用，則檢查 1236 位置是否為空，1236 為空，所以 Danny 就被放到 1236。
• Edward 的社保號被哈希為 1235，1235 已被占用，檢查1236，也被占用，再檢查1237，直到檢查到 1238時，該位置為空，于是 Edward 被放到了1238 位置。

線性挖掘（Linear Probing）方式雖然簡單，但并不是解決沖突的最好的策略，因為它會導致同類哈希的聚集。這導致搜索哈希表時，沖突依然存在。例如上面例子中的哈希表，如果我們要訪問 Edward 的信息，因為 Edward 的社保號 111-00-1235 哈希為 1235，然而我們在 1235 位置找到的是 Bob，所以再搜索 1236，找到的卻是 Danny，以此類推直到找到 Edward。

#p#

一種改進的方式為二次挖掘（Quadratic Probing），即每次檢查位置空間的步長為平方倍數。也就是說，如果位置 s 被占用，則首先檢查 s + 1² 處，然后檢查s - 1²，s + 2²，s - 2²，s + 3² 依此類推，而不是象線性挖掘那樣以 s + 1，s + 2 ... 方式增長。盡管如此，二次挖掘同樣也會導致同類哈希聚集問題。

.NET 中的 Hashtable 的實現，要求添加元素時不僅要提供元素（Item），還要為該元素提供一個鍵（Key）。例如，Key 為員工社保號，Item 為員工信息對象。可以通過 Key 作為索引來查找 Item。

 1       Hashtable employees = new Hashtable();
 2 
 3       // Add some values to the Hashtable, indexed by a string key
 4       employees.Add("111-22-3333", "Scott");
 5       employees.Add("222-33-4444", "Sam");
 6       employees.Add("333-44-55555", "Jisun");
 7 
 8       // Access a particular key
 9       if (employees.ContainsKey("111-22-3333"))
10       {
11         string empName = (string)employees["111-22-3333"];
12         Console.WriteLine("Employee 111-22-3333's name is: " + empName);
13       }
14       else
15         Console.WriteLine("Employee 111-22-3333 is not in the hash table...");

Hashtable 類中的哈希函數比前面介紹的社保號的實現要更為復雜。哈希函數必須返回一個序數（Ordinal Value）。對于社保號的例子，通過截取后四位就可以實現。但實際上 Hashtable 類可以接受任意類型的值作為 Key，這都要歸功于 GetHashCode 方法，一個定義在 System.Object 中的方法。GetHashCode 的默認實現將返回一個唯一的整數，并且保證在對象的生命周期內保持不變。

Hashtable 類中的哈希函數定義如下：

H(key) = [GetHash(key) + 1 + (((GetHash(key) >> 5) + 1) % (hashsize – 1))] % hashsize

這里的 GetHash(key) 默認是調用 key 的 GetHashCode 方法以獲取返回的哈希值。hashsize 指的是哈希表的長度。因為要進行求模，所以最后的結果 H(key) 的范圍在 0 至 hashsize - 1 之間。

當在哈希表中添加或獲取一個元素時，會發生哈希沖突。前面我們簡單地介紹了兩種沖突解決策略：

• 線性挖掘（Linear Probing）
• 二次挖掘（Quadratic Probing）

在 Hashtable 類中則使用的是一種完全不同的技術，稱為二度哈希（rehashing）（有些資料中也將其稱為雙精度哈希（double hashing））。

二度哈希的工作原理如下：

有一個包含一組哈希函數 H1...Hn 的集合。當需要從哈希表中添加或獲取元素時，首先使用哈希函數 H1。如果導致沖突，則嘗試使用 H2，以此類推，直到 Hn。所有的哈希函數都與 H1 十分相似，不同的是它們選用的乘法因子（multiplicative factor）。

通常，哈希函數 Hk 的定義如下：

Hk(key) = [GetHash(key) + k * (1 + (((GetHash(key) >> 5) + 1) % (hashsize – 1)))] % hashsize

當使用二度哈希時，重要的是在執行了 hashsize 次挖掘后，哈希表中的每一個位置都有且只有一次被訪問到。也就是說，對于給定的 key，對哈希表中的同一位置不會同時使用 Hi 和 Hj。在 Hashtable 類中使用二度哈希公式，其始終保持 (1 + (((GetHash(key) >> 5) + 1) % (hashsize – 1)) 與 hashsize 互為素數（兩數互為素數表示兩者沒有共同的質因子）。

二度哈希較前面介紹的線性挖掘（Linear Probing）和二次挖掘（Quadratic Probing）提供了更好的避免沖突的策略。

Hashtable 類中包含一個私有成員變量 loadFactor，loadFactor 指定了哈希表中元素數量與位置（slot）數量之間的最大比例。例如：如果 loadFactor 等于 0.5，則說明哈希表中只有一半的空間存放了元素值，其余一半都為空。

哈希表的構造函數允許用戶指定 loadFactor 值，定義范圍為 0.1 到 1.0。然而，不管你提供的值是多少，范圍都不會超過 72%。即使你傳遞的值為 1.0，Hashtable 類的 loadFactor 值還是 0.72。微軟認為loadFactor 的最佳值為 0.72，這平衡了速度與空間。因此雖然默認的 loadFactor 為 1.0，但系統內部卻自動地將其改變為 0.72。所以，建議你使用缺省值1.0（但實際上是 0.72）。

向 Hashtable 中添加新元素時，需要檢查以保證元素與空間大小的比例不會超過最大比例。如果超過了，哈希表空間將被擴充。步驟如下：

• 哈希表的位置空間幾乎被翻倍。準確地說，位置空間值從當前的素數值增加到下一個最大的素數值。
• 因為二度哈希時，哈希表中的所有元素值將依賴于哈希表的位置空間值，所以表中所有值也需要重新二度哈希。

由此看出，對哈希表的擴充將是以性能損耗為代價。因此，我們應該預先估計哈希表中最有可能容納的元素數量，在初始化哈希表時給予合適的值進行構造，以避免不必要的擴充。

Dictionary<K,T>

Hashtable 類是一個類型松耦合的數據結構，開發人員可以指定任意的類型作為 Key 或 Item。當 .NET 引入泛型支持后，類型安全的 Dictionary<K,T> 類出現。Dictionary<K,T> 使用強類型來限制 Key 和 Item，當創建 Dictionary<K,T> 實例時，必須指定 Key 和 Item 的類型。

Dictionary<keyType, valueType> variableName = new Dictionary<keyType, valueType>();

如果繼續使用上面描述的社保號和員工的示例，我們可以創建一個 Dictionary<K,T> 的實例：

Dictionary<int, Employee> employeeData = new Dictionary<int, Employee>();

這樣我們就可以添加和刪除員工信息了。

1 // Add some employees
2 employeeData.Add(455110189) = new Employee("Scott Mitchell");
3 employeeData.Add(455110191) = new Employee("Jisun Lee");
4 
5 // See if employee with SSN 123-45-6789 works here
6 if (employeeData.ContainsKey(123456789))

Dictionary<K,T> 與 Hashtable 的不同之處還不止一處。除了支持強類型外，Dictionary<K,T> 還采用了不同的沖突解決策略（Collision Resolution Strategy），這種新的技術稱為鏈技術（chaining）。

前面使用的挖掘技術（probing），如果發生沖突，則將嘗試列表中的下一個位置。如果使用二度哈希（rehashing），則將導致所有的哈希被重新計算。而新的鏈技術（chaining）將采用額外的數據結構來處理沖突。Dictionary<K,T> 中的每個位置（slot）都映射到了一個數組。當沖突發生時，沖突的元素將被添加到桶（bucket）列表中。

下面的示意圖中描述了 Dictionary<K,T> 中的每個桶（bucket）都包含了一個鏈表以存儲相同哈希的元素。

[[115375]]

上圖中，該 Dictionary 包含了 8 個桶，也就是自頂向下的黃色背景的位置。一定數量的 Employee 對象已經被添加至 Dictionary 中。如果一個新的 Employee 要被添加至 Dictionary 中，將會被添加至其 Key 的哈希所對應的桶中。如果在相同位置已經有一個 Employee 存在了，則將會將新元素添加到列表的前面。

向 Dictionary 中添加元素的操作涉及到哈希計算和鏈表操作，但其仍為常量，復雜度為 O(1)。

對 Dictionary 進行查詢和刪除操作時，其平均時間取決于 Dictionary 中元素的數量和桶（bucket）的數量。具體的說就是運行時間為 O(n/m)，這里 n 為元素的總數量，m 是桶的數量。但 Dictionary 幾乎總是被實現為 n = m，也就是說，元素的總數絕不會超過桶的總數。所以 O(n/m) 也變成了常量 O(1)。

參考資料

• An Extensive Examination of Data Structures Using C# 2.0 : Part 1: An Introduction to Data Structures
• An Extensive Examination of Data Structures Using C# 2.0 : Part 2: The Queue, Stack, and Hashtable
• 考察數據結構——第一部分：數據結構簡介[譯]
• 考察數據結構——第二部分：隊列、堆棧和哈希表[譯]

本文出自：http://www.cnblogs.com/gaochundong/p/data_structures_and_asymptotic_analysis.html