【追求卓越01】数据结构--数组

引导

        这一章节开始，正式进入数据结构与算法的学习过程中。由简到难，先开始学习最基础的数据结构--数组。

        我相信对于数组，大家肯定是不陌生，因为数组在大多数的语言中都有，也是大家在编程中常常会接触到的。我不会说数组有多困难，但是它绝对不是像我们所想的那么简单而已。

        带着问题进入今天的课题：为什么数组的下表从0开始，而不是从1开始？

什么是数组

        我们还是从专业的角度来介绍一下数组：数组是一种线性表数据结构。它用一组连续的内存空间，来储存一组相同类型的数据。其中有几个知识点是需要我们了解的。

第一点是线性结构的概念。线性结构具有以下几个特点：

1. 有唯一的首元素
2. 有唯一的尾元素
3. 除了首元素，所有的元素都有唯一的前驱
4. 除了尾元素，所有的元素都有唯一的后继
5. 数据元素之间存在“一对一”的关系

只要不满足以上特点的，就是非线性表。

常见的线性结构有：栈，数组，队列，堆，链表

常见的非线性结构有：树，图

        第二点是连续的内存空间和相同类型的数据结构。这两点正是数据数组强大的主要原因--高效的访问操作（随机访问）。我们知道数组在查询操作中具有很高的效率。但是原因是什么呢？我们一起来分析一下。

        例： 我们定义一个int 类型的数组，长度为10。假设首地址是base_address是1000。,那么它在内存中的分布应该如下图：

        比如我现在要访问数组中第5个数据a[4] (数组下标从0开始)。操作系统就会从 base_address+4*sizeof(int) 地址进行取值。正是通过这个公式实现数组的随机访问。

        其实在这里，我们就可以回答刚开始导入的问题了：为什么数组的下表从0开始，而不是从1开始？

原因有二：

1. 我们知道数组的随机访问是通过base_address+i*sizeof(data_type_size)公式计算的。如果数组的下表从1开始，数据在内存中的分布是不会改变的。上面的例子就是：访问数组中第5个数据a5。操作系统就会从base_address+(i-1)*sizeof(data_type_size)这个地址进行取值。相对于上面的公式，多了一个减法操作。（这种常用操作，对于CPU而言，性能的提升可能是很大的）。但这并不是主要原因，因为也有语言中数组的下表不是从0开始。
2. 历史原因，因为C语言作为最早出现的高级语言，它的数组下标就是从0开始的。后面java等其它高级语言在创建之初，就继承了这一特性。（大部分人都已习惯从0开始）

数组的增删查

        数组的最大优势就是高效的查询。但是这其中也存在一定的坑。比如：数组的查询复杂度是O(1)。这句话是正确的吗？

错误的，因为即使是有序的数组，采用二分法。查询的复杂度也应该是O(logn)。准确的说法应该是：数组根据下标查询的复杂度是O(1)。

数组的增加和删除是比较低效的操作了。因为增加一个或者是删除一个你要保证内存数据的连续性。

数组的越界

        数组的越界总是会发生一些意想不到的问题。我们看分析一下该代码，看看是什么现象。

        现象是无限的打印“hello world”。我相信代码的错误点，大家肯定是知道的————数组越界访问。但是为什么会造成无限打印呢？这需要了解linux 虚拟内存分布以及栈的概念了。

        我们首先要知道linux进程的虚拟内存为4G，并且不同的地址分配着不同的资源。可参考下图：

其中各个空间分布，我就不再赘述了。只介绍该题需要分析的栈。需要注意以下几点：

1. 栈也是一个数据结构，它的特点是先进后出。
2. 并且它是向下连续增长的
3. 一个线程中，是共享一个栈的。（线程中的栈大小是有限制）

我们知道局部变量是分布在栈中的，根据上面的代码，我们可以开始分析。

1. int i=0;//i变量入栈，假设地址为1000
2. int arr[3]={0};//arr数组入栈，arr[0]地址为988，arr[1]地址为992，arr[2]地址为996。

        分析到这里，我们就知道了，当访问arr[3]时，计算机根据base_address+3*data_type_size公式，实际上访问的是i变量，将i设置为了0，导致重新循环开始。所以一直无限打印“hello world”。

总结

        该篇简单介绍了数组这个数据结构。分析了它为什么能够实现随机访问。以及数组越界可能会带来的一些问题。数组比较适合用来查询，但是删除和增加，就比较低效了。

        对于超级大的数组，每次删除都会搬移其它数据。如果删除操作比较频繁。那么就是比较低效的。为了减少搬移数据的次数，我们可以将删除的变量进行标记（已使用或未使用），当内存不足时，再进行释放。这样就减少了搬移次数，提高效率。其实这也是JVM标记清除垃圾算法的思想。