堆
堆是一棵二叉树。大根堆即任意节点的值都大于等于其子节点。反之为小根堆。
用数组来表示堆,下标为 i 的结点的父结点下标为(i-1)/2,其左右子结点分别为 (2i + 1)、(2i + 2)。
构建堆
package main
import "fmt"
//AdjustTraingle 如果只是修改slice里的元素,不需要传slice的指针;如果要往slice里append或让slice指向新的子切片,则需要传slice指针
func AdjustTraingle(arr []int, parent int) {
left := 2*parent + 1
if left >= len(arr) {
return
}
right := 2*parent + 2
minIndex := parent
minValue := arr[minIndex]
if arr[left] < minValue {
minValue = arr[left]
minIndex = left
}
if right < len(arr) {
if arr[right] < minValue {
minValue = arr[right]
minIndex = right
}
}
if minIndex != parent {
arr[minIndex], arr[parent] = arr[parent], arr[minIndex]
AdjustTraingle(arr, minIndex) //递归。每当有元素调整下来时,要对以它为父节点的三角形区域进行调整
}
}
func ReverseAdjust(arr []int) {
n := len(arr)
if n <= 1 {
return
}
lastIndex := n / 2 * 2
fmt.Println(lastIndex)
for i := lastIndex; i > 0; i -= 2 { //逆序检查每一个三角形区域
right := i
parent := (right - 1) / 2
fmt.Println(parent)
AdjustTraingle(arr, parent)
}
}
func buildHeap() {
arr := []int{62, 40, 20, 30, 15, 10, 49}
ReverseAdjust(arr)
fmt.Println(arr)
}
每当有元素调整下来时,要对以它为父节点的三角形区域进行调整。
插入元素
删除堆顶
下面讲几个堆的应用。
堆排序
- 构建堆O(N)。
- 不断地删除堆顶O(NlogN)。
求集合中最大的K个元素
- 用集合的前K个元素构建小根堆。
- 逐一遍历集合的其他元素,如果比堆顶小直接丢弃;否则替换掉堆顶,然后向下调整堆。
把超时的元素从缓存中删除
- 按key的到期时间把key插入小根堆中。
- 周期扫描堆顶元素,如果它的到期时间早于当前时刻,则从堆和缓存中删除,然后向下调整堆。
golang中的container/heap实现了小根堆,但需要自己定义一个类,实现以下接口:
- Len() int
- Less(i, j int) bool
- Swap(i, j int)
- Push(x interface{})
- Pop() x interface{}
type Item struct {
Value string
priority int //优先级,数字越大,优先级越高
}
type PriorityQueue []*Item
func (pq PriorityQueue) Len() int {
return len(pq)
}
func (pq PriorityQueue) Less(i, j int) bool {
return pq[i].priority > pq[j].priority //golang默认提供的是小根堆,而优先队列是大根堆,所以这里要反着定义Less。定义的是大根堆
}
func (pq PriorityQueue) Swap(i, j int) {
pq[i], pq[j] = pq[j], pq[i]
}
//往slice里append,需要传slice指针
func (pq *PriorityQueue) Push(x interface{}) {
item := x.(*Item)
*pq = append(*pq, item)
}
//让slice指向新的子切片,需要传slice指针
func (pq *PriorityQueue) Pop() interface{} {
old := *pq
n := len(old)
item := old[n-1] //数组最后一个元素
*pq = old[0 : n-1] //去掉最一个元素
return item
}
func testPriorityQueue() {
pq := make(PriorityQueue, 0, 10)
pq.Push(&Item{"A", 3})
pq.Push(&Item{"B", 2})
pq.Push(&Item{"C", 4})
heap.Init(&pq)
heap.Push(&pq, &Item{"D", 6})
for pq.Len() > 0 {
fmt.Println(heap.Pop(&pq))
}
}
//&{D 6}
//&{C 4}
//&{A 3}
//&{B 2}
Trie树
trie树又叫字典权。
现有term集合:{分散,分散精力,分散投资,分布式,工程,工程师},把它们放到Trie树里如下图:
文章来源:https://www.toymoban.com/news/detail-525889.html
Trie树的根节点是总入口,不存储字符。对于英文,第个节点有26个子节点,子节点可以存到数组里;中文由于汉字很多,用数组存子节点太浪费内存,可以用map存子节点。从根节点到叶节点的完整路径是一个term。从根节点到某个中间节点也可能是一个term,即一个term可能是另一个term的前缀。上图中红圈表示从根节点到本节点是一个完整的term。文章来源地址https://www.toymoban.com/news/detail-525889.html
package main
import "fmt"
type TrieNode struct {
Word rune //当前节点存储的字符。byte只能表示英文字符,rune可以表示任意字符
Children map[rune]*TrieNode //孩子节点,用一个map存储
Term string
}
type TrieTree struct {
root *TrieNode
}
//add 把words[beginIndex:]插入到Trie树中
func (node *TrieNode) add(words []rune, term string, beginIndex int) {
if beginIndex >= len(words) { //words已经遍历完了
node.Term = term
return
}
if node.Children == nil {
node.Children = make(map[rune]*TrieNode)
}
word := words[beginIndex] //把这个word放到node的子节点中
if child, exists := node.Children[word]; !exists {
newNode := &TrieNode{Word: word}
node.Children[word] = newNode
newNode.add(words, term, beginIndex+1) //递归
} else {
child.add(words, term, beginIndex+1) //递归
}
}
//walk words[0]就是当前节点上存储的字符,按照words的指引顺着树往下走,最终返回words最后一个字符对应的节点
func (node *TrieNode) walk(words []rune, beginIndex int) *TrieNode {
if beginIndex == len(words)-1 {
return node
}
beginIndex += 1
word := words[beginIndex]
if child, exists := node.Children[word]; exists {
return child.walk(words, beginIndex)
} else {
return nil
}
}
//traverseTerms 遍历一个node下面所有的term。注意要传数组的指针,才能真正修改这个数组
func (node *TrieNode) traverseTerms(terms *[]string) {
if len(node.Term) > 0 {
*terms = append(*terms, node.Term)
}
for _, child := range node.Children {
child.traverseTerms(terms)
}
}
func (tree *TrieTree) AddTerm(term string) {
if len(term) <= 1 {
return
}
words := []rune(term)
if tree.root == nil {
tree.root = new(TrieNode)
}
tree.root.add(words, term, 0)
}
func (tree *TrieTree) Retrieve(prefix string) []string {
if tree.root == nil || len(tree.root.Children) == 0 {
return nil
}
words := []rune(prefix)
firstWord := words[0]
if child, exists := tree.root.Children[firstWord]; exists {
end := child.walk(words, 0)
if end == nil {
return nil
} else {
terms := make([]string, 0, 100)
end.traverseTerms(&terms)
return terms
}
} else {
return nil
}
}
func main() {
tree := new(TrieTree)
tree.AddTerm("分散")
tree.AddTerm("分散精力")
tree.AddTerm("分散投资")
tree.AddTerm("分布式")
tree.AddTerm("工程")
tree.AddTerm("工程师")
terms := tree.Retrieve("分散")
fmt.Println(terms)
terms = tree.Retrieve("人工")
fmt.Println(terms)
}
练习-用go中的list与map实现LRU算法
type LRUCache struct {
cache map[int]int
lst list.List
Cap int // 缓存容量上限
}
func NewLRUCache(cap int) *LRUCache {
lru := new(LRUCache)
lru.Cap = cap
lru.cache = make(map[int]int, cap)
lru.lst = list.List{}
return lru
}
func (lru *LRUCache) Add(key, value int) {
if len(lru.cache) < lru.Cap { //还未达到缓存的上限
// 直接把key value放到缓存中
lru.cache[key] = value
lru.lst.PushFront(key)
} else { // 缓存已满
// 先从缓存中淘汰一个元素
back := lru.lst.Back()
delete(lru.cache, back.Value.(int))
lru.lst.Remove(back)
// 把key value放到缓存中
lru.cache[key] = value
lru.lst.PushFront(key)
}
}
func (lru *LRUCache) find(key int) *list.Element {
if lru.lst.Len() == 0 {
return nil
}
head := lru.lst.Front()
for {
if head == nil {
break
}
if head.Value.(int) == key {
return head
} else {
head = head.Next()
}
}
return nil
}
func (lru *LRUCache) Get(key int) (int, bool) {
value, exists := lru.cache[key]
ele := lru.find(key)
if ele != nil {
lru.lst.MoveToFront(ele)
}
return value, exists
}
func testLRU() {
lru := NewLRUCache(10)
for i := 0; i < 10; i++ {
lru.Add(i, i) // 9 8 7 6 5 4 3 2 1 0
}
for i := 0; i < 10; i += 2 {
lru.Get(i) // 8 6 4 2 0 9 7 5 3 1
}
for i := 10; i < 15; i++ {
lru.Add(i, i) //14 13 12 11 10 8 6 4 2 0
}
for i := 0; i < 15; i += 3 {
_, exists := lru.Get(i)
fmt.Printf("key %d exists %t\n", i, exists)
}
}
练习-用go语言中的map和堆实现超时缓存
type HeapNode struct {
value int //对应到map里的key
deadline int //到期时间戳,精确到秒
}
type Heap []*HeapNode
func (heap Heap) Len() int {
return len(heap)
}
func (heap Heap) Less(i, j int) bool {
return heap[i].deadline < heap[j].deadline
}
func (heap Heap) Swap(i, j int) {
heap[i], heap[j] = heap[j], heap[i]
}
func (heap *Heap) Push(x interface{}) {
node := x.(*HeapNode)
*heap = append(*heap, node)
}
func (heap *Heap) Pop() (x interface{}) {
n := len(*heap)
last := (*heap)[n-1]
//删除最后一个元素
*heap = (*heap)[0 : n-1]
return last //返回最后一个元素
}
type TimeoutCache struct {
cache map[int]interface{}
hp Heap
}
func NewTimeoutCache(cap int) *TimeoutCache {
tc := new(TimeoutCache)
tc.cache = make(map[int]interface{}, cap)
tc.hp = make(Heap, 0, 10)
heap.Init(&tc.hp) //包装升级,从一个常规的slice升级为堆
return tc
}
func (tc *TimeoutCache) Add(key int, value interface{}, life int) {
//直接把key value放入map
tc.cache[key] = value
//计算出deadline,然后把key和deadline放入堆
deadline := int(time.Now().Unix()) + life
node := &HeapNode{value: key, deadline: deadline}
heap.Push(&tc.hp, node)
}
func (tc TimeoutCache) Get(key int) (interface{}, bool) {
value, exists := tc.cache[key]
return value, exists
}
func (tc *TimeoutCache) taotai() {
for {
if tc.hp.Len() == 0 {
time.Sleep(100 * time.Millisecond)
continue
}
now := int(time.Now().Unix())
top := tc.hp[0]
if top.deadline < now {
heap.Pop(&tc.hp)
delete(tc.cache, top.value)
} else { //堆顶还没有到期
time.Sleep(100 * time.Millisecond)
}
}
}
func testTimeoutCache() {
tc := NewTimeoutCache(10)
go tc.taotai() //在子协程里面去执行,不影响主协程继续往后走
tc.Add(1, "1", 1)
tc.Add(2, "2", 3)
tc.Add(3, "3", 4)
time.Sleep(2 * time.Second)
for _, key := range []int{1, 2, 3} {
_, exists := tc.Get(key)
fmt.Printf("key %d exists %t\n", key, exists) //1不存在,2 3还存在
}
}
到了这里,关于初识Go语言25-数据结构与算法【堆、Trie树、用go中的list与map实现LRU算法、用go语言中的map和堆实现超时缓存】的文章就介绍完了。如果您还想了解更多内容,请在右上角搜索TOY模板网以前的文章或继续浏览下面的相关文章,希望大家以后多多支持TOY模板网!