数据结构与算法 | 青训营笔记

这是我参与「第三届青训营 -后端场」笔记创作活动的的第4篇笔记

为什么要学习数据结构和算法

真实案例：实现抖音直播间排行榜

规则：在某个时间段内，直播间礼物数TOP10房间获得奖励，需要在每个直播间展示排行榜

解决方案

1. 礼物数量存储在 Redis-zset 中，使用 skiplist 使元素整体有序
2. 使用 Redis 集群，避免单机压力过大，使用 主从算法，分片算法
3. 保证集群原信息稳定，使用 一致性算法
4. 后端使用 缓存算法（LRU） 降低 Redis 压力，展示房间排行榜

什么是最快的排序算法

单线程下，编程语言自带的排序算法

python 的 timsort

C++ introsort

Rust 的 pdqsort

Go的排序算法有没有提升的空间？

经典排序算法

插入排序

1. 最优时间复杂程 O(n)，
2. 平均时间复杂度 O(n^2)
3. 最坏时间复杂度 O(n^2)
4. 但是已经是比较排序中最优的算法了

快速排序

采用分治思想

1. 最优时间复杂程 O(n*logn)，
2. 平均时间复杂度 O(n*logn)
3. 最坏时间复杂度 O(n^2)

堆排序

构造一个大顶堆（根节点元素为最大的元素）

1. 最优时间复杂程 O(n*logn)，
2. 平均时间复杂度 O(n*logn)
3. 最坏时间复杂度 O(n*logn)

从零打造 pdqsort

version 1

需要解决的问题

1. 短序列的具体长度是多少

   给出的建议是12~32，在不同语言和场景中不同，在泛型版本，根据测试选定24

2. 如何得知快速排序不佳，以及何时切换到堆排序

   当最终选择的分割点的位置离序列两端很接近时，（距离小于 length/8），判断其表现不佳，当这种情况达到一定次数时，切换到堆排序

version 2

优化快排的 pivot

1. 短序列（<=8) 选择固定元素即可
2. 中序列 （<=50）采样三个元素，选取其中的中位数
3. 长序列，采样九个元素，选取中位数

Pivot 的采样方式使得我们有探知序列当前状态的能力

1. 如果采用数为逆序，则反转序列
2. 如果采样数为正序，则使用 有限制次数的 插入排序

final version

对重复元素较多的情况进行优化

问题？

如何判断序列的重复元素很多呢？

如果两次生成的 pivot 是相同的，则认为进行了无效分割，则认为 pivot 就是重复元素

就将 pivot 相同的值排列到一起

final version 版本也就是 go 1.19默认的排序算法

---

总结

通过这个课程可以了解到，工程实践过程中和学校课程中的数据结构和算法的区别。没有完美的算法，在实际生产环境中，单一的算法更不可能胜任所有的场景，我们可以取长补短，在不同的场景下，发挥算法的最大优势。