通用数据结构 I——物理存储模型（连续与离散）

第一章：通用数据结构 I——物理存储模型（连续与离散）

绪论：数据结构的物理前提

• 数据结构常从逻辑关系讨论，例如线性结构、树结构与图结构。

• 但无论逻辑关系如何设计，数据最终都必须落在 真实存储介质（内存或磁盘） 上。

• 因此在实现层面，任何数据结构都必须回答一个更基础的问题：

  数据在物理空间中如何排布？

• 在这一层面，物理排布可以归结为两种基本模型：

  连续存储 与 离散存储。

• 数组与链表是这两种模型最直接的代表。

一、连续存储：数组

定义

• 在内存中申请一段 连续地址空间，所有元素大小相同，按固定顺序排列。

机制

• 数组定位依赖地址计算公式：Address = Base + Index × Size
• 只要知道基地址与下标，就可以直接计算目标元素地址。

特征

• 访问复杂度： O(1)

  地址可直接计算，不需要遍历路径。

• **结构刚性：**连续空间必须保持完整，因此成本集中在两类操作：

  1. **扩容成本：**容量不足时需要重新申请更大的连续空间，并整体搬迁数据。
  2. 修改成本：在中间插入或删除元素时，需要移动后续元素。

总结

• 连续存储提供 极高访问效率，但扩展与局部修改成本集中。

二、离散存储：链表

定义

• 节点可以分布在内存任意位置，通过 指针连接 建立逻辑顺序。

机制

• 结构：每个节点通常包含两部分

  1. 数据
  2. **指针：**指向下一节点（或前后节点）的地址

• 结构通过指针连接形成链式访问路径。

特征

• 访问复杂度： O(n)

  访问任意元素需要从头节点开始逐个遍历。

• 结构灵活：

  1. 插入或删除节点只需要修改指针（在已定位节点的前提下O(1)）
  2. 不依赖连续地址空间

• 访问效率受限：

  1. 每个节点需要额外存储指针，空间利用率较低
  2. 节点离散分布，指针跳转导致缓存命中率较低

总结

• 离散存储提供更强的结构灵活性，但访问路径依赖指针跳转，实际性能常受缓存局部性限制。

三、硬件现实的影响：连续性的优势

问题

• 理论复杂度只关注 O(1) 与 O(n)，但真实性能还会受到 硬件机制 的影响。

机制**（CPU缓存）**

• 现代 CPU 采用多级缓存（L1/L2/L3）。
• 数据通常以 缓存行 为单位加载，常见大小为 64字节。

影响

• 连续存储的数据位于相邻地址，一个缓存行可加载多个元素，顺序访问命中率更高。
• 链表节点分散在不同地址，指针跳转更容易触发新的缓存行加载。

在真实系统中，两者差距往往 远大于理论复杂度中的常数差异。

工程选择

• 高性能系统通常优先使用：

  1. 数组
  2. 数组改造型结构（如动态数组、块状结构）

• 纯链表很少作为核心数据结构。

总结

• 在现代硬件环境下，连续性通常比指针灵活性更具性能优势。
• 许多高性能结构本质上是在 扩展能力 与 局部连续性 之间寻找平衡。

本章总结

• 在物理层面，数据结构只有两种基本模型：连续存储 与 离散存储。
• 连续结构访问效率高，但扩展与局部修改成本集中；离散结构扩展灵活，但访问效率受限。
• 在现代硬件环境下，缓存局部性使连续存储通常具有更高性能。
• 工程中的高性能结构常在 扩展能力 与 局部连续性 之间折中。

下一问题

• 本章解决的是：数据如何存放。

• 当数据规模扩大后，更关键的问题变成：

  如何在大量数据中快速定位目标数据？

• 为此系统需要在数据之上建立新的结构：搜索路径。

  下一章讨论：索引结构。