Java的数据结构有那些？

1.线性表（ArrayList）

一个线性表（Linear List）是由n(n≥0)个数据元素（结点，它可以是一个字母，数字，记录或更复杂的信息）所构成的有限序列。线性表逻辑地表示为：（a0,a1,…,an-1)。其中，n为线性表的长度，n=0时为空表。称i为ai在线性表中的位序号。

顺序储存结构是用数组来保存数据的, 线性表也就是数组的一种特殊储存方式：从头到尾依次储存数据。

下面这种情况就不是线性表

java中以ArrayList为例

数组扩容：ArrayList的底层是Object类的数组，默认长度是10,超过10后，长度变为原长度的1.5倍。
可以简单的认为是一个动态数组；实际上ArrayList就是用数组实现的，长度不够时，调用Arrays.copyOf方法，拷贝当前数组到一个新的长度更大的数组。

特点：
1 随机访问速度快，插入和移除性能较差(数组的特点)；
2 支持null元素的存在；
3 有顺序结构；
4 元素可以重复；
5但线程不安全。
这里说一下什么是线程安全：

线程安全就是多线程访问时，采用了加锁机制，当一个线程访问该类的某个数据时，进行保护，其他线程不能进行访
问直到该线程读取完，其他线程才可使用。不会出现数据不一致或者数据污染。线程不安全就是不提供数据访问保护，有
可能出现多个线程先后更改数据造成所得到的数据是脏数据。
List接口下面有两个实现，一个是ArrayList，另外一个是vector。从源码的角度来看，
因为Vector的方法前加了，synchronized 关键字，也就是同步的意思，sun公司希望Vector是线程安全的，
而希望arraylist是高效的，缺点就是另外的优点。

List下面有两个实现类
ArrayList源码注释：

Vector源码注释：

从上面我们可以看出vector方法上面都用了synchronized来保证方法的同步，所以说他是线程安全的。
而ArrayList在多线程操作的同一个list的情况容易发生数组越界异常。所以在实际应用场景中如果要保证arraylist的线程安全，就需要保证他是一个同步的操作Collections.synchronizedList()。这样他的效率就变低了。

2.链表（LinkedList）

链表是一种物理存储单元上非连续、非顺序的存储结构，数据元素的逻辑顺序是通过链表中的指针链接次序实现的。链表由一系列节点(链表中的每一个元素称为节点)组成，节点可以在运行时动态生成。每个节点包含两个部分:一个是存储数据元素的数据域，另一个是存储下一个节点地址的指针域。相对于线性表顺序结构，操作复杂。由于不必按顺序存储，链表在插入的时候可以达到O(1)的复杂度，比另一种线性表顺序表快得多，但查找一个节点或者访问特定编号的节点则需要O(n)的时间，而线性表和顺序表相应的时间复杂度分别是O(logn)和O(1)。

链表的优势

• 不需要知道数据的大小，可以充分利用计算机内存空间，实现灵活的内存动态管理
• 链表允许插入和移除表上任意位置上的节点(但是不允许随机存取)
  ‘

链表的缺点

• 不能像数组一样随机读取
• 增加了空间的开销(增加了节点的指针域)

单链表

单链表在内存中的储存方式如下

data域是指的该节点储存的数据，而next域名存的则是下一个节点的地址，虽然链表是有序列表，但是其元素并不是连续存储的。

3.栈（Stack）

栈是一种用于存储数据的简单数据结构，有点类似链表或者顺序表（统称线性表），栈与线性表的最大区别是数据的存取的操作，我们可以这样认为栈(Stack)是一种特殊的线性表，其插入和删除操作只允许在线性表的一端进行，一般而言，把允许操作的一端称为栈顶(Top)，不可操作的一端称为栈底(Bottom)，同时把插入元素的操作称为入栈(Push),删除元素的操作称为出栈(Pop)。若栈中没有任何元素，则称为空栈，

由于栈也是线性表，因此线性表的存储结构对栈也适用，通常栈有顺序栈和链栈两种存储结构，这两种存储结构的不同，则使得实现栈的基本运算的算法也有所不同。是先进后出的原则

栈的作用
1 .数制转换

2.语法词法分析

3.表达式求值等

栈的基本操作创建栈，判空，入栈，出栈，获取栈顶元素等，注意栈不支持对指定位置进行删除，插入，其接口Stack声明如下：

/**
     * 移除此堆栈顶部的对象并将该对象作为此函数的值返回。 
     * @return 此堆栈顶部的对象（<tt>Vector<tt> 对象的最后一项）。
     *  @throws EmptyStackException 如果此堆栈为空。
     */
    public synchronized E pop() {
        E       obj;
        int     len = size();

        obj = peek();
        removeElementAt(len - 1);

        return obj;
    }

4.队列（Queue）

队列(Queue)也是一种运算受限的线性表，它的运算限制与栈不同，是两头都有限制，插入只能在表的一端进行(只进不出)，而删除只能在表的另一端进行(只出不进)，允许删除的一端称为队尾(rear)，允许插入的一端称为队头 (Front)，队列的操作原则是先进先出的，所以队列又称作FIFO表(First In First Out)

队列的应用
【举例1】银行排队
【举例2】模拟打印机缓冲区。
在主机将数据输出到打印机时，会出现主机速度与打印机的打印速度不匹配的问题。这时主机就要停下来等待打印机。显然，这样会降低主机的使用效率。为此人们设想了一种办法：为打印机设置一个打印数据缓冲区，当主机需要打印数据时，先将数据依次写入这个缓冲区，写满后主机转去做其他的事情，而打印机就从缓冲区中按照先进先出的原则依次读取数据并打印，这样做即保证了打印数据的正确性，又提高了主机的使用效率。由此可见，打印机缓冲区实际上就是一个队列结构。
【举例3】CPU分时系统
在一个带有多个终端的计算机系统中，同时有多个用户需要使用CPU运行各自的应用程序，它们分别通过各自的终端向操作系统提出使用CPU的请求，操作系统通常按照每个请求在时间上的先后顺序，将它们排成一个队列，每次把CPU分配给当前队首的请求用户，即将该用户的应用程序投入运行，当该程序运行完毕或用完规定的时间片后，操作系统再将CPU分配给新的队首请求用户，这样即可以满足每个用户的请求，又可以使CPU正常工作。

5.图（Map）

图是一种非线性结构。由顶点的有穷非空集合和顶点之间的集合组成通常表示为G（v,e），其中V是图G中顶点的集合，E是图G中边的集合。（这块不是很理解）

6.树（Tree）

在计算器科学中，树（英语：tree）是一种抽象数据类型或是实现这种抽象数据类型的数据结构，用来模拟具有树状结构性质的数据集合。它是由n（n>0）个有限节点组成一个具有层次关系的集合。把它叫做“树”是因为它看起来像一棵倒挂的树，也就是说它是根朝上，而叶朝下的。它具有以下的特点：

①每个节点有零个或多个子节点；
②没有父节点的节点称为根节点；
③每一个非根节点有且只有一个父节点；
④除了根节点外，每个子节点可以分为多个不相交的子树；

然后你要知道一大堆关于树的术语：度，叶子节点，根节点，父节点，子节点，深度，高度。

6.1二叉树

每个节点最多含有两个子树的树称为二叉树。

满二叉树：除最后一层无任何子节点外，每一层上的所有结点都有两个子结点。也可以这样理解，除叶子结点外的所有结点均有两个子结点。节点数达到最大值，所有叶子结点必须在同一层上

完全二叉树：若设二叉树的深度为h，除第 h 层外，其它各层 (1～(h-1)层) 的结点数都达到最大个数，第h层所有的结点都连续集中在最左边，这就是完全二叉树。

二叉树的遍历方式:

前序遍历(Pre-Order Traversal)：先根节点->遍历左子树->遍历右子树

中序遍历(In-Order Traversal)：遍历左子树->根节点->遍历右子树

后序遍历(Post-Order Traversal)：遍历左子树->遍历右子树->根节点

6.2动态查找树

二叉查找树是二叉树的衍生概念：

二叉查找树（英语：Binary Search Tree），也称为二叉搜索树、有序二叉树（ordered binary tree）或排序二叉树（sorted binary tree），是指一棵空树或者具有下列性质的二叉树：

1.若任意节点的左子树不空，则左子树上所有节点的值均小于它的根节点的值；
2 若任意节点的右子树不空，则右子树上所有节点的值均大于它的根节点的值；
3.任意节点的左、右子树也分别为二叉查找树；
4.没有键值相等的节点。

6.3平衡二叉树（AVL树）

平衡二叉树：当且仅当任何节点的两棵子树的高度差不大于1的二叉树；

其中AVL树是最先发明的自平衡二叉查找树，是最原始典型的平衡二叉树。

平衡二叉树是基于二叉查找树的改进。由于在某些极端的情况下（如在插入的序列是有序的时），二叉查找树将退化成近似链或链，此时，其操作的时间复杂度将退化成线性的，即O(n)。所以我们通过自平衡操作（即旋转）构建两个子树高度差不超过1的平衡二叉树。

6.4红黑树
红黑树也是一种自平衡的二叉查找树。

1.每个结点要么是红的要么是黑的。（红或黑）
2.根结点是黑的。  （根黑）
3.每个叶结点（叶结点即指树尾端NIL指针或NULL结点）都是黑的。  （叶黑）
4.如果一个结点是红的，那么它的两个儿子都是黑的。  （红子黑）
5.对于任意结点而言，其到叶结点树尾端NIL指针的每条路径都包含相同数目的黑结点。（路径下黑相同）

红黑树是一种应用很广的数据结构，如在Java集合类中TreeSet和TreeMap的底层，C++STL中set与map，以及linux中虚拟内存的管理。

6.5 B树
B树（英语：B-tree）是一种自平衡的树，能够保持数据有序。这种数据结构能够让查找数据、顺序访问、插入数据及删除的动作，都在对数时间内完成。B树，概括来说是一个一般化的二叉查找树（binary search tree），可以拥有最多2个子节点。与自平衡二叉查找树不同，B树适用于读写相对大的数据块的存储系统，例如磁盘。

6.6 B+数
B+ 树是一种树数据结构，通常用于关系型数据库（如Mysql）和操作系统的文件系统中。B+ 树的特点是能够保持数据稳定有序，其插入与修改拥有较稳定的对数时间复杂度。B+ 树元素自底向上插入，这与二叉树恰好相反。

在B树基础上，为叶子结点增加链表指针（B树+叶子有序链表），所有关键字都在叶子结点 中出现，非叶子结点作为叶子结点的索引；B+树总是到叶子结点才命中。

b+树的非叶子节点不保存数据，只保存子树的临界值（最大或者最小），所以同样大小的节点，b+树相对于b树能够有更多的分支，使得这棵树更加矮胖，查询时做的IO操作次数也更少。