-
C 语言中，结构体变量，用 . 访问成员； p 是结构体指针，用 -> 访问成员。
-
m阶B树，多路平衡查找树：非根非叶节点关键字数量，根非叶时关键字，所有失败叶在同一层。
数据结构
更新于 2026-09-23
— 1375 字
C 语言中，结构体变量，用 . 访问成员； p 是结构体指针，用 -> 访问成员。
m阶B树，多路平衡查找树：非根非叶节点关键字数量，根非叶时关键字，所有失败叶在同一层。
注意根的分支数量最小为2即可，则根最少只有一个关键字
哈夫曼树的构造经常记不住，解决问题场景也不很清楚
红黑树等价于4阶B树，都是平衡查找树，用于维持有序，优化查找插入删除。区别：B树是多叉多路平衡，节点存多键多子树；红黑树是二叉，用颜色规则实现平衡，旋转调整。
平衡的方法：以最小不平衡指数的根节点为中心来进行旋转。旋转之后脱落掉的叶子节点，分析大小关系再加进来。
树的度：结点拥有的子树数目；图的度：顶点关联的边的数量。
2010年队列题，b一定与a相邻
2010年线索树题，没有右孩子的话，有指针指向的是后继。
完全图也不太清楚
对严的批评：
《算法》这本书在讲查找这一章时，是用一个词频统计程序（FrequencyCounter）作为典型用例来展开研究的。它通过对比不同的数据结构来实现符号表，直观地展示各数据结构在统计单词频率时的性能差异。
词频统计的过程中，每读入一个单词，都要先去符号表里查找看它是否已经存在；如果不存在就作为新键插入（put 初始值 1），如果存在就更新它的计数（get 取出旧值再 put 新值）。当输入文本规模非常庞大时，会有两个关键因素决定性能表现：一个是总单词量（决定了查找与写入的总操作次数），另一个是不重复的单词数（决定了符号表最终的规模大小）。在这个场景下，查找和插入是高度混合、频繁交替进行的，而且查找的频率通常远高于新词插入的频率。如果底层数据结构的实现效率不够高，面对这种高频的查询与写入，系统很快就会卡死。
书里这个例子极其真实具体：它不仅用了狄更斯的《双城记》节选（tinyTale.txt）和全本（tale.txt）作为对照，后面还引入了包含上千万单词的莱比锡真实语料库（leipzig1M.txt）做大规模压力测试。这就把抽象的算法复杂度直接拉进了极具工业代表性的真实场景里。
更新于2026-11-01
更新于2026-11-01
