腾讯云开发者社区-腾讯云

开发者社区

文档建议反馈控制台

最新优惠活动

文章/答案/技术大牛

发布

云霄雨霁

专栏作者

209

文章

238342

阅读量

42

订阅数

数据定义语言DDL

数据库数据结构

基本表的创建--CREATE: 创建基本表可以用CREATE TABLE实现： CREATE TABLE<基本表名> ( <列名类型>, ... <完整性约束>, ...) 完整性约束有三种子句：主键子句（PRIMARY KEY）、外键子句（FOREIGN KEY）和检查子句（CHECK）。示例： CREATTE TABLE S (S# CHAR(4) NOT NULL, SNAME CHAR(8)

2018-05-30

7480

数据库概论

数据库数据结构存储

数据库的相关概念数据独立性：指应用程序与数据库的数据结构之间相互独立。数据库（DB）：DB是长期存储在计算机内、有组织的、统一管理的相关数据的集合。数据库管理系统（DBMS）：是位于用户和操作系统之间的一层数据库管理软件，它为用户或应用程序提供访问DB的方法。数据库系统（DBS）：是实现有组织地、动态地存储大量关联数据、方便多用户访问的计算机硬件、软件和数据资源组成的系统，即它是采用数据库技术的计算机系统。数据库技术：是研究数据库的结构、存储、设计、管理和使用的一门软件学科。数据描述数据描述历

2018-05-30

8360

关系模型基本概念

数据库 sql 数据结构

基本术语：关系模型：用二维表格表示实体集，用关键码表示实体之间联系的数据模型称为关键模型。在关系模型中，字段称为属性，字段值称为属性值，记录类型称为关系模式。记录称为元组，元组的集合称为关系或实例。一般用大写字母A、B、C...表示单个属性，用大写字母...X、Y、Z表示属性集，用小写字母表示属性值，元组为行（Row), 属性为列（Column)。关系中的属性的个数称为“元组”，元组个数称为“基数”。关键码（Key，键）由一个或多个属性组成。在实际使用中，有下列几种键。超键：在关系中能唯一标识元组

2018-05-30

2.2K0

数据结构----二叉堆和优先权队列

数据结构二叉树存储

堆有序：当一棵二叉树的每个结点都大于等于它的两个子结点时，它被称为堆有序。根结点是堆有序的二叉树中的最大节点。二叉堆：二叉堆是一组能够用堆有序的完全二叉树排序的元素，并在数组中按层级存储（不使用数组的第一个位置）。二叉堆可以使用数组或者二叉树实现，在这里使用数组实现。在数组中，根结点放置在下标为1的空间内；下标k的结点的父结点的下标为⌊k⌋，它的两个子结点的下标为2k和2k+1. 堆的实现：构造堆的过程中，肯定会用到比较方法和交换方法： //比较方法 private boolean less(int

2018-05-30

4910

字符串查找----查找算法的选择

编程算法数据结构缓存

首先来对比一下通用的查找算法和字符串查找算法：各种字符串查找算法的性能特点算法（数据结构）优点二叉查找树（BST）适用于随机排列的键 2-3树查找（红黑树）有性能保证线性探测法（并行数组）内置类型，缓存散列值 R向单词查找树适用于较短键和较小的字母表三向单词查找树适用于非随机的键如果空间足够，R向单词查找树的速度是最快的，能够在常数次次数比较内完成查找。对于大型字母表，R向单词查找树所需空间可能无法满足时，三向单词查找树是最佳选择，因为它对字符比较次数是对数级别的，而二叉查找树中键

2018-05-30

3K0

字符串查找----R向单词查找树

单词查找树的数据结构就是一种树型结构，它由字符串键中所有字符构造而成，允许使用被查找键中的字符进行查找。先来看一下R向单词查找树的结点类： private static class Node{ private Object val; private Node[] next = new Node[R]; } 其中R是字母表的大小，如ASCII码是256。结点的值val可以是空，也可以是符号表中某个键所关联的值。具体来说，将某个键所关联的值保存在这个键最后一个字母所对应的结点中。查找操作：单词查找树以

2018-05-30

1.2K0

有向图----有向环检测和拓扑排序

编程算法数据结构

上一篇：有向图的深度优先和广度优先遍历优先级限制下的调度问题：给定一组需要完成的任务，以及一组关于任务完成的先后次序的优先级限制。在满足限制条件的前提下应该如何安排并完成所有任务？拓扑排序：给定一幅有向图，将所有顶点排序，使得所有的有向边均从排在前面的元素指向排在后面的元素（或者说明无法做到这一点）。优先级限制下不应该存在有向环，一个优先级限制的问题如果存在有向环，那么这个问题肯定是无解的。先来解决有向环检测问题：采用深度优先遍历来解决这个问题：用一个栈表示“当前”正在遍历的有向路径上的顶点。一

2018-05-30

3.3K3

加权有向图----单点最短路径问题（Dijkstra算法）

编程算法 api asp 数据结构

单点最短路径问题是求解从s到给定顶点v之间总权重最小的那条路径的问题。Dijkstra算法可以解决边的权重非负的最短路径问题。 Dijkstra算法无法判断含负权边的图的最短路径，但Bellman-Ford算法可以。在实现Dijkstra算法之前，必须先了解边的松弛：松弛边v->w意味着检查从s到w的最短路径是否是先从s到v，再从v到w。如果是，则根据这个情况更新数据。下面的代码实现了放松一个从给定顶点的指出的所有的边： private void relax(EdgeWeightedDigraph G,

2018-05-30

2.4K0

加权有向图----一般性单源最短路径问题（Bellman-Ford算法）

编程算法数据结构

Dijkstra算法无法判断含负权边的图的最短路径，如果遇到负权，在没有负权回路（回路的权值和为负）存在时，可以采用Bellman - Ford算法正确求出最短路径。当且仅当加权有向图中至少存在一条从s到v的有向路径且所有从s到v的有向路径上的任意顶点都不存在与任何负权重环中，s到v的最短路径才是存在的。 Bellman-Ford算法：在任意含有V个顶点的加权有向图中给定起点s，从s无法达到任何负权重环，一下算法能够解决其中的单源最短路径问题：将distTo[s]初始化为0，其他distTo[]初始化为无

2018-05-30

1.2K0

无向图----无向图的实现

数据结构 java 编程算法

术语表：多重图：将含有平行边的图称为多重图。简单图：将没有平行边和自环的图称为简单图。相邻：当两个顶点通过一条边相连时，称这两个顶点相邻，并称这条边依附于这两个顶点。度数：一个顶点的度数即依附于它的边的总数。简单路径：是一条没有重复顶点的路径。简单环：是一条（除了起点和终点必须相同外）没有相同顶点的环。路径或环的长度：其中所包含的边数。（有权无向图则为边的权重和）连通图：从任一顶点能够达到另一个任意顶点。无向图的API： public class Graph Graph(int V)

2018-05-30

1.9K0

加权无向图----Prim算法实现最小生成树

编程算法数据结构

上一篇：加权无向图的实现加权无向图----Kruskal算法实现最小生成树图的生成树是它的一棵含有其所有顶点的无环连通子图，加权图的最小生成树（MST）是它的一棵权值最小的生成树。切分：图的一种切分是将图的所有顶点分为两个非空且不重合的两个集合。横切边是一条连接两个属于不同集合的顶点的边。切分定理：在一幅加权图中，给定任意的切分，它横切边中权重最小者必然属于图的最小生成树。切分定理是解决最小生成树问题的所有算法的基础。 Prim算法能够得到任意加权连通无向图的最小生成树。数据结构设计：采用一

2018-05-30

1.6K0

加权无向图----Kruskal算法实现最小生成树

编程算法数据结构

上一篇：加权无向图的实现加权无向图----Prim算法实现最小生成树数据结构：用一条优先队列将边按照权重从小到大排序用union-find数据结构来识别会形成环的边用一条队列来保存最小生成树的所有边 Kruskal算法的计算一个含V个顶点和E条边的连通加权无向图的最小生成树所需空间与E成正比，所需时间与ElogE成正比（最坏情况）。方法：将边都添加进最小优先权队列中，每次从中取出最小的边，检查会不会与已经选出的边构成环（使用union-find算法），如果构成环，则弃掉这条边，否则将这条边加入最

2018-05-30

1K0

有向图----有向图的实现

数据结构 api

术语定义：一个顶点的出度为由该顶点指出的边的总数一个顶点的入度为指向该顶点的边的总数一条有向边的第一个顶点称为它的头，第二个顶点称为它的尾数据结构：使用邻接表来表示有向图，其中v->w表示为顶点v对应的邻接链表中包含一个w顶点。有向图API： public class Digraph Digraph(int V) 创建一个含有V个顶点但不含有边的有向图 int V() 顶点数 int E() 边数 void addEdge(int v,int

2018-05-30

1.4K0

数据结构----队列

数据结构 api

我们可以设计一个队列API（泛型实现）： public class Queue<Item> implements Iterable<Item> Queue() 创建空队列 void enqueue() 添加一个元素 Item dequeue() 删除最早添加的一个元素 boolean isEmpty()

2018-05-30

2890

动态联通性问题----union-find算法

编程算法 api 数据结构

定义union-find算法API： public class UF{ UF(int N) 初始化N个触点 void union(int p,int q) 在p和q之间建立连接 int find(int p) p所在的分量的标识符 boolean connected(int p,int q) p和q同在一个分量中则为

2018-05-30

6230

数据结构----符号表

首先，定义符号表（有序）的API： public class ST<Key extends Comparable<Key>, Value>{ ST() //创建符号表 void put(Key key,Value val) //将键值对存入表中 Value get(Key,key)

2018-05-30

7320

查找----基于二叉查找树

数据结构二叉树

上一篇：基于有序数组的查找参照数据结构--符号表API实现。首先，定义二叉树结点类： private class Node{//二叉树节点类 private Key key; private Value val; private Node left,right; private int N; public Node(Key key,Value val, int N) { this.key = key; this.val = val; this.N = N; } } 其中N为以该节点为

2018-05-30

4640

查找----基于散列表（拉链法）

数据结构编程算法

上一篇：基于二叉查找树的查找参照数据结构--符号表API实现。使用散列表的查找算法分为两步：用散列函数将被查找的键转化成数组索引处理碰撞冲突有两种常见的碰撞处理的方法，分别是拉链法和线性探测法。拉链法：将大小为M的数组中的每个元素指向一条结点类型的链表，链表中保存散列值为该元素的索引的键值对。在一张含有M条链表和N个键的散列表中，未命中查找和插入操作需要的比较次数为~N/M。拉链法的关键方法如下： private int hash(Key key) { //散列 return (ke

2018-05-30

1.3K0

查找----基于散列表（线性探测法）

上一篇：基于散列表（拉链法）的查找参照数据结构--符号表API实现。除了拉链法，实现散列表的另一种方式就是用大小为M的数组保存N个键值对。线性探测法：当碰撞发生时，直接检测散列表中的下一位置。这样线性探测可能发生三种结果：命中--该位置的键和被查找的键相同未命中--键为空（该位置没有键）继续查找--该位置的键和被查找的键不同开放地址类的散列表的核心思想是与其将其内存用作链表，不如将它们作为散列表中的空元素。这些空元素可以作为查找结束的标志。使用两个平行数组来保存键值对。线性探测法的核心方法

2018-05-30

2.6K0

排序----堆排序

数据结构缓存编程算法

上一篇：快速排序数据结构--堆的构造和实现堆排序可以分为两个阶段：构造堆。将原始数组重新组织安排进一个堆中下沉排序。从堆中按递减顺序取出所有元素并得到排序结果用下沉操作由N个元素构造堆只需少于2N次比较以及少于N次交换。将N个元素排序，堆排序只需少于（2NlgN+2N)次比较以及一半次数的交换。2N来字堆的构造。堆排序的特点：唯一的能够同时最优地利用空间和时间的方法。无法利用缓存。数组元素很少和相邻的元素直接比较，因此缓存未命中的次数远远高于其他排序算法。能够在插入操作和删除最大元素操作

2018-05-30

7290

点击加载更多

社区活动

腾讯技术创作狂欢月

“码”上创作 21 天，分 10000 元奖品池！

Python精品学习库

代码在线跑，知识轻松学

博客搬家 | 分享价值百万资源包

自行/邀约他人一键搬运博客，速成社区影响力并领取好礼

技术创作特训营·精选知识专栏

往期视频·千货材料·成员作品最新动态