C++从入门到起飞之——红黑树封装map和set 全方位剖析!

C++从入门到起飞之——红黑树封装map和set 全方位剖析!

目录

1、map和set的整体框架

2、map和set迭代器的实现

3、map支持[]

4、完整源码

set.h

map.h

RBTree.h


1、map和set的整体框架

因为map和set的底层都是红黑树,所以我们考虑用一个红黑树的类模版去实例化map和set对象!不过,map节点中存储的是一个pair对象,而set中存储的是一个key对象。所以我们第一步就是先调整一下我们之前实现的红黑树的节点结构。

//节点结构(不知道存储pair类型的key/val结构还是Key结构) template<class T> struct RBTreeNode { RBTreeNode(const T& data) :_data(data) , _parent(nullptr) , _left(nullptr) , _right(nullptr) , _col(RED) {} T _data; RBTreeNode* _parent; RBTreeNode* _left; RBTreeNode* _right; Colour _col;//初始化为红色 };

无论是set还是map的查找都是根据key来进行的,所以我们的红黑树类模版的第一个参数类型是接受上层传递过来的K类型。

再有,set和map的insert(插入),一个是pair类型,一个是key类型。所以我们的红黑树类模版的第二个参数类型是接受上层传递过来的T类型。

最后,我们还要在上层传递一个仿函数用于底层红黑树查找和插入删除时用key比较。因为set直接插入一个key可以用于比较,但是map插入一个pair,而pair支持的比较是first和second一起比较,而我们只希望用key比较。又因为底层并不知道上层是set还是map,所以我们要在上层传递一个仿函数给到下层让下层用上层的仿函数拿到key来比较大小!

set整体框架:

namespace my_set { template<class K> class set { //仿函数用于底层红黑树查找和插入删除时用key比较 struct SetKeyOfT { const K& operator()(const K& key) { return key; } }; public: bool insert(const K& key) { return _t.insert(key); } private: RBTree<K, K, SetKeyOfT> _t; }; }

map整体框架:

namespace my_map { template<class K,class V> class map { /* 仿函数用于底层红黑树查找和插入删除时用key比较 因为set直接插入一个key可以用于比较, 但是map插入一个pair,而pair支持的比较是first和second一起比较,而我们只希望用key比较 又底层并不知道上层是set还是map,所以我们要在上层传递一个仿函数给到下层 让下层用上层的仿函数拿到key来比较大小! */ struct MapKeyOfT { const K& operator()(const pair<K,V>& kv) { return kv.first; } }; public: bool insert(const pair<K,V>& kv) { return _t.insert(kv); } private: RBTree<K, pair<K,V>, MapKeyOfT> _t; }; }

调整过后的底层红黑树:

//枚举类型定义颜色 enum Colour { RED, BLACK }; //节点结构(不知道存储pair类型的key/val结构还是Key结构) template<class T> struct RBTreeNode { RBTreeNode(const T& data) :_data(data) , _parent(nullptr) , _left(nullptr) , _right(nullptr) , _col(RED) {} T _data; RBTreeNode* _parent; RBTreeNode* _left; RBTreeNode* _right; Colour _col;//初始化为红色 }; //红黑树 template<class K, class T,class KeyOfT> class RBTree { typedef RBTreeNode<T> Node; public: KeyOfT kot; //默认构造 RBTree() = default; //拷贝构造 RBTree(const T& rbt) { _root = _copy(rbt._root); } // 赋值重载 RBTree<K, T,KeyOfT>& operator=(T tmp) { std::swap(_root, tmp._root); return *this; } //二叉树的析构 ~RBTree() { _Destroy(_root); } //红黑树的查找 Node* Find(const K& key) { Node* cur = _root; while (cur) { if (kot(cur->_data) < kot(key)) { cur = cur->_right; } else if (kot(cur->_data) > kot(key)) { cur = cur->_left; } else { return cur; } } return nullptr; } //红黑树的插入 bool insert(const T& data) { //如果树为空,在根插入并且颜色为黑色 if (_root == nullptr) { _root = new Node(data); _root->_col = BLACK; return true; } //树不为空按搜索树规则先进行插入 Node* parent = nullptr; Node* cur = _root; while (cur) { if (kot(data) < kot(cur->_data))//小往左走 { parent = cur; cur = parent->_left; } else if (kot(data) > kot(cur->_data))//大往右走 { parent = cur; cur = parent->_right; } else { return false;//不支持相同元素的插入 } } cur = new Node(data); cur->_col = RED; if (kot(data) < kot(parent->_data))//K小插入在左边 parent->_left = cur; else//K大插入在右边 parent->_right = cur; cur->_parent = parent; //插入后进行维护红黑树规则的逻辑 //parent存在且为红 while (parent && parent->_col == RED) { Node* grandfather = parent->_parent; //p在g的右边 if (parent == grandfather->_right) { //g //u p Node* uncle = grandfather->_left; if (uncle && uncle->_col == RED)//uncle存在且为红 { //变色处理 uncle->_col = parent->_col = BLACK; grandfather->_col = RED; //更新cur继续向上处理 cur = grandfather; parent = cur->_parent; } else//uncle不存在或者存在且为黑 { if (cur == parent->_right) { //g //u p // c //以g为旋转点进行左单旋 RotateL(grandfather); parent->_col = BLACK; grandfather->_col = RED; } else { //g //u p // c //进行右左双旋 RotateR(parent); RotateL(grandfather); cur->_col = BLACK; grandfather->_col = RED; } //旋转+变色后链接祖先节点的节点为黑,必然不会发生连续红色节点的情况直接break; break; } } else//p在g的左边 { //g //p u Node* uncle = grandfather->_right; if (uncle && uncle->_col == RED)//uncle存在且为红 { //变色处理 uncle->_col = parent->_col = BLACK; grandfather->_col = RED; //更新cur继续向上处理 cur = grandfather; parent = cur->_parent; } else//uncle不存在或者存在且为黑 { if (cur == parent->_left) { //g //p u //c //以g为旋转点进行右单旋 RotateR(grandfather); parent->_col = BLACK; grandfather->_col = RED; } else { //g //p u // c //进行左右双旋 RotateL(parent); RotateR(grandfather); cur->_col = BLACK; grandfather->_col = RED; } //旋转+变色后链接祖先节点的节点为黑,必然不会发生连续红色节点的情况直接break; break; } } } //如果持续更新变色到根 _root->_col = BLACK; return true; } private: //右单旋 void RotateR(Node* parent) { Node* subL = parent->_left; Node* subLR = subL->_right; Node* pParent = parent->_parent; parent->_left = subLR; if (subLR)//如果不为空 subLR->_parent = parent; subL->_right = parent; parent->_parent = subL; if (pParent == nullptr) { _root = subL; subL->_parent = nullptr; } else { if (pParent->_left == parent) { pParent->_left = subL; } else { pParent->_right = subL; } subL->_parent = pParent; } } //左单旋 void RotateL(Node* parent) { Node* pParent = parent->_parent; Node* subR = parent->_right; Node* subRL = subR->_left; subR->_left = parent; parent->_parent = subR; parent->_right = subRL; if (subRL) subRL->_parent = parent; if (pParent == nullptr) { _root = subR; subR->_parent = nullptr; } else { if (pParent->_left == parent) { pParent->_left = subR; } else { pParent->_right = subR; } subR->_parent = pParent; } } //递归拷贝 Node* _copy(Node* root) { if (root == nullptr) return nullptr; Node* newNode = new Node(root->_data); newNode->_left = _copy(root->_left); newNode->_right = _copy(root->_right); return newNode; } //二叉树的销毁 void _Destroy(Node* root) { if (root == nullptr) return; _Destroy(root->_left); _Destroy(root->_right); delete root; } private: Node* _root = nullptr; };

2、map和set迭代器的实现

map和set迭代器的实现其实思路与list迭代器的实现几乎一样,它们都是由一个一个的节点组成的。所以我们都是通过封装一个节点的指针,重载*、->、++、--、比较等运算符!

迭代器的整体框架:

//封装一个节点指针作为迭代器 template<class T,class Ref,class Ptr> struct RBTreeIterator { typedef RBTreeNode<T> Node; typedef RBTreeIterator<T,Ref,Ptr> Self; Node* _node; Node* _root; RBTreeIterator(Node* node,Node* root) :_node(node) ,_root(root) {} //迭代器的++ Self& operator++() { } //迭代器的-- Self& operator--() { } //简单的运算符重载 Ref operator*() { return _node->_data; } Ptr operator->() { return &_node->_data; } bool operator!=(const Self& s) const { return _node != s._node; } bool operator==(const Self& s) const { return _node == s._node; } };

 map和set迭代器的难点在于++和--:

iterator实现思路分析

• iterator实现的⼤框架跟list的iterator思路是⼀致的,⽤⼀个类型封装结点的指针,再通过重载运算 符实现,迭代器像指针⼀样访问的⾏为。

• 这⾥的难点是operator++和operator--的实现。之前使⽤部分,我们分析了,map和set的迭代器⾛ 的是中序遍历,左⼦树->根结点->右⼦树,那么begin()会返回中序第⼀个结点的iterator也就是10 所在结点的迭代器。

• 迭代器++的核⼼逻辑就是不看全局,只看局部,只考虑当前中序局部要访问的下⼀个结点。

• 迭代器++时,如果it指向的结点的右⼦树不为空,代表当前结点已经访问完了,要访问下⼀个结点 是右⼦树的中序第⼀个,⼀棵树中序第⼀个是最左结点,所以直接找右⼦树的最左结点即可。

• 迭代器++时,如果it指向的结点的右⼦树空,代表当前结点已经访问完了且当前结点所在的⼦树也 访问完了,要访问的下⼀个结点在当前结点的祖先⾥⾯,所以要沿着当前结点到根的祖先路径向上 找。

• 如果当前结点是⽗亲的左,根据中序左⼦树->根结点->右⼦树,那么下⼀个访问的结点就是当前结 点的⽗亲;

如下图:it指向25,25右为空,25是30的左,所以下⼀个访问的结点就是30。

• 如果当前结点是⽗亲的右,根据中序左⼦树->根结点->右⼦树,当前当前结点所在的⼦树访问完 了,当前结点所在⽗亲的⼦树也访问完了,那么下⼀个访问的需要继续往根的祖先中去找,直到找 到孩⼦是⽗亲左的那个祖先就是中序要问题的下⼀个结点。

如下图:it指向15,15右为空,15是10 的右,15所在⼦树话访问完了,10所在⼦树也访问完了,继续往上找,10是18的左,那么下⼀个 访问的结点就是18。

• end()如何表⽰呢?

如下图:当it指向50时,++it时,50是40的右,40是30的右,30是18的右,18 到根没有⽗亲,没有找到孩⼦是⽗亲左的那个祖先,这是⽗亲为空了,那我们就把it中的结点指针 置为nullptr,我们⽤nullptr去充当end。需要注意的是stl源码空,红⿊树增加了⼀个哨兵位头结点 做为end(),这哨兵位头结点和根互为⽗亲,左指向最左结点,右指向最右结点。相⽐我们⽤ nullptr作为end(),差别不⼤,他能实现的,我们也能实现。只是--end()判断到结点时空,特殊处 理⼀下,让迭代器结点指向最右结点。具体参考迭代器--实现。

• 迭代器--的实现跟++的思路完全类似,逻辑正好反过来即可,因为他访问顺序是右⼦树->根结点-> 左⼦树,具体参考下⾯代码实现。

• set的iterator也不⽀持修改,我们把set的第⼆个模板参数改成const K即可, RBTreeconst K, SetKeyOfT> _t;

• map的iterator不⽀持修改key但是可以修改value,我们把map的第⼆个模板参数pair的第⼀个参 数改成const K即可, RBTreepair, MapKeyOfT> _t; 

• ⽀持完整的迭代器还有很多细节需要修改,具体参考下⾯题的代码。

 

 迭代器++代码:

//迭代器的++ Self& operator++() { //如果当前节点的右不为空,那下一个节点就是右子树的最左节点 if (_node->_right) { Node* leftMost = _node->_right; while (leftMost->_left) { leftMost = leftMost->_left; } _node = leftMost; } /* 如果当前节点的右为空,则说明当前节点的中序已近完毕 如果当前节点是父亲的右,说明父亲的中序也完毕 所以我们要找到祖先节点中是父亲的左的那个节点,那下一个节点就是就是父亲 */ else { Node* cur = _node; Node* parent = cur->_parent; //父亲不为空并且cur是父亲的右,不断向上寻找 while (parent && cur == parent->_right) { cur = parent; parent = cur->_parent; } //走到这里父亲为空说明走到end,不为空父亲则是中序的下一个 _node = parent; } return *this; }

因为我们用空来代表数的末尾,但我们--时,如果此时迭代器恰好在end()位置,那我们就要单独考虑这种情况。其他逻辑就和++相反!

要找到树的最右节点,那么就还必须知道根节点_root!所以我们在红黑树中构造一个迭代器时,不仅要传递当前位置的节点,还要传根节点!

//迭代器的-- Self& operator--() { //--后为中序的最右那一个 if (_node == nullptr) { Node* rightMost = _root; while (rightMost&&rightMost->_right) { rightMost = rightMost->_right; } _node = rightMost; } //如果当前节点的左不为空,那下一个节点就是左子树的最右节点 else if (_node->_left) { Node* rightMost = _node->_left; while (rightMost->_right) { rightMost = rightMost->_right; } _node = rightMost; } /* 如果当前节点的左为空,则说明当前节点的中序已近完毕 如果当前节点是父亲的左,说明父亲的中序也完毕 所以我们要找到祖先节点中是父亲的右的那个节点,那下一个节点就是就是父亲 */ else { Node* cur = _node; Node* parent = cur->_parent; //父亲不为空并且cur是父亲的左,不断向上寻找 while (parent && cur == parent->_left) { cur = parent; parent = cur->_parent; } //走到这里父亲为空说明走到end,不为空父亲则是中序的下一个 _node = parent; } return *this; }

底层红黑树的begin和end: 

typedef RBTreeNode<T> Node; typedef RBTreeIterator<T, T&, T*> Iterator; typedef RBTreeIterator<T, const T&, const T*> ConstIterator; Iterator Begin() { Node* leftMost = _root; while (leftMost && leftMost->_left) { leftMost = leftMost->_left; } return Iterator(leftMost, _root); } Iterator End() { return Iterator(nullptr, _root); } ConstIterator CBegin() const { Node* leftMost = _root; while (leftMost && leftMost->_left) { leftMost = leftMost->_left; } return Iterator(leftMost, _root); } ConstIterator CEnd() const { return Iterator(nullptr, _root); }

3、map支持[]

map的[]重载主要是复用了底层红黑树当中的insert接口,insert充当查找和插入的功能!

我们在使用[]时,如果map中有和我们外面传递的key相同的key,那insert就会插入失败并且返回这个key的迭代器。如果不存在,那insert就会插入成功并且返回这个key的迭代器。所以我们要调整一下insert的返回值为pair<iterator,bool>

而map的[]还支持修改(key所映射的val)的功能,insert返回的迭代器在修改val时发挥作用!

V& operator[](const K& key) { pair<iterator, bool> ret = _t.Insert(make_pair(key, V())); return ret.first->second; }

4、完整源码

set.h

#pragma once #include"RBTree.h" namespace my_set { template<class K> class set { //仿函数用于底层红黑树查找和插入删除时用key比较 struct SetKeyOfT { const K& operator()(const K& key) { return key; } }; public: typedef typename RBTree<K, const K, SetKeyOfT>::Iterator iterator; typedef typename RBTree<K, const K, SetKeyOfT>::ConstIterator const_iterator; iterator begin() { return _t.Begin(); } iterator end() { return _t.End(); } const_iterator cbegin() const { return _t.CBegin(); } const_iterator cend() const { return _t.CEnd(); } pair<iterator,bool> insert(const K& key) { return _t.Insert(key); } iterator find(const K& key) { return _t.Find(key); } private: RBTree<K, const K, SetKeyOfT> _t; }; }

map.h

#pragma once #include"RBTree.h" namespace my_map { template<class K,class V> class map { /* 仿函数用于底层红黑树查找和插入删除时用key比较 因为set直接插入一个key可以用于比较, 但是map插入一个pair,而pair支持的比较是first和second一起比较,而我们只希望用key比较 又底层并不知道上层是set还是map,所以我们要在上层传递一个仿函数给到下层 让下层用上层的仿函数拿到key来比较大小! */ struct MapKeyOfT { const K& operator()(const pair<K,V>& kv) { return kv.first; } }; public: typedef typename RBTree<K, pair<const K, V>, MapKeyOfT>::Iterator iterator; typedef typename RBTree<K, pair<const K, V>, MapKeyOfT>::ConstIterator const_iterator; iterator begin() { return _t.Begin(); } iterator end() { return _t.End(); } const_iterator cbegin() const { return _t.CBegin(); } const_iterator cend() const { return _t.CEnd(); } pair<iterator, bool> insert(const pair<K,V>& kv) { return _t.Insert(kv); } iterator find(const K& key) { return _t.Find(key); } V& operator[](const K& key) { pair<iterator, bool> ret = _t.Insert(make_pair(key, V())); return ret.first->second; } private: RBTree<K, pair<const K,V>, MapKeyOfT> _t; }; }

RBTree.h

#pragma once #include<iostream> using namespace std; //枚举类型定义颜色 enum Colour { RED, BLACK }; //节点结构(不知道存储pair类型的key/val结构还是Key结构) template<class T> struct RBTreeNode { RBTreeNode(const T& data) :_data(data) , _parent(nullptr) , _left(nullptr) , _right(nullptr) , _col(RED) {} T _data; RBTreeNode* _parent; RBTreeNode* _left; RBTreeNode* _right; Colour _col;//初始化为红色 }; //封装一个节点指针作为迭代器 template<class T,class Ref,class Ptr> struct RBTreeIterator { typedef RBTreeNode<T> Node; typedef RBTreeIterator<T,Ref,Ptr> Self; Node* _node; Node* _root; RBTreeIterator(Node* node,Node* root) :_node(node) ,_root(root) {} //迭代器的++ Self& operator++() { //如果当前节点的右不为空,那下一个节点就是右子树的最左节点 if (_node->_right) { Node* leftMost = _node->_right; while (leftMost->_left) { leftMost = leftMost->_left; } _node = leftMost; } /* 如果当前节点的右为空,则说明当前节点的中序已近完毕 如果当前节点是父亲的右,说明父亲的中序也完毕 所以我们要找到祖先节点中是父亲的左的那个节点,那下一个节点就是就是父亲 */ else { Node* cur = _node; Node* parent = cur->_parent; //父亲不为空并且cur是父亲的右,不断向上寻找 while (parent && cur == parent->_right) { cur = parent; parent = cur->_parent; } //走到这里父亲为空说明走到end,不为空父亲则是中序的下一个 _node = parent; } return *this; } //迭代器的-- Self& operator--() { //--后为中序的最右那一个 if (_node == nullptr) { Node* rightMost = _root; while (rightMost&&rightMost->_right) { rightMost = rightMost->_right; } _node = rightMost; } //如果当前节点的左不为空,那下一个节点就是左子树的最右节点 else if (_node->_left) { Node* rightMost = _node->_left; while (rightMost->_right) { rightMost = rightMost->_right; } _node = rightMost; } /* 如果当前节点的左为空,则说明当前节点的中序已近完毕 如果当前节点是父亲的左,说明父亲的中序也完毕 所以我们要找到祖先节点中是父亲的右的那个节点,那下一个节点就是就是父亲 */ else { Node* cur = _node; Node* parent = cur->_parent; //父亲不为空并且cur是父亲的左,不断向上寻找 while (parent && cur == parent->_left) { cur = parent; parent = cur->_parent; } //走到这里父亲为空说明走到end,不为空父亲则是中序的下一个 _node = parent; } return *this; } //简单的运算符重载 Ref operator*() { return _node->_data; } Ptr operator->() { return &_node->_data; } bool operator!=(const Self& s) const { return _node != s._node; } bool operator==(const Self& s) const { return _node == s._node; } }; //红黑树 template<class K, class T,class KeyOfT> class RBTree { public: typedef RBTreeNode<T> Node; typedef RBTreeIterator<T, T&, T*> Iterator; typedef RBTreeIterator<T, const T&, const T*> ConstIterator; Iterator Begin() { Node* leftMost = _root; while (leftMost && leftMost->_left) { leftMost = leftMost->_left; } return Iterator(leftMost, _root); } Iterator End() { return Iterator(nullptr, _root); } ConstIterator CBegin() const { Node* leftMost = _root; while (leftMost && leftMost->_left) { leftMost = leftMost->_left; } return Iterator(leftMost, _root); } ConstIterator CEnd() const { return Iterator(nullptr, _root); } KeyOfT kot; //默认构造 RBTree() = default; //拷贝构造 RBTree(const T& rbt) { _root = _copy(rbt._root); } // 赋值重载 RBTree<K, T,KeyOfT>& operator=(T tmp) { std::swap(_root, tmp._root); return *this; } //二叉树的析构 ~RBTree() { _Destroy(_root); } //红黑树的查找 Node* Find(const K& key) { Node* cur = _root; while (cur) { if (kot(cur->_data) < kot(key)) { cur = cur->_right; } else if (kot(cur->_data) > kot(key)) { cur = cur->_left; } else { return Iterator(cur,_root); } } return End(); } //红黑树的插入 pair<Iterator,bool> Insert(const T& data) { //如果树为空,在根插入并且颜色为黑色 if (_root == nullptr) { _root = new Node(data); _root->_col = BLACK; return make_pair(Iterator(_root,_root),true); } //树不为空按搜索树规则先进行插入 Node* parent = nullptr; Node* cur = _root; while (cur) { if (kot(data) < kot(cur->_data))//小往左走 { parent = cur; cur = parent->_left; } else if (kot(data) > kot(cur->_data))//大往右走 { parent = cur; cur = parent->_right; } else { return make_pair(Iterator(cur, _root), false);//不支持相同元素的插入 } } cur = new Node(data); Node* newnode = cur; cur->_col = RED; if (kot(data) < kot(parent->_data))//K小插入在左边 parent->_left = cur; else//K大插入在右边 parent->_right = cur; cur->_parent = parent; //插入后进行维护红黑树规则的逻辑 //parent存在且为红 while (parent && parent->_col == RED) { Node* grandfather = parent->_parent; //p在g的右边 if (parent == grandfather->_right) { //g //u p Node* uncle = grandfather->_left; if (uncle && uncle->_col == RED)//uncle存在且为红 { //变色处理 uncle->_col = parent->_col = BLACK; grandfather->_col = RED; //更新cur继续向上处理 cur = grandfather; parent = cur->_parent; } else//uncle不存在或者存在且为黑 { if (cur == parent->_right) { //g //u p // c //以g为旋转点进行左单旋 RotateL(grandfather); parent->_col = BLACK; grandfather->_col = RED; } else { //g //u p // c //进行右左双旋 RotateR(parent); RotateL(grandfather); cur->_col = BLACK; grandfather->_col = RED; } //旋转+变色后链接祖先节点的节点为黑,必然不会发生连续红色节点的情况直接break; break; } } else//p在g的左边 { //g //p u Node* uncle = grandfather->_right; if (uncle && uncle->_col == RED)//uncle存在且为红 { //变色处理 uncle->_col = parent->_col = BLACK; grandfather->_col = RED; //更新cur继续向上处理 cur = grandfather; parent = cur->_parent; } else//uncle不存在或者存在且为黑 { if (cur == parent->_left) { //g //p u //c //以g为旋转点进行右单旋 RotateR(grandfather); parent->_col = BLACK; grandfather->_col = RED; } else { //g //p u // c //进行左右双旋 RotateL(parent); RotateR(grandfather); cur->_col = BLACK; grandfather->_col = RED; } //旋转+变色后链接祖先节点的节点为黑,必然不会发生连续红色节点的情况直接break; break; } } } //如果持续更新变色到根 _root->_col = BLACK; return make_pair(Iterator(newnode, _root), true); } private: //右单旋 void RotateR(Node* parent) { Node* subL = parent->_left; Node* subLR = subL->_right; Node* pParent = parent->_parent; parent->_left = subLR; if (subLR)//如果不为空 subLR->_parent = parent; subL->_right = parent; parent->_parent = subL; if (pParent == nullptr) { _root = subL; subL->_parent = nullptr; } else { if (pParent->_left == parent) { pParent->_left = subL; } else { pParent->_right = subL; } subL->_parent = pParent; } } //左单旋 void RotateL(Node* parent) { Node* pParent = parent->_parent; Node* subR = parent->_right; Node* subRL = subR->_left; subR->_left = parent; parent->_parent = subR; parent->_right = subRL; if (subRL) subRL->_parent = parent; if (pParent == nullptr) { _root = subR; subR->_parent = nullptr; } else { if (pParent->_left == parent) { pParent->_left = subR; } else { pParent->_right = subR; } subR->_parent = pParent; } } //递归拷贝 Node* _copy(Node* root) { if (root == nullptr) return nullptr; Node* newNode = new Node(root->_data); newNode->_left = _copy(root->_left); newNode->_right = _copy(root->_right); return newNode; } //二叉树的销毁 void _Destroy(Node* root) { if (root == nullptr) return; _Destroy(root->_left); _Destroy(root->_right); delete root; } private: Node* _root = nullptr; }; 

Read more

【MySQL数据库基础】(七)删库跑路?先学会怎么“存”和“取”吧!MySQL 基础查询全攻略(上)

【MySQL数据库基础】(七)删库跑路?先学会怎么“存”和“取”吧!MySQL 基础查询全攻略(上)

前言         如果说算法是灵魂,那么数据库就是肉体。无论你的架构多么牛叉,最终都要落地到数据的增删改查(CRUD)上。         很多初学者觉得 SQL 简单,不就是 SELECT *吗?但真正到了高并发、大数据量的场景,基础不牢地动山摇。今天,咱们就带你深入浅出地剖析 MySQL 的“创建(Create)”与“查询(Retrieve)”,从零开始,拒绝死板!下面就让我们正式开始吧! 在开始写代码前,咱们先统一一下黑话。C (Create):创建/插入。R (Retrieve):读取/查询。U (Update):更新/修改。D (Delete):删除。         简单来说,这就是数据的生命周期。本文我们将重点攻克前两个:如何优雅地把数据存进去,以及如何精准地把数据搜出来。

By Ne0inhk
Spring Boot 数据可视化与图表集成

Spring Boot 数据可视化与图表集成

Spring Boot 数据可视化与图表集成 27.1 学习目标与重点提示 学习目标:掌握Spring Boot数据可视化与图表集成的核心概念与使用方法,包括数据可视化的定义与特点、图表工具的定义与特点、Spring Boot与图表工具的集成、Spring Boot的实际应用场景,学会在实际开发中处理数据可视化与图表集成问题。 重点:数据可视化的定义与特点、图表工具的定义与特点、Spring Boot与图表工具的集成、Spring Boot的实际应用场景。 27.2 数据可视化与图表工具概述 数据可视化与图表工具是Java开发中的重要组件。 27.2.1 数据可视化的定义 定义:数据可视化是指将数据通过图表、地图、仪表盘等形式直观地展示出来,帮助用户更好地理解和分析数据。 作用: * 提高数据的可读性。 * 帮助用户发现数据中的规律。 * 支持快速决策。 常见的数据可视化工具: * ECharts:ECharts是百度开源的一个数据可视化库。 * Highcharts:Highcharts是一个基于JavaScript的数据可视化库。 * D3.js:D3

By Ne0inhk
Spring AOP:注解配置与XML配置双实战

Spring AOP:注解配置与XML配置双实战

👨‍💻程序员三明治:个人主页 🔥 个人专栏: 《设计模式精解》《重学数据结构》 🤞先做到 再看见! 1. AOP 1.1 概念 AOP为Aspect Oriented Programming的缩写,意为:面向切面编程。他是一种可以在不修改原来的核心代码的情况下给程序动态统一进行增强的一种技术。 SpringAOP: 批量对Spring容器中bean的方法做增强,并且这种增强不会与原来方法中的代码耦合。 AOP:面向切面编程。简单说,就是把一些业务逻辑中的相同的代码抽取到一个独立的模块中,让业务逻辑更加清爽。 1.2 快速入门 1.2.1 需求 要求让_08_SpringAOP模块中service包下所有类的所有方法在调用前都输出:方法被调用了。 1.2.2 准备工作 ①添加依赖 需要添加SpringIOC相关依赖和AOP相关依赖。 <!--SpringIOC相关依赖--><dependency><

By Ne0inhk
Spring Data JPA原理与实战 Repository接口的魔法揭秘

Spring Data JPA原理与实战 Repository接口的魔法揭秘

目录 🎯 先说说我被JPA"折磨"的经历 ✨ 摘要 1. 别被"简单"迷惑了 1.1 JPA不是"自动SQL生成器" 1.2 Repository接口层次结构 2. 方法名解析的魔法 2.1 方法名如何变成SQL? 2.2 支持的关键字 2.3 性能陷阱 3. 动态代理的实现机制 3.1 Repository如何变成Bean? 3.2 代理对象的创建 4. 查询执行策略 4.1 四种查询创建策略 4.2 @Query注解的工作原理 5.

By Ne0inhk