算法:用图存储社交网络中的好友关系
发布日期:2022-03-16 03:25:34 浏览次数:3 分类:技术文章

本文共 3727 字,大约阅读时间需要 12 分钟。

如何理解”图“

树和图(Graph)都是非线性表示数据结构。

我们知道,树中的元素我们称为节点,图中的元素我们就叫做顶点(vertex)。如下图:图中的一个顶点可以和任意其他顶点建立连接关系,我们把这种建立的关系叫做(edge)。

在这里插入图片描述

我们生活中就有很多符合图这种结构的例子。比如社交网络就是一个非常典型的图结构。

  • 以微信为例,我们可以把每个用户看作一个顶点。如果两个用户之间互加好友,那就在两者之间建立一条边。所以,整个微信的好友关系就可以用一张图来表示。其中,每个用户有多少好友,对应到图中,就叫做顶点的(degree),就是跟顶点相连接的边的条数
  • 微博的社交网络比微信的更复杂一点,微博允许单向关注,也就是,用户A可以关注用户B,但用户B可以不关注用户A。那我们该如何用图来表示这种单向的社交关系呢?

我们可以引入边的”方向“概念。

  • 如果用户A关注了用户B,我们就在图中画一条从A到B的带箭头的边,来表示边的方向。如果用户 A 和用户 B 互相关注了,那我们就画一条从 A 指向 B 的边,再画一条从 B指向 A 的边。
  • 我们把这种边有方向的图叫作“有向图”。以此类推,我们把边没有方向的图就叫作“无向图

在这里插入图片描述

无向图中有”度“的概念,表示一个顶点有多少条边。在有向图中,我们把度分为入度(In-degree)和出度(Out-degree)

  • 顶点的入度,表示有多少条边指向这个顶点。对应到微博,就是有多少粉丝
  • 顶点的出度,表示有多少条边是以这个顶点为起点指向其他顶点。对应到微博,就是关注了多少人

我们再来看另外一种社交软件,QQ,QQ的社交关系更复杂一点。

  • QQ中有一个叫做亲密度的功能。
  • QQ不仅记录了不仅记录了用户之间的好友关系,还记录了两个用户之间的亲密度,如果两个用户经常往来,那亲密度就比较高;如果不经常往来,亲密度就比较低。
  • 如何在图中记录这种好友关系的亲密度呢?

这就引入了另外一种图,带权图(weighted graph)。再带权图中,每条边都有一个权重(weight),我们可以通过这个权重来表示QQ好友间的亲密度。

在这里插入图片描述

如何在内存中存储图这种数据结构呢?

邻接矩阵存储方法

图最直观的一种存储方法是,邻接矩阵(Adjacency Matrix)

  • 邻接矩阵的底层依赖一个二维数组
  • 对于无向图来说,如果顶点 i i i和顶点 j j j之间有边,我们就将 A [ i ] [ j ] A[i][j] A[i][j] A [ j ] [ i ] A[j][i] A[j][i]都标记为 1 1 1
  • 对于有向图来说,如果顶点 i i i和顶点 j j j之间,有一条箭头从顶点 i i i指向顶点 j j j的边,那我们就将 A [ i ] [ j ] A[i][j] A[i][j]标记为 1 1 1。同理,同理,如果有一条箭头从顶点 j j j指向顶点 i i i 的边,我们就将 A [ j ] [ i ] A[j][i] A[j][i]标记为 1 1 1。对于带权图,数组中就存储相应的权重。

在这里插入图片描述

用邻接矩阵来表示一个图,虽然简单、直观,但是比较浪费存储空间。为什么这么说呢?

  • 对于无向图来说,如果 A [ i ] [ j ] A[i][j] A[i][j]等于1,那 A [ j ] [ i ] A[j][i] A[j][i]也肯定等于1。实际上,我们只需要存储一个就可以了。也就是说,无向图的二维数组中,如果我们将其用对角线划分为上线两部分,那我们只需要利用上面或者下面这样一半的空间就足够了,另外一半就白白浪费掉了
  • 还有,如果我们存储的是稀疏图(Sparse Matrix),也就是说,顶点很多,但是每个顶点的边并不多,那邻接矩阵的存储方法就更浪费空间了。比如微信有好几亿的用户,对应到图上就是好几亿的顶点。但是每个用户的好友并不会很多,一般也就三五百个而已。如果我们用邻接矩阵来存储,那绝大部分的存储空间都被浪费了。

但这也并不是说,邻接矩阵的存储方法就完全没有优点

  • 首先,邻接矩阵的存储方式简单、直接,因为基于数组,所以在获取两个顶点关系时,就非常高效
  • 其次,用邻接矩阵存储图的另一个好处是方便计算。这是因为,用邻接矩阵的方式存储图,可以将很多图的运算转换成矩阵之间的运算。

邻接表存储方法

针对上面邻接矩阵比较浪费内存空间的问题,我们来看另外一种图的存储方法,邻接表(Adjacency List)。下图为一个有向图的邻接表:

在这里插入图片描述
乍一看,邻接表有点像散列表

  • 每个顶点对应一条链表,链表中存储的是与这个顶点相连接的其他顶点
  • 对于有向表的邻接表存储方式,每个顶点对应的链表里面,存储的是指向的顶点。
  • 对于无向图来说,也是类似的,不过,每个顶点的链表中存储的,是跟这个顶点有边相连的顶点

邻接矩阵存储起来比较浪费空间,但是使用起来比较节省空间;邻接表存储起来比较节省空间,但是使用起来比较耗时间。

  • 比如上图中,如果我们要确定,是否存在一条顶点2到顶点4的边,那我们就要遍历2对应的链表,看链表中是否存在顶点4
  • 而且,链表的存储方式对缓存不友好。

所以,比起邻接矩阵的存储方式,在邻接表中查询两个顶点之间的关系就没那么高效了。

和基于链表法解决冲突的散列表相似,如果链过长,为了提高查找效率,我们可以将链表换成其他更加高效的数据结构,比如平衡二叉查找树、红黑树、调表、散列表等。这样,我们就可以更加快速的查找两个顶点之间是否存在边了。除此之外,我们还可以将链表改成有序动态数组,可以通过二分查找的方式来快速定位两个顶点之间是否存在边

数据库表

在这里插入图片描述

问题:如何存储社交网络中的好友关系

以”微博“为例。数据结构是为算法服务的,所以具体选择哪种存储方法,与其他支持的操作有关系。针对微博用户关系,假设我们需要支持下面这样几个操作:

  • 判断用户 A 是否关注了用户 B;
  • 判断用户 A 是否是用户 B 的粉丝;
  • 用户 A 关注用户 B;
  • 用户 A 取消关注用户 B;
  • 根据用户名称的首字母排序,分页获取用户的粉丝列表;
  • 根据用户名称的首字母排序,分页获取用户的关注列表。

关于如何存储一个图,主要有两种方法,邻接矩阵和邻接表。因为社交网络是一张稀疏图,使用邻接矩阵比较浪费存储空间。所以,这里我们采用邻接表来存储。

不过,仅用一个邻接表来存储这种有向图是不够的。我们取查找某个用户关注了哪些用户非常容易,但是如果想要知道某个用户被哪些用户关注了,也就是用户的粉丝列表,是非常困难的。

基于此,我们需要一个逆邻接表。

  • 邻接表种存储用户的关注关系,逆邻接表存储用户的被关注关系
  • 对应到图上,邻接表中,每个顶点的链表中,存储的就是这个顶点指向的顶点,逆邻接表中,每个顶点的链表中,存储的是指向这个顶点的顶点。
  • 如果要查找某个用户关注了哪些用户,我们可以在邻接表中查找;如果要查找某个用户被哪些用户关注了,我们从逆邻接表中查找。

在这里插入图片描述

基础的邻接表不适合快速判断两个用户之间是否是关注和被关注的关系,所以我们选择改进版本,将邻接表的链表改为支持快速查找的动态数据结构。那应该选择哪种动态数据结构呢?红黑树、调表、有序动态数组还是散列表呢?

  • 因为我们需要按照用户名称的首字母排序,分页来获取用户的粉丝链表或者关注列表,用跳表这种是最合适的。
  • 这是因为,调表插入、删除、查找都非常高效,时间复杂度 O ( l o g n ) O(logn) O(logn),空间复杂度上稍高,是 O ( n ) O(n) O(n)。最重要的是,跳表种存储的数据本来就是有序的,分页获取粉丝列表或者关注列表,就非常高效

对于小规模的数据,比如社交网络种只有几万、几十万个用户,我们可以将整个社交关系存储在内存种,上面的解决思路是没有问题的。但是如果像微博那样有上亿的用户,数据规模太大,我们就无法全部存储在内存种了。这个时候怎么办呢?

  • 我们可以通过哈希算法等数据分片方式,将邻接表存储在不同的机器上。如下图,我们在机器1上存储顶点1、2、3的邻接表,在机器2上,存储顶点4、5的邻接表。逆邻接表的处理方式也一样。
  • 当要查询顶点与顶点关系的时候,我们就利用同样的哈希算法,先定位顶点所在的机器,然后再在相应的机器上查找。

在这里插入图片描述

除此之外,我们还有另外一种解决思路,就是利用外部存储(比如硬盘),因为外部存储空间要比比内存会宽裕很多。数据库是我们经常用来持久化存储关系数据的。

  • 用下面这张表来存储这样一个图。
  • 为了高效地支持前面定义的操作,我们可以在表上建立多个索引,比如第一列、第二列,给这两列都建立索引。
    在这里插入图片描述

总结

关于图,需要理解这样几个概念:无向图、有向图、带权图、顶点、边、度、入度、出度。图有两个主要的存储方式:邻接矩阵和邻接表。

  • 邻接矩阵存储方法的缺点是比较浪费空间,但是优点是查询效率高,而且方便矩阵运算。邻接表存储方法中每个顶点都对应一个链表,存储与其相连接的其他顶点。
  • 尽管邻接表的存储方式比较节省存储空间,但链表不方便查找,所以查询效率没有邻接矩阵存储方式高。
  • 针对这个问题,邻接表还有改进升级版,即将链表换成更加高效的动态数据结构,比如平衡二叉查找树、跳表、散列表等。

转载地址:https://blog.csdn.net/zhizhengguan/article/details/122453539 如侵犯您的版权,请留言回复原文章的地址,我们会给您删除此文章,给您带来不便请您谅解!

上一篇:算法:为什么说堆排序没有快速排序快?
下一篇:算法:深度和广度优先搜索,找出社交网络中的三度好友关系

发表评论

最新留言

不错!
[***.144.177.141]2024年03月06日 18时17分23秒

关于作者

    喝酒易醉,品茶养心,人生如梦,品茶悟道,何以解忧?唯有杜康!
-- 愿君每日到此一游!

推荐文章

mysql单元格函数是_MySQL常用内置函数 2019-04-21
mysql 怎么字段分裂_你可以分裂/爆炸MySQL查询中的字段吗? 2019-04-21
mysql server卸载出错_Mysql卸载问题Start Server卡住报错解决方法 2019-04-21
全国省市区 mysql_2017全国省市区数据库【含三款数据库】 2019-04-21
druid加载MySQL驱动原理_你好,想知道mybatis+druid+jdbc 原理介绍? 2019-04-21
mysql 怎样链接jdbc_jdbc怎么链接mysql数据库 2019-04-21
mysql学生课程表试题_Mysql练习之 学生表、课程表 、教师表、成绩表 50道练习题... 2019-04-21
java exec封装_Java 执行系统命令工具类(commons-exec) 2019-04-21
php sha512解密,PHP加密函数 sha256 sha512 sha256_file() sha512_file() 2019-04-21
php将文件夹打包zip文件,PHP把文件夹打包成ZIP文件 2019-04-21
mysql in 逗号分隔,使用MySQL IN()从逗号分隔的值中获取记录? 2019-04-21
php静态页面示例,php生成静态页面的简单示例_php实例 2019-04-21
迭代函数系统matlab实现,线性随机IFS迭代Matlab示例程序.doc 2019-04-21
w3wp ash oracle,[20200409]使用ash_wait_chains注意的一个细节.txt 2019-04-21
c语言程序设计教程谭浩强张基温,C语言程序设计教程(第2版) 2019-04-21
idea xml文件引入类提示_IDEA中导入多module的Maven项目后子项目不正常的情况 2019-04-21
太赫兹芯片是什么原理_什么是太赫兹技术?艾舒朗太赫兹理疗鞋——脑梗后遗症+便秘+久站腿疼腿肿案例... 2019-04-21
exfat默认配置大小_mac开发配置技巧 2019-04-21
三星k3梅林没有软件中心_10万出头买顶配,1.4T合资家轿起亚K3换新,还带换挡拨片... 2019-04-21
k8s边缘节点_边缘计算容器及K8S应用的三种场景及部署选项 2019-04-21