如何存储微博、微信等社交网络中的好友关系？

要带着问题去学习数据结构和算法，会更高效，其他学习方法也一样，如果没有一个好的问题，就说明没有目的，没有目的的学习，效果是非常差的，学完就忘。

问题：如何存储微博、微信等社交网络中的好友关系？

带着这个问题来学习数据结构中的图，图是一种比树更复杂的非线性结构。

如上图所示，图有顶点和边，顶点其实可以理解为社交网络中的人，如果两个顶点之间有边，说明他们是好友关系。

再复杂一些的，比如微博，粉丝的关系是单向的，A 关注了 B ，B 可以不关注 A，对应地就是有向图。

还有一种是 QQ 好友的，有个亲密度，那么就对应图中的边上有权重 。如下图所示：

这样一个，图的理解就非常清楚了。那么图有哪些存储方式呢？ 存储无外科两种：一是数组，二是链表，复杂些的，就是这二者的混合。

1、数组。
使用数组来存储图的信息，也叫邻接矩阵，对就上述三种图的邻接矩阵如下图所示：

2、链表
使用链表来存储图的信息的叫邻接表。

邻接表是不是有点像散列表？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。图中画的是一个有向图的邻接表存储方式，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。

这两种存储方式是各有优劣。邻接矩阵存储起来比较浪费空间，但是使用起来比较节省时间。相反，邻接表存储起来比较节省空间，但是使用起来就比较耗时间。

关于图，还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。

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。

学了这么久的数据结构和算法，今天突然顿悟，基础的数据结构就是数组和链表， 而后面更加复杂的 树 队列 图 等等 都可以通过数组和链表等方式存储， 出现树 队列 图 等数据结构的原因 ，就是为了解决 部分问题处理过程中时间复杂度过高的问题， 所以数据结构就是为了算法而生的！ 尤其是学习了时间复杂度过后 在工作和学习过程中 就应该分析自己的代码复杂度 以进行优化或者选择更好的数据结构和算法！这样才能写出更好的代码更好的解决问题。

生活工作中应用图的例子有很多，互联网上网页之间通过超链接连接成一张有向图；城市乃至全国交通网络是一张加权图；人与人之间的人际关系够成一张图，著名的六度分割理论据说就是基于这个得到的。

内容基于极客专栏的《数据结构与算法之差》推荐你也订阅，如果你决定购买，可以看下我之前的发文 工作后，为什么还要学习数据结构与算法（文末福利），有福利哦。

欢迎关注我的公众号，会经常分享原创干货和精品学习资源。

个人微信公众号.png