16 | 二分查找(下):如何快速定位IP对应的省份地址?
下载APP
关闭
渠道合作
推荐作者
16 | 二分查找(下):如何快速定位IP对应的省份地址?
2018-10-26 王争 来自北京
《数据结构与算法之美》
课程介绍
讲述:冯永吉
时长12:38大小11.54M
通过 IP 地址来查找 IP 归属地的功能,不知道你有没有用过?没用过也没关系,你现在可以打开百度,在搜索框里随便输一个 IP 地址,就会看到它的归属地。
这个功能并不复杂,它是通过维护一个很大的 IP 地址库来实现的。地址库中包括 IP 地址范围和归属地的对应关系。
当我们想要查询 202.102.133.13 这个 IP 地址的归属地时,我们就在地址库中搜索,发现这个 IP 地址落在[202.102.133.0, 202.102.133.255]这个地址范围内,那我们就可以将这个 IP 地址范围对应的归属地“山东东营市”显示给用户了。
现在我的问题是,在庞大的地址库中逐一比对 IP 地址所在的区间,是非常耗时的。假设我们有 12 万条这样的 IP 区间与归属地的对应关系,如何快速定位出一个 IP 地址的归属地呢?
是不是觉得比较难?不要紧,等学完今天的内容,你就会发现这个问题其实很简单。
上一节我讲了二分查找的原理,并且介绍了最简单的一种二分查找的代码实现。今天我们来讲几种二分查找的变形问题。
不知道你有没有听过这样一个说法:“十个二分九个错”。二分查找虽然原理极其简单,但是想要写出没有 Bug 的二分查找并不容易。
唐纳德·克努特(Donald E.Knuth)在《计算机程序设计艺术》的第 3 卷《排序和查找》中说到:“尽管第一个二分查找算法于 1946 年出现,然而第一个完全正确的二分查找算法实现直到 1962 年才出现。”
你可能会说,我们上一节学的二分查找的代码实现并不难写啊。那是因为上一节讲的只是二分查找中最简单的一种情况,在不存在重复元素的有序数组中,查找值等于给定值的元素。最简单的二分查找写起来确实不难,但是,二分查找的变形问题就没那么好写了。
二分查找的变形问题很多,我只选择几个典型的来讲解,其他的你可以借助我今天讲的思路自己来分析。
需要特别说明一点,为了简化讲解,今天的内容,我都以数据是从小到大排列为前提,如果你要处理的数据是从大到小排列的,解决思路也是一样的。同时,我希望你最好先自己动手试着写一下这 4 个变形问题,然后再看我的讲述,这样你就会对我说的“二分查找比较难写”有更加深的体会了。
变体一:查找第一个值等于给定值的元素
上一节中的二分查找是最简单的一种,即有序数据集合中不存在重复的数据,我们在其中查找值等于某个给定值的数据。如果我们将这个问题稍微修改下,有序数据集合中存在重复的数据,我们希望找到第一个值等于给定值的数据,这样之前的二分查找代码还能继续工作吗?
比如下面这样一个有序数组,其中,a[5],a[6],a[7]的值都等于 8,是重复的数据。我们希望查找第一个等于 8 的数据,也就是下标是 5 的元素。
如果我们用上一节课讲的二分查找的代码实现,首先拿 8 与区间的中间值 a[4]比较,8 比 6 大,于是在下标 5 到 9 之间继续查找。下标 5 和 9 的中间位置是下标 7,a[7]正好等于 8,所以代码就返回了。
尽管 a[7]也等于 8,但它并不是我们想要找的第一个等于 8 的元素,因为第一个值等于 8 的元素是数组下标为 5 的元素。我们上一节讲的二分查找代码就无法处理这种情况了。所以,针对这个变形问题,我们可以稍微改造一下上一节的代码。
100 个人写二分查找就会有 100 种写法。网上有很多关于变形二分查找的实现方法,有很多写得非常简洁,比如下面这个写法。但是,尽管简洁,理解起来却非常烧脑,也很容易写错。
看完这个实现之后,你是不是觉得很不好理解?如果你只是死记硬背这个写法,我敢保证,过不了几天,你就会全都忘光,再让你写,90% 的可能会写错。所以,我换了一种实现方法,你看看是不是更容易理解呢?
我来稍微解释一下这段代码。a[mid]跟要查找的 value 的大小关系有三种情况:大于、小于、等于。对于 a[mid]>value 的情况,我们需要更新 high= mid-1;对于 a[mid]<value 的情况,我们需要更新 low=mid+1。这两点都很好理解。那当 a[mid]=value 的时候应该如何处理呢?
如果我们查找的是任意一个值等于给定值的元素,当 a[mid]等于要查找的值时,a[mid]就是我们要找的元素。但是,如果我们求解的是第一个值等于给定值的元素,当 a[mid]等于要查找的值时,我们就需要确认一下这个 a[mid]是不是第一个值等于给定值的元素。
我们重点看第 11 行代码。如果 mid 等于 0,那这个元素已经是数组的第一个元素,那它肯定是我们要找的;如果 mid 不等于 0,但 a[mid]的前一个元素 a[mid-1]不等于 value,那也说明 a[mid]就是我们要找的第一个值等于给定值的元素。
如果经过检查之后发现 a[mid]前面的一个元素 a[mid-1]也等于 value,那说明此时的 a[mid]肯定不是我们要查找的第一个值等于给定值的元素。那我们就更新 high=mid-1,因为要找的元素肯定出现在[low, mid-1]之间。
对比上面的两段代码,是不是下面那种更好理解?实际上,很多人都觉得变形的二分查找很难写,主要原因是太追求第一种那样完美、简洁的写法。而对于我们做工程开发的人来说,代码易读懂、没 Bug,其实更重要,所以我觉得第二种写法更好。
变体二:查找最后一个值等于给定值的元素
前面的问题是查找第一个值等于给定值的元素,我现在把问题稍微改一下,查找最后一个值等于给定值的元素,又该如何做呢?
如果你掌握了前面的写法,那这个问题你应该很轻松就能解决。你可以先试着实现一下,然后跟我写的对比一下。
我们还是重点看第 11 行代码。如果 a[mid]这个元素已经是数组中的最后一个元素了,那它肯定是我们要找的;如果 a[mid]的后一个元素 a[mid+1]不等于 value,那也说明 a[mid]就是我们要找的最后一个值等于给定值的元素。
如果我们经过检查之后,发现 a[mid]后面的一个元素 a[mid+1]也等于 value,那说明当前的这个 a[mid]并不是最后一个值等于给定值的元素。我们就更新 low=mid+1,因为要找的元素肯定出现在[mid+1, high]之间。
变体三:查找第一个大于等于给定值的元素
现在我们再来看另外一类变形问题。在有序数组中,查找第一个大于等于给定值的元素。比如,数组中存储的这样一个序列:3,4,6,7,10。如果查找第一个大于等于 5 的元素,那就是 6。
实际上,实现的思路跟前面的那两种变形问题的实现思路类似,代码写起来甚至更简洁。
如果 a[mid]小于要查找的值 value,那要查找的值肯定在[mid+1, high]之间,所以,我们更新 low=mid+1。
对于 a[mid]大于等于给定值 value 的情况,我们要先看下这个 a[mid]是不是我们要找的第一个值大于等于给定值的元素。如果 a[mid]前面已经没有元素,或者前面一个元素小于要查找的值 value,那 a[mid]就是我们要找的元素。这段逻辑对应的代码是第 7 行。
如果 a[mid-1]也大于等于要查找的值 value,那说明要查找的元素在[low, mid-1]之间,所以,我们将 high 更新为 mid-1。
变体四:查找最后一个小于等于给定值的元素
现在,我们来看最后一种二分查找的变形问题,查找最后一个小于等于给定值的元素。比如,数组中存储了这样一组数据:3,5,6,8,9,10。最后一个小于等于 7 的元素就是 6。是不是有点类似上面那一种?实际上,实现思路也是一样的。
有了前面的基础,你完全可以自己写出来了,所以我就不详细分析了。我把代码贴出来,你可以写完之后对比一下。
解答开篇
好了,现在我们回头来看开篇的问题:如何快速定位出一个 IP 地址的归属地?
现在这个问题应该很简单了。如果 IP 区间与归属地的对应关系不经常更新,我们可以先预处理这 12 万条数据,让其按照起始 IP 从小到大排序。如何来排序呢?我们知道,IP 地址可以转化为 32 位的整型数。所以,我们可以将起始地址,按照对应的整型值的大小关系,从小到大进行排序。
然后,这个问题就可以转化为我刚讲的第四种变形问题“在有序数组中,查找最后一个小于等于某个给定值的元素”了。
当我们要查询某个 IP 归属地时,我们可以先通过二分查找,找到最后一个起始 IP 小于等于这个 IP 的 IP 区间,然后,检查这个 IP 是否在这个 IP 区间内,如果在,我们就取出对应的归属地显示;如果不在,就返回未查找到。
内容小结
上一节我说过,凡是用二分查找能解决的,绝大部分我们更倾向于用散列表或者二叉查找树。即便是二分查找在内存使用上更节省,但是毕竟内存如此紧缺的情况并不多。那二分查找真的没什么用处了吗?
实际上,上一节讲的求“值等于给定值”的二分查找确实不怎么会被用到,二分查找更适合用在“近似”查找问题,在这类问题上,二分查找的优势更加明显。比如今天讲的这几种变体问题,用其他数据结构,比如散列表、二叉树,就比较难实现了。
变体的二分查找算法写起来非常烧脑,很容易因为细节处理不好而产生 Bug,这些容易出错的细节有:终止条件、区间上下界更新方法、返回值选择。所以今天的内容你最好能用自己实现一遍,对锻炼编码能力、逻辑思维、写出 Bug free 代码,会很有帮助。
课后思考
我们今天讲的都是非常规的二分查找问题,今天的思考题也是一个非常规的二分查找问题。如果有序数组是一个循环有序数组,比如 4,5,6,1,2,3。针对这种情况,如何实现一个求“值等于给定值”的二分查找算法呢?
欢迎留言和我分享,我会第一时间给你反馈。
分享给需要的人,Ta购买本课程,你将得20元
生成海报并分享
赞 191
提建议
© 版权归极客邦科技所有,未经许可不得传播售卖。 页面已增加防盗追踪,如有侵权极客邦将依法追究其法律责任。
上一篇
15 | 二分查找(上):如何用最省内存的方式实现快速查找功能?
下一篇
17 | 跳表:为什么Redis一定要用跳表来实现有序集合?
精选留言(305)
- Smallfly置顶2018-10-27有三种方法查找循环有序数组 一、 1. 找到分界下标,分成两个有序数组 2. 判断目标值在哪个有序数据范围内,做二分查找 二、 1. 找到最大值的下标 x; 2. 所有元素下标 +x 偏移,超过数组范围值的取模; 3. 利用偏移后的下标做二分查找; 4. 如果找到目标下标,再作 -x 偏移,就是目标值实际下标。 两种情况最高时耗都在查找分界点上,所以时间复杂度是 O(N)。 复杂度有点高,能否优化呢? 三、 我们发现循环数组存在一个性质:以数组中间点为分区,会将数组分成一个有序数组和一个循环有序数组。 如果首元素小于 mid,说明前半部分是有序的,后半部分是循环有序数组; 如果首元素大于 mid,说明后半部分是有序的,前半部分是循环有序的数组; 如果目标元素在有序数组范围中,使用二分查找; 如果目标元素在循环有序数组中,设定数组边界后,使用以上方法继续查找。 时间复杂度为 O(logN)。展开共 41 条评论615
- zixuan2018-10-31思考题对应leetcode 33题,大家可以去练习共 4 条评论237
- 舍得2018-10-27第一段代码有漏洞,且不说int能不能表示数组的下标问题,毕竟这个数组能越界说明相当庞大了; 主要问题在于,如果我给定的数大于任何一个数组元素,low就会等于n,n是数组越界后的第一个元素,如果它刚好是要查找的值呢??
作者回复: 谢谢指正 我稍后改下
共 7 条评论69 - 王艳红2019-03-05王老师,有一个疑惑不太明白 int mid = low + ((high - low)>>1) 这句,为什么要用这种写法呢?我看之前的简单的额二分查找是 int mid = (low + high)/2
作者回复: 下面的写法有可能会导致溢出,比如low很大,high也很大,之和就溢出了。
共 14 条评论57 - 毅仔2018-12-23第一次见到逻辑这么清晰的二分查找代码,已经被老师俘获了,太优雅了58
- Geek_86533a2019-08-05茅塞顿开,刷leetcode的时候,看大神们写的二分查找,找一个数字出现的左右边界,始终无法理解,现在才明白自己陷入了追求代码简洁的误区。感谢老师渡我出苦海!共 1 条评论51
- John2020-05-16我来给初学者解释一下IP地址的事吧. 为什么说IP地址可以转化为32位的整数呢? 首先我们看IP地址都是张这样的: "XXX.XXX.XXX.XXX" 一共4段,每段3位(因为你从来没有见过4位的一段的吧). 我们知道2的10次方是1024(程序员记得10月24号这个节日吧), 所有很容易掐指一算得到2^9=512 => 2^8=256. 其实xxx的上限是255, 这是IP地址的规定(反正你也没见过3xx或者4xx的地址吧)!!! 也就是说对于[0, 256)=[0, 255] 这个区间对应的2进制是8位. 刚才说了是4段, 那么就是4*8=32位的2进制喽. 当然了, 我们这段只是论证了对应的2进制是32位而已, 你对这道题的操作倒也不必一定要转化为2进制, 其实也可以干脆把小数点直接抽掉+补上前面的0, 得到一个很大的十进制数字. 这样的后果第一保持顺序的稳定性(其实也没有重复的), 第二很容易从十进制大数转回IP地址. 比如这样 "255.128.16.8 => 255128016008", 最后搜索结束之后再转回去 "255128016008=>255128016008"就可以啦!展开共 2 条评论34
- Victor2018-10-27今天的IP地址归属地问题,从工程实现的角度考虑,我更偏向于直接使用关系型数据库实现。 也就是将12w条归属地与IP区间的开始、结束存入数据库中。 数据库表ip_table有如下字段:area_name | start_ip | end_ip ,start_ip及end_ip 均建立索引 SQL语句: select area_name from ip_table where input_ip >= start_ip and input_ip <= end_ip; 学习算法的课程常常和自己工程开发的实际结合在一起,感觉两者是相互促进理解的过程。展开
作者回复: 数据库可以 单性能会受限
共 9 条评论30 - charon2018-10-26用JavaScript实现的最基本的思考题: array是传入的数组,value是要查找的值 思路是通过对比low,high的值来判断value所在的区间,不用多循环一遍找偏移量了~ function search(array,value){ let low = 0; let high = array.length - 1; while(low <= high){ let mid = low + ((high - low) >> 1); if(value == array[low]) return low; if(value == array[high]) return high; if(value == array[mid]) return mid; if(value > array[mid] && value > array[high] && array[mid] < array[low]){ high = mid - 1; }else if(value < array[mid] && value < array[low] && array[mid] < array[low]){ high = mid - 1; }else if(value < array[mid] && value > array[low]){ high = mid - 1; }else{ low = mid + 1; } } return -1 }展开共 1 条评论18
- 松鼠鱼2020-04-05尝试了一下LeetCode的33题,试提供一个Java版本的解法。从提交反馈来看还是不错的: Runtime: 0 ms, faster than 100.00% of Java online submissions for Search in Rotated Sorted Array. public int solution(int[] nums, int target) { int s = 0; int e = nums.length - 1; while (e >= s){ int mid = s + (e-s)/2; if (nums[mid] == target) return mid; if (nums[mid] < nums[e]) { if (target < nums[mid] || target > nums[e]) { e = mid - 1; } else s = mid + 1; } else { if (target < nums[s] || target > nums[mid]) { s = mid + 1; } else e = mid - 1; } } return -1; }展开共 5 条评论17
- 姜威2018-11-03总结:二分查找(下) 一、四种常见的二分查找变形问题 1.查找第一个值等于给定值的元素 2.查找最后一个值等于给定值的元素 3.查找第一个大于等于给定值的元素 4.查找最后一个小于等于给定值的元素 二、适用性分析 1.凡事能用二分查找解决的,绝大部分我们更倾向于用散列表或者二叉查找树,即便二分查找在内存上更节省,但是毕竟内存如此紧缺的情况并不多。 2.求“值等于给定值”的二分查找确实不怎么用到,二分查找更适合用在”近似“查找问题上。比如上面讲几种变体。 三、思考 1.如何快速定位出一个IP地址的归属地? [202.102.133.0, 202.102.133.255] 山东东营市 [202.102.135.0, 202.102.136.255] 山东烟台 [202.102.156.34, 202.102.157.255] 山东青岛 [202.102.48.0, 202.102.48.255] 江苏宿迁 [202.102.49.15, 202.102.51.251] 江苏泰州 [202.102.56.0, 202.102.56.255] 江苏连云港 假设我们有 12 万条这样的 IP 区间与归属地的对应关系,如何快速定位出一个IP地址的归属地呢? 2.如果有一个有序循环数组,比如4,5,6,1,2,3。针对这种情况,如何实现一个求“值等于给定值”的二分查找算法?展开共 4 条评论14
- 朱坤2019-02-25置顶的同学的思路一,即先找分界再判断在哪个数组,再二分,其实是可以做到O(Log N)的,找分界的点的规则就是找到首个小于a[0]的元素,思路用老师4个转换问题的解法就可以。按评论做了下leetcode33题,感觉会比较老师给的思考题描述清晰。。因为老师说的找问题,没有明确有几组循环数组。。共 3 条评论13
- 菜鸡程序员2018-12-071.如果不知道分界点,找寻分界点没有意义,不如直接遍历。 2.如果知道分界点,查看在哪一边,然后二分法,或者偏移量计算,二分法 老师,我今天这种可以吗: /** * 功能描述:查找第一个大于等于给定值的元素 * * @param null * @return * @author xiongfan * @date 2018/12/7 9:43:00 */ public static int getFirstGreaterValue(int[] array,int value) { int low = 0; int high = array.length - 1; while (low <= high) { int mid = low + (high - low) >> 1; if (array[mid] < value) { low = mid + 1; } else if (array[mid] > value) { high = mid - 1; } else { if (mid == 0 || array[mid - 1] < array[mid]) { return mid; } high = mid - 1; } } return low>array.length-1?-1:low; } /** * 功能描述:查找最后一个小于等于给定值的元素 * * @param null * @return * @author xiongfan * @date 2018/12/7 10:03:00 */ public static int getLastLessValue(int[] array,int value) { int low = 0; int high = array.length - 1; while (low <= high) { int mid = low + (high - low) >> 1; if (array[mid] > value) { high = mid - 1; } else if (array[mid] < value) { low = mid + 1; } else { if (mid > array.length-1 || array[mid] < array[mid + 1]) { return mid; } low = mid + 1; } } return high<0?-1:high; }展开8
- 勤劳的小胖子-libo2018-10-271. 先二分遍历找到分隔点index,特征是<pre, >=next; 2. 把数组分成二个部分,[0,index-1], [index,length-1]; 3. 分别使用二分查找,找到给定的值。 时间复杂度为2*log(n). 不确定有什么更好的办法。共 2 条评论8
- 疾风狂草2018-12-10老师,你说二分查找更适合用在“近似”查找问题,在这类问题上,二分查找的优势更加明显。这种问题链式哈希表不是更擅长吗?
作者回复: 哈希表是精准查找
7 - 牛顿的苹果啦2019-01-31思考题: 可以考虑将数组分为N个有序数组,分别进行二分查找。 代码实现: public int circleBinarySearch(int[] a, int value){ int low = 0, high=0; for(int i=0;i<a.length-1;i++){ //找到有序数组的下标 if(a[i]<a[i+1]){ high=i+1; }else{ //有序数组到顶,二分查找 int i1 = binarySearch(low, high, a, value); if(-1 != i1){ return i1; }else{ low = high+1; } } //high已经到最后一个位置 if(a.length-1 == high){ return binarySearch(low, high, a, value); } } return -1; } private int binarySearch(int low, int high, int[] a, int value){ for(;low<=high;){ int middle = low+((high-low)>>1); if(a[middle] == value){ return middle; } if(a[middle] > value){ high = middle -1; }else{ low = middle +1; } } return -1; }展开5
- 狼的诱惑2018-10-31@老师,请老师或其他高人回复指教 /** * 例如: 4 5 6 1 2 3 * 循环数组的二分查找 总体时间复杂度O(n) */ public static int forEqualsThan(int[] arr, int num) { if (arr[0] == num) { return 0; } int length = arr.length; int low = 0; int high = length - 1; //找到循环节点 for (int i = 0; i < length; i++) { if (i == length - 1) { if (arr[i] > arr[0]) { low = i; high = 0; break; } } else { if (arr[i] > arr[i + 1]) { low = i; high = low + 1; break; } } } //判断第一个节点的大小位置,确定low和high的值,转变为正常有序的二分查找 if (arr[0] < num) { high = low; low = 0; } if (arr[0] > num) { low = high; high = length - 1; } while (low <= high) { int index = low + ((high - low) >> 1); if (arr[index] > num) { high = index - 1; } if (arr[index] < num) { low = index + 1; } if (arr[index] == num) { return index; } } return -1; }展开共 4 条评论5
- 低调人生2019-05-28我觉得查找第一个符合给定的值得那两种写法 第一种更好理解 没看懂作者的写法共 3 条评论4
- 晓杉2018-11-16老师,我有一个疑问。 使用二分查找的前提是有序数组。 对于本节IP地址问题,我们先进行排序再进行查找,我理解应该时间复杂度是排序平均O(nLogn)再加上二分查找O(logn) 比单纯的顺序遍历O(n)要慢许多了。 是不是实际中,这种无序情况直接使用了顺序遍历查找呢?展开共 5 条评论4
- 刘忽悠2018-10-26第一段代码的想法确实妙,乍眼一看还以为这段代码有问题4