本文将通过六大原则、设计模式、数据结构、算法来阐述设计思想与代码质量优化
一、六大原则
1、单一职责原则
不要存在多于一个导致类变更的原因，也就是说每个类应该实现单一的职责，如若不然，就应该把类拆分。
2、里氏替换原则（Liskov Substitution Principle）
里氏代换原则(Liskov Substitution Principle LSP)面向对象设计的基本原则之一。 里氏代换原则中说，任何基类可以出现的地方，子类一定可以出现。 LSP是继承复用的基石，只有当衍生类可以替换掉基类，软件单位的功能不受到影响时，基类才能真正被复用，而衍生类也能够在基类的基础上增加新的行为。里氏代换原则是对“开-闭”原则的补充。实现“开-闭”原则的关键步骤就是抽象化。而基类与子类的继承关系就是抽象化的具体实现，所以里氏代换原则是对实现抽象化的具体步骤的规范。
历史替换原则中，子类对父类的方法尽量不要重写和重载。因为父类代表了定义好的结构，通过这个规范的接口与外界交互，子类不应该随便破坏它。
3、依赖倒转原则（Dependence Inversion Principle）
这个是开闭原则的基础，具体内容：面向接口编程，依赖于抽象而不依赖于具体。写代码时用到具体类时，不与具体类交互，而与具体类的上层接口交互。
4、接口隔离原则（Interface Segregation Principle）
这个原则的意思是：每个接口中不存在子类用不到却必须实现的方法，如果不然，就要将接口拆分。使用多个隔离的接口，比使用单个接口（多个接口方法集合到一个的接口）要好。
5、迪米特法则（最少知道原则）（Demeter Principle）
就是说：一个类对自己依赖的类知道的越少越好。也就是说无论被依赖的类多么复杂，都应该将逻辑封装在方法的内部，通过public方法提供给外部。这样当被依赖的类变化时，才能最小的影响该类。
最少知道原则的另一个表达方式是：只与直接的朋友通信。类之间只要有耦合关系，就叫朋友关系。耦合分为依赖、关联、聚合、组合等。我们称出现为成员变量、方法参数、方法返回值中的类为直接朋友。局部变量、临时变量则不是直接的朋友。我们要求陌生的类不要作为局部变量出现在类中。
6、合成复用原则（Composite Reuse Principle）
原则是尽量首先使用合成/聚合的方式，而不是使用继承。
二、设计模式
总体来说设计模式分为三大类：
创建型模式，共五种：工厂方法模式、抽象工厂模式、单例模式、建造者模式、原型模式。
结构型模式，共七种：适配器模式、装饰器模式、代理模式、外观模式、桥接模式、组合模式、享元模式。
行为型模式，共十一种：策略模式、模板方法模式、观察者模式、迭代子模式、责任链模式、命令模式、备忘录模式、状态模式、访问者模式、中介者模式、解释器模式。
其实还有两类：并发型模式和线程池模式。用一个图片来整体描述一下：
三、数据结构
<meta charset="utf-8">
1.数组
①概念
存储多个相同类型的数据的集合。
②特点
a)数组中的数据元素可以是基本数据类型，也可以是引用数据类型；
b)数组具有下标，下标从0开始计数，用于快速获取数组中的数据，比如a[0]，表示数组中的第一个数据；
c)数组在创建的时候，需要在内存中申请一段固定长度的内存，如果申请的长度超过内存剩余的长度，则容易产生碎片，导致存储失败；
d)数组便于查找和修改数据，不便于增删数据；
e)数组分为数值数组，字符数组，指针数组，结构数组等；
③图解
2.栈
①概念
一种只能在表头进行数据插入和删除操作的线性表，又名堆栈。
②特点
a)按照先进后出的原则存储数据；
b)栈分为顺序栈和链式栈；
③图解
3.队列
①概念
一种特殊的线性表，只能在队头进行删除数据操作，在队尾进行增加数据操作。
②特点
a)遵循先进先出的原则存储数据；
b)队列分为顺序队列和循环队列；
③图解
4.链表
①概念
一种非连续，非顺序的存储方式，通过指针将数据进行连接的方式实现。
②特点
a)在创建的时候，不需要指定长度，可以动态调整长度，不易产生碎片；
b)链表的每个元素分为数据和指针，指针指向下一个数据的地址，从而形成串联；
c)便于数据增删，不便于数据查询；
d)链表分为单向链表，双向链表，循环列表；
③图解
5.树
①概念
由一个根节点和若干个子树构成的集合。
②特点
a)有且仅有一个根节点；
b)子树之间不可以有交集；
c)树分为无序树，有序树，二叉树等；
d)树的深度指的是树的有多少层；
e)一个节点的度指的是该节点下有多少个子节点；
f)二叉树指的是每个结点的度≤2的树。
g)树的遍历方式分为三种，分别是前序遍历（根左右），中序遍历（左根右），后序遍历（左右根）；
③图解
6.图
①概念
由顶点的有穷非空集合和顶点之间边的集合组成。
②特点
a)图分为有向图和无向图，区别在于边是否有方向；
b)图主要涉及到的内容是最短路径；
③图解
7.堆
①概念
用于动态分配和释放程序所使用的对象。
②特点
a)堆分为最小堆和最大堆，区别在于所有父节点是否大于等于其子节点，是则是最大堆，否则反之；
b)堆是一颗完全二叉树；
③图解
8.散列表
①概念
根据key-value来进行数据获取的存储数据方式。
②特点
a)又名哈希表；
b)便于插入，查找等操作；
c)key以数组的方式存储在栈内存中，value以链表的方式存储在堆空间中；
d)不同的key通过哈希函数可能得到相同的结果，这时候就发生了哈希碰撞；
③图解
四、算法
4.1排序算法
4.1.1 简单排序算法
冒泡排序
两两比较相邻记录的关键字，如果反序则交换，直到没有反序的记录为止
直接插入排序
通过 n-i 次关键字间的比较，从 n-i+1 个记录中选出关键字最小的记录，并和第 i 个记录交换
简单选择排序
改进算法
快速排序（冒泡排序的改进）
先随机选择一个记录，比它大的放在右边，比它小的放在左边，采用递归的方式进行排序
java 代码
/**
* 快排，先找一个记录，把大于他的放在右边，小的放在左边，然后采用递归的方式进行排序
*/
public class QuickSort2 {
public void quickSort(int[] array) {
if (array.length > 0) {
doQuickSort(array, 0, array.length - 1);
}
}
private void doQuickSort(int[] array, int left, int right) {
if (left >= right) {
return;
}
int low = left;
int high = right;
int temp = array[low];
while (low != high) {
while (low < high && array[high] > temp) {
high--;
}
array[low] = array[high];
while (low < high && array[low] < temp) {
low++;
}
array[high] = array[low];
}
array[high] = temp;
Utils.printArray(array);
doQuickSort(array, left, low - 1);
doQuickSort(array, high + 1, right);
}
public static void main(String[] args) {
QuickSort2 qs = new QuickSort2();
int[] a = {9, 1, 5, 8, 3, 7, 4, 6, 2};
qs.quickSort(a);
}
}`测试结果
2 1 5 8 3 7 4 6 9 -
1 2 5 8 3 7 4 6 9 -
1 2 4 3 5 7 8 6 9 -
1 2 3 4 5 7 8 6 9 -
1 2 3 4 5 6 7 8 9 -希尔排序
堆排序
并排序
4.2查找算法
4.2.1顺序查找
顺序查找过程：从表中的最后一个记录开始，逐个进行记录的关键字与给定值进行比较，若某个记录的关键字与给定值相等，则查找成功，找到所查的记录；反之，若直到第一个记录，其关键字和给定值比较都不相等，则表明表中没有所查的记录，查找失败。
算法描述为
int Search(int d,int a[],int n)
{/在数组a[]中查找等于D元素，若找到，则函数返回d在数组中的位置，否则为0。其中n为数组长度/
int i ；
/*从后往前查找*/
for(i=n-1;a*!=d;--i)
return i ;
/*如果找不到，则i为0*/
}*4.2.2 二分查找
二分查找又称折半查找，它是一种效率较高的查找方法。
【二分查找要求】：1.必须采用顺序存储结构2.必须按关键字大小有序排列。
【优缺点】折半查找法的优点是比较次数少，查找速度快，平均性能好;其缺点是要求待查表为有序表，且插入删除困难。因此，折半查找方法适用于不经常变动而查找频繁的有序列表。
【算法思想】首先，将表中间位置记录的关键字与查找关键字比较，如果两者相等，则查找成功；否则利用中间位置记录将表分成前、后两个子表，如果中间位置记录的关键字大于查找关键字，则进一步查找前一子表，否则进一步查找后一子表。
重复以上过程，直到找到满足条件的记录，使查找成功，或直到子表不存在为止，此时查找不成功。
【算法复杂度】假设其数组长度为n，其算法复杂度为o（log（n））
下面提供一段二分查找实现的伪代码:
BinarySearch(max,min,des)
mid-des then
max=mid-1
else
min=mid+1
return max折半查找法也称为二分查找法，它充分利用了元素间的次序关系，采用分治策略，可在最坏的情况下用O(log n)完成搜索任务。它的基本思想是，将n个元素分成个数大致相同的两半，取a[n/2]与欲查找的x作比较，如果x=a[n/2]则找到x，算法终止。如 果xa[n/2]，则我们只要在数组a的右 半部继续搜索x。
4.2.3 分块查找
分块查找又称索引顺序查找，它是顺序查找的一种改进方法。
方法描述：将n个数据元素"按块有序"划分为m块（m ≤ n）。每一块中的结点不必有序，但块与块之间必须"按块有序"；即第1块中任一元素的关键字都必须小于第2块中任一元素的关键字；而第2块中任一元素又都必须小于第3块中的任一元素，……。
操作步骤：
step1 先选取各块中的最大关键字构成一个索引表；
step2 查找分两个部分：先对索引表进行二分查找或顺序查找，以确定待查记录在哪一块中；然后，在已确定的块中用顺序法进行查找。
4.2.4 哈希表查找
1 基本原理
我们使用一个下标范围比较大的数组来存储元素。可以设计一个函数（哈希函数， 也叫做散列函数），使得每个元素的关键字都与一个函数值（即数组下标）相对应，于是用这个数组单元来存储这个元素；也可以简单的理解为，按照关键字为每一个元素"分类"，然后将这个元素存储在相应"类"所对应的地方。
但是，不能够保证每个元素的关键字与函数值是一一对应的，因此极有可能出现对于不同的元素，却计算出了相同的函数值，这样就产生了"冲突"，换句话说，就是把不同的元素分在了相同的"类"之中。后面我们将看到一种解决"冲突"的简便做法。
总的来说，"直接定址"与"解决冲突"是哈希表的两大特点。
2 函数构造
构造函数的常用方法（下面为了叙述简洁，设 h(k) 表示关键字为 k 的元素所对应的函数值）：
a) 除余法：
选择一个适当的正整数 p ，令 h(k ) = k mod p
这里， p 如果选取的是比较大的素数，效果比较好。而且此法非常容易实现，因此是最常用的方法。
b) 数字选择法：
如果关键字的位数比较多，超过长整型范围而无法直接运算，可以选择其中数字分布比较均匀的若干位，所组成的新的值作为关键字或者直接作为函数值。
3冲突处理
线性重新散列技术易于实现且可以较好的达到目的。令数组元素个数为 S ，则当 h(k) 已经存储了元素的时候，依次探查 (h(k)+i) mod S , i=1,2,3…… ，直到找到空的存储单元为止（或者从头到尾扫描一圈仍未发现空单元，这就是哈希表已经满了，发生了错误。当然这是可以通过扩大数组范围避免的）。
4 支持运算
哈希表支持的运算主要有：初始化(makenull)、哈希函数值的运算(h(x))、插入元素(insert)、查找元素(member)。
设插入的元素的关键字为 x ，A 为存储的数组。
初始化比较容易，例如
const empty=maxlongint; // 用非常大的整数代表这个位置没有存储元素
p=9997; // 表的大小
procedure makenull;
var i:integer;
begin
for i:=0 to p-1 do
A*:=empty;
End;*哈希函数值的运算根据函数的不同而变化，例如除余法的一个例子：
function h(x:longint):Integer;
begin
h:= x mod p;
end;我们注意到，插入和查找首先都需要对这个元素定位，即如果这个元素若存在，它应该存储在什么位置，因此加入一个定位的函数 locate
function locate(x:longint):integer;
var orig,i:integer;
begin
orig:=h(x);
i:=0;
while (ix)and(A[(orig+i)mod S]empty) do
inc(i);
//当这个循环停下来时，要么找到一个空的存储单元，要么找到这个元
//素存储的单元，要么表已经满了
locate:=(orig+i) mod S;
end;
插入元素
procedure insert(x:longint);
var posi:integer;
begin
posi:=locate(x); //定位函数的返回值
if A[posi]=empty then A[posi]:=x
else error; //error 即为发生了错误，当然这是可以避免的
end;查找元素是否已经在表中
procedure member(x:longint):boolean;
var posi:integer;
begin
posi:=locate(x);
if A[posi]=x then member:=true
else member:=false;
end;好了文章就分享到这里了，喜欢的朋友别忘了关注+点赞喔