图的表示：如何存储微博、微信等社交网络中的好友关系？
图的理解（Graph)
非线性表结构，树中的元素称为节点，图中的元素叫做顶点，图中的各个顶点都可以与任意其他顶点建立连接关系，这种建立的关系叫做边
把微信中的每个用户都看作一个顶点，两个用户之间互加好友，就在两者之间建立一个边，其中，每个用户有多少好友，对应在图中，就叫做顶点的度，就是跟顶点连接的边的条数
而微博更复杂，允许单向关注，如果A关注了B，就是一条从A到B的箭头的边，表示边的方向，这种叫有向图，没有方向的图叫做无向图
无向图中有表示一个顶点多少条边的度的概念，有向图中，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；顶点的出度，表示有多少条边以这个顶点为起点指向其他顶点的，以微博为例，入度表示有多少粉丝
QQ中亲密度怎么记录的？
在带权图中，每条边都有一个权重(weight)，这个权重可以表示QQ亲密度
邻接矩阵存储方法
图的最直观的存储方式
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和顶点j之间有边，将 和 ,都标记为1，对于有向图来说，顶点I和顶点J之间，有一条箭头从I指向J的边，将 标记为1，同理，J指向I，将 标记为1，用邻接矩阵表示一个图，比较浪费存储空间
对于无向图，如果 = 1,那么 =1,实际上我们存储一个即可，所以无向图的二维数组中，我们将其用对角线划分为上下两部分，只需要利用上面或者下面这样一般的空间足够了
如果存储的是稀疏图，即顶点很多，但每个顶点的边并不多，邻接矩阵的存储方法更加浪费了
但是利用邻接矩阵存储图，可以将很多图的运算转化成矩阵之间的运算，比如求解最短路径时候，利用矩阵循环相称若干次得到结果
邻接表存储方法
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，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
使用起来比较耗时间
可以将链表换成更加高效的数据结构，比如平衡二叉查找树
我们可以选用红黑树，可以更加快速的查找两个顶点之间是否存在边
如何存储微博、微信等社交网络中的好友关系？
微博是有向图，微信是无向图
针对微博，支持操作：
- 判断用户A是否关注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取关B
- 根据用户名称首字母排序，分页获取用户的粉丝列表
- 根据用户名称首字母排序，分页获取用户的关注列表
采用邻接表存储图，更是一个逆邻接表，邻接表中存储了用户的关注关系，逆邻接表中存储的是用户的被关注关系，对应图中，邻接表中，每个顶点的链表中存储的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，如果查找某个用户关注了哪些用户，可以在邻接表中查找，如果查找某个用户被那些用户关注，从逆邻接表中查找
需要按照用户名称的首字母排序，分页来获取用户的粉丝列表或者关注列表，用跳表，跳表插入、删除、查找非常高效，跳表中存储的数据是有序的
但这只能是小规模的几万、几十万用户，上亿用户得用哈希算法等数据分片方式，将邻接表存储在不同机器上。
一个机器存储顶点1，2，3的邻接表和逆邻接表，机器2存储顶点4，5的邻接表和逆邻接表，当药查询顶点与顶点关系时候，利用同样的哈希算法，定位顶点所在机器，再在响应的机器上查找
1.怎么存储微信这样的无向图？
使用邻接表的方式存世每个人对应的好友列表，为了支持快速查找，可以用红黑树存储
