Swift 实战：从数据流到不重叠区间的高效转换

文章目录

摘要

在日常开发中，我们经常会遇到这样的需求：从一串不断到来的数据中，实时维护一组"合并好的区间"。比如，日志的连续时间段、用户连续签到天数、实时数据的连续区间等。

LeetCode 第 352 题 Data Stream as Disjoint Intervals 就是这种场景的典型抽象。它要求我们在数据流中动态添加数字，并随时返回当前数字集合的"不重叠有序区间"表示。

本文将用 Swift 从零实现一个高效的 SummaryRanges 类，逐步分析设计思路，并提供一个可直接运行的 Demo。

描述

题目要求我们实现这样一个类：

SummaryRanges()：初始化对象，数据流初始为空。
addNum(val)：添加一个数字到数据流中。
getIntervals()：返回当前数据流中所有数字的合并区间列表，且区间必须有序且不重叠。

例子

假设我们依次调用：

txt 复制代码

addNum(1) → getIntervals() → [[1, 1]]
addNum(3) → getIntervals() → [[1, 1], [3, 3]]
addNum(7) → getIntervals() → [[1, 1], [3, 3], [7, 7]]
addNum(2) → getIntervals() → [[1, 3], [7, 7]]
addNum(6) → getIntervals() → [[1, 3], [6, 7]]

你可以看到，数字进来后如果能与已有区间相连，就会被合并；否则，它会自己成为一个新区间。

题解答案

最直接的解法是：

用一个 有序集合 或 有序数组 存储所有出现过的数字；
每次 getIntervals() 遍历这些数字，按连续性分组形成区间。

但是这样有两个问题：

每次获取区间都要 O(n) 遍历，调用频繁时性能差；
插入数字时需要保持有序，普通数组插入 O(n) 会慢。

更好的方法是：

使用 有序字典（SortedDictionary） 或 TreeMap 思路 存储每个区间；
在 addNum 时直接合并到现有区间，避免重复遍历；
这样 getIntervals 可以直接 O(k) 返回区间列表（k 是区间数）。

Swift 没有内置 TreeMap，但可以用 SortedDictionary 的思路，或直接用普通字典 + 手动合并（配合有序 keys）。

题解代码分析

下面是 Swift 代码实现，并且是可运行的 Demo 模块。

swift 复制代码

import Foundation

class SummaryRanges {
    private var intervals: [(Int, Int)] = []
    
    init() {}
    
    func addNum(_ val: Int) {
        // 如果 intervals 为空，直接加
        if intervals.isEmpty {
            intervals.append((val, val))
            return
        }
        
        var newStart = val
        var newEnd = val
        var merged: [(Int, Int)] = []
        var inserted = false
        
        for (start, end) in intervals {
            if end + 1 < newStart {
                // 当前区间完全在新数左边
                merged.append((start, end))
            } else if newEnd + 1 < start {
                // 当前区间完全在新数右边
                if !inserted {
                    merged.append((newStart, newEnd))
                    inserted = true
                }
                merged.append((start, end))
            } else {
                // 有交集或相邻，合并区间
                newStart = min(newStart, start)
                newEnd = max(newEnd, end)
            }
        }
        
        if !inserted {
            merged.append((newStart, newEnd))
        }
        
        intervals = merged
    }
    
    func getIntervals() -> [[Int]] {
        return intervals.map { [$0.0, $0.1] }
    }
}

// Demo
let summaryRanges = SummaryRanges()
summaryRanges.addNum(1)
print(summaryRanges.getIntervals()) // [[1, 1]]
summaryRanges.addNum(3)
print(summaryRanges.getIntervals()) // [[1, 1], [3, 3]]
summaryRanges.addNum(7)
print(summaryRanges.getIntervals()) // [[1, 1], [3, 3], [7, 7]]
summaryRanges.addNum(2)
print(summaryRanges.getIntervals()) // [[1, 3], [7, 7]]
summaryRanges.addNum(6)
print(summaryRanges.getIntervals()) // [[1, 3], [6, 7]]

代码解析

数据结构选择

用一个有序的 [(start, end)] 元组数组 intervals 存储区间，每次插入新数字时，按顺序扫描并决定合并还是插入。
插入逻辑
- 如果新区间完全在某个区间左侧并且不相连，直接放进合并结果；
- 如果完全在右侧并且不相连，先放入新数字区间再放现有区间；
- 如果有交集或相邻，更新 newStart 和 newEnd 进行合并。
返回结果
getIntervals() 直接 O(k) 遍历区间数组并转成二维数组返回。

示例测试及结果

运行上面的 Demo，会输出：

txt 复制代码

[[1, 1]]
[[1, 1], [3, 3]]
[[1, 1], [3, 3], [7, 7]]
[[1, 3], [7, 7]]
[[1, 3], [6, 7]]

这与题目中的预期完全一致。

时间复杂度

addNum：O(k)，k 为区间数（最坏情况下 k≈n，但通常 k << n）；
getIntervals：O(k)；
对于数据流比较稀疏的情况，性能非常好。

空间复杂度

额外存储 intervals 数组，最多存储 n 个不相交区间，空间复杂度 O(n)。

总结

这道题虽然名字看起来很抽象，但在很多实际场景里都有用武之地，比如：

实时统计用户的连续签到区间；
日志中连续时间片段的合并；
实时视频或音频帧缺失检测。

用 Swift 实现时，我们不需要复杂的平衡树结构，也能通过有序数组+一次扫描的方式做到高效插入和查询。在数据流中区间合并的问题，关键是保持区间有序性和及时合并，这样才能保证后续查询快速、结构清晰。