废话不多说，喊一句号子鼓励自己：程序员永不失业，程序员走向架构！本篇Blog的主题是最长无重复子串或最长无重复子数组，这类题目出现频率还是很高的。

最长无重复子数组

先来看看数组数据结构的题目

题干

输入：
[2,3,4,5]

返回值：
4

说明：
[2,3,4,5]是最长子数组  

输入：
[2,2,3,4,8,99,3]

返回值：
5

说明：
最长子数组为[2,3,4,8,99]  

解题思路

整体目标就是获取最大的无重复滑动窗口

1. 双指针标识数组或字符串的位置，右指针可以理解为放大窗口指针，左指针可以理解为缩小窗口指针
2. 定义一个set用来存储元素位置对应的值
3. 右指针先行，如果一直无重复就一直开拓窗口并更新max值，否则移动左指针缩小窗口，直到将重复值缩到窗口以外。

如下图所示：

解题代码

Java实现的代码

import java.util.*;


public class Solution {
    /**
     * 代码中的类名、方法名、参数名已经指定，请勿修改，直接返回方法规定的值即可
     *
     *
     * @param arr int整型一维数组 the array
     * @return int整型
     */
    public int maxLength (int[] arr) {
        // 1 判断入参是否为空列表
        if (arr.length == 0) {
            return 0;
        }

        // 2 定义返回结果最大值和左右指针以及滑动窗口集合
        int max = 0;
        int left = 0;
        int right = 0;
        Set<Integer> set = new HashSet<>();

        // 3 滑动窗口移动并在无重复时计算最大值
        while (left < arr.length && right < arr.length) {
            // 1 无重复，右指针继续移动，重新计算最大值
            if (!set.contains(arr[right])) {
                set.add(arr[right++]);
                max = Math.max(max, right - left);

            } else {
                // 2 有重复，左指针继续移动，直到将重复元素移出集合
                set.remove(arr[left++]);
            }
        }
        return max;
    }
}

时间复杂度为O（N），因为遍历了数组；空间复杂度为O（N），借助了HashSet的存储空间

最长无重复子串

先来看字符串数据结构的题目

题干

解题思路

同上

解题代码

class Solution {
    public int lengthOfLongestSubstring(String s) {
       // 1 判断入参是否为空列表
        if (s.length() == 0) {
            return 0;
        }

        // 2 定义返回结果最大值和左右指针以及滑动窗口集合
        int max = 0;
        int left = 0;
        int right = 0;
        Set<Character> set = new HashSet<>();

        // 3 滑动窗口移动并在无重复时计算最大值
        while (left < s.length() && right < s.length()) {
            // 1 无重复，右指针继续移动，重新计算最大值
            if (!set.contains(s.charAt(right))) {
                set.add(s.charAt(right++));
                max = Math.max(max, right - left);

            } else {
                // 2 有重复，左指针继续移动，直到将重复元素移出集合
                set.remove(s.charAt(left++));
            }
        }
        return max;
    }
}