散列表（下）

扫码关注公众号，获取更多内容

目录

一、LRU缓存淘汰算法

二、Java LinkedHashMap分析

---

一、LRU缓存淘汰算法

我们如何实现一个LRU缓存淘汰算法

如果单纯用链表实现LRU缓存淘汰算法的话，我们要怎么实现呢？

首先我们需要维护一个按照访问时间从大到小有序排序的链表结构，缓存的大小是有限的，当空间不够，需要淘汰一个数据的时候，我们就直接将链表头部的节点删除，当需要缓存某个数据的时候，先在链表中查找这个数据，如果没找到，就将该数据放在链表尾部，如果有，就把该数据移动到链表尾部，查找数据的过程是需要遍历链表的，所以单纯用链表实现LRU缓存淘汰算法的世界复杂度很高，是O(n)。

一个缓存系统主要包含下面几个操作：

1、往缓存中添加一个数据。

2、从缓存中删除一个数据。

3、从缓存中查找一个数据。

这三个操作都涉及“查找”操作，单纯使用链表，时间复杂度只能是O(n)。如果我们将散列表和链表两种数据结构组合使用，可以将时间复杂度降低至O(1)。具体结构如下图：

使用双向链表存储数据，链表中的每个结点处理存储数据（data）、前驱指针（prev）、后继指针（next）之外，还新增了一个特殊的字段hnext。

我们的散列表是通过链表法解决散列冲突的，所以每个结点都会在两条链中。一个链是双向链表，另一个链是散列表中的拉链。前驱指针和后继指针是为了将结点串在双向链表中，hnext指针是为了将结点串在散列表的拉链中。

首先，我们来看如何查找一个数据。通过散列表，我们可很快地在缓存中找到一个数据（散列表中查找数据的时间复杂度接近O(1)）。当找到数据之后，我们需要将它移动到双向链表的尾部。

其次，我们来看如何删除一个数据。借助散列表，我们可以在O(1)时间复杂度里找到要删除的结点，因为链表是双向链表，双向链表删除结点的时间复杂度是O(1)。

最后，我们来看如何添加一个数据。我们需要先看这个数据是否已经存在缓存中，如果已经在其中，需要将其移动到双向链表的尾部，如果不在其中，需要考虑缓存有没有满，如果满了，则将双向链表的头部结点删除，然后再将数据放到链表的尾部，如果没有满，就直接将数据放到链表的尾部。

二、Java LinkedHashMap分析

我们先看一段代码，你觉得会以什么样的顺序打印3，1，5，2这几个key呢？

HashMap<Integer, Integer> m = new LinkedHashMap<>();
m.put(3, 11);
m.put(1, 12);
m.put(5, 23);
m.put(2, 22);

for (Map.Entry e : m.entrySet()) {
  System.out.println(e.getKey());
}

上方的代码会 按照插入的顺序依次来打印，打印出：3，1，5，2。理论上来说，散列表中的数据是经过散列函数打乱后无规律存储的，这里是如何实现按照数据插入顺序来遍历的呢？

其实，LinkedHashMap也是通过散列表和链表组合在一起实现的，它不仅支持按照插入顺序遍历数据，还支持按照访问顺序来遍历数据。我们来分析下面这段代码：

// 10是初始大小，0.75是装载因子，true是表示按照访问时间排序
HashMap<Integer, Integer> m = new LinkedHashMap<>(10, 0.75f, true);
m.put(3, 11);
m.put(1, 12);
m.put(5, 23);
m.put(2, 22);

m.put(3, 26);
m.get(5);

for (Map.Entry e : m.entrySet()) {
  System.out.println(e.getKey());
}

上述代码的打印结果是1，2，3，5。我们来具体分析下，为什么打印顺序是这样的：

当调用put向LinkedHashMap添加数据的时候，会将数据加在链表的尾部，所以，前四个put完成后，链表中的数据如下图：

在put(3，26)的时候，3这个键值已经存在了，将（3,，11）删除，将新的（3，26）放到链表的尾部，这时候的结构如下图：

当访问get(5)的时候，我们将被访问的数据移动到链表的尾部，链表中的数据如下所示：

所以最后打印出来的数据是1，2，3，5。

总结：LinkedHashMap是通过双向链表和散列表这两种数据结构组合实现的。LinkedHashMap中的“Linked”实际上指的是双向链表，并非指用链表法解决散列冲突。