数据结构与算法之美06

链表（上）：如何实现LRU缓存淘汰算法

缓存是一种提高数据读取性能的技术，在硬件设计、软件开发中都有着非常广泛的应用，比如常见的CPU缓存、数据库缓存、浏览器缓存等等。缓存的大小有限，当缓存被用满时，哪些数据应该被清理出去，哪些数据应该被保留，这就需要缓存淘汰策略来决定。常见的策略有三种：先进先出策略FIFO(First In First Out)、最少使用策略LFU(Least Frequently Used)、最近最少使用策略LRU(Least Recently Used)。

链表结构

相比数组，链表是一种稍微复杂一点的数据结构。从底层的存储结构上来看，数组需要一块连续的内存空间来存储，对内存的要求比较高。如果我们申请一个100MB大小的数组，当内存中没有连续的、足够大的存储空间时，即便内存的剩余总可用空间大于100MB，仍然会申请失败。而链表恰恰相反，它并不需要一块连续的内存空间，他通过“指针”将一组零散的内存块串联起来使用，所以如果我们申请的是100MB大小的链表，根本不会有问题。

这里介绍三种最常见的链表结构：单链表、双向链表和循环链表。

单链表：链表通过指针将一组零散的内存块串联在一起。其中，我们把内存块成为链表的“结点”，为了将所有的结点串起来，每个链表的结点除了存储数据之外，还需要记录链上的下一个结点的地址。我们把这个记录下个结点地址的指针叫作后继指针next。

可以发现，其中有两个结点比较特殊：第一个结点和最后一个节点。我们把第一个结点叫作头结点，最后一个节点叫作尾结点。头结点用来记录链表的基地址。有了它，我们可以遍历得到整条链表。为节点特殊的地方是：指针不是指向下一个结点，而是指向一个空地址NULL，表示这是链表上最后一个结点。与数组一样，链表也支持数据的查找、插入和删除操作。

在进行数组的插入、删除操作时，为了保持内存数据的连续性，需要做大量的数据搬移，所以时间复杂度是O(n)。而在链表中插入或者删除一个数据，我们并不需要为保持内存的连续性而搬移结点，因为链表的存储空间本身就不是连续的。所以，在链表中插入和删除一个数据是非常快速的。如下图所示，针对链表的插入和删除操作，我们只需要考虑相邻结点的指针改变，所以对应的时间复杂度为O(1)。

 

但是，链表想要随机访问第k个元素，就没有数组那么搞笑。因为链表中的数据并非连续存储的，所以无法像数组那样，根据首地址和下标，通过寻址公式就能直接计算出对应的内存地址，而是需要根据指针一个结点一个结点地依次遍历，知道找到相应的结点。你可以把链表想象成一个队伍，队伍中的每个人都只知道自己后面的人是谁，所以当我们希望知道排在第k为的人是谁时，我们需要从第一个人开始，一个一个地往下数。所以，链表随机访问的性能没有数组好，需要O(n)的时间复杂度。

循环链表：循环链表是一个特殊的单链表，它和单链表唯一的区别就在尾结点。循环链表的尾结点指针是指向链表的头结点。和单链表相比，循环链表的优点是从链尾到链头比较方便。当要处理的数据具有环型结构特点时，就特别适合采用循环链表。例如约瑟夫问题。

双向链表：单向链表只有一个方向，结点只有一个后继指针next指向后面的结点。而双向链表支持两个方向，每个结点不止有一个后继指针next指向后面的结点，还有一个前驱指针prev指向前面的结点。从图中可以看出，双向链表需要额外的两个空间来存储后继结点和前驱结点的地址。所以，如果存储同样多的数据，双向链表要比单链表占用更多的内存空间。损人两个指针比较浪费存储空间，但可以支持双向遍历，带来更多的灵活性。

相比单链表，双向链表适合解决哪种问题呢？从结构上来说，双向链表可以支持O(1)时间复杂度的情况下找到前驱结点，正是这样的特点，也使双向链表在某些情况下的插入、删除等操作比单链表简单、高效。

删除操作：在实际的软件开发中，从链表中删除一个数据无外乎两种情况：删除结点中“值等于某个给定值”的结点；删除给定指针指向的结点。对于第一种情况，不管是单链表还是双向链表，为了查找到值等于给定值的结点都需要从头结点开始一个一个依次遍历对比，直到找到值等于给定值的结点，然后再进行指针的删除操作。其时间复杂度为O(1)。对于第二种情况，我们已经找到了要删除的结点，但是删除某个结点q需要知道其前驱结点，而单链表并不支持直接获取前驱结点，所以，为了找到前驱结点，我们还是要从头结点开始遍历链表，知道p->next = q，说明p是q的前驱结点。但是对于双向链表来说，这种情况就比较有优势。因为双向链表中的结点已经保存了前驱结点的指针。所以对第二种情况，单链表删除操作需要O(n)的时间复杂度，而双向链表只需要O(1)的时间复杂度。

同理，在某个制定结点前面插入一个节点时，双向链表比单链表有更大的优势。

除了删除和插入操作有优势之外，对于一个有序链表，双向链表的按值查询的效率也要比单链表高一些。因为，我们可以记录上次查找的位置p，每次查询时，根据要查找的值与p的大小关系，决定是往前还是往后查找，所以平均只需要查找一半的数据。

时间换空间的设计思想：当内存充足时，我们更加追求代码的执行速度，我们就可以选择空间复杂度相对高、但时间复杂度相对很低的算法或者数据结构。相反，如果内存比较紧缺，比如代码跑在手机或者单片机上，就需要时间换空间的设计思想。

在开篇缓存的例子中，缓存实际上就是利用了空间换时间的设计思想。如果我们把数据存储在硬盘上，会比较节省内存，但是每次查找数据都要询问一次硬盘，会比较慢。但如果通过缓存技术，事先将数据加载在内存中，虽然会比较耗费内存空间，但是每次数据查询的速度就大大提高了。

总结：对于执行较慢的程序，可以通过消耗更多的内存（空间换时间）来进行优化；而消耗过多内存的程序，可以通过消耗更多的时间（时间换空间）来降低内存的消耗。

链表VS数组

数组和链表是两种截然不同的内存组织方式。正式因为内存存储的区别，它们插入、删除、随机访问操作的时间复杂度正好相反。

时间复杂度	数组	链表
插入删除	O(n)	O(1)
随机访问	O(1)	O(n)

 

 

 

 

但是，数组和链表的对比，并不能局限与时间复杂度。而且在实际的软件开发汇总，不能仅仅利用复杂度分析就决定使用哪个数据结构来存储。数组简单易用，在实现上使用的是连续的内存空间，可以借助CPU的缓存机制，预读数组中的数据，所以访问效率最高。而链表在内存中并不是连续存储，所以对CPU缓存不友好，无法有效预读。数组的缺点是大小固定，一经声明就要占用整块连续内存空间。如果声明的数组过大，系统可能没有足够的连续内存空间分配给它，导致“内存不足（out of memory）”。如果声明的数组过小，则可能出现不够用的情况。这时只能再申请一个更大的内存空间，把原数组拷贝进去，非常费时。而链表本身没有大小的限制。如果你的代码对内存的使用非常苛刻，那数组就更适合你。因为链表中的每个结点都需要消耗额外的存储空间去存储指针，内存消耗会翻倍。而且，对链表进行频繁的插入、删除操作，会导致频繁的内存申请和释放，容易造成内存碎片。所以，在实际的开发中，针对不同类型的项目，需要根据具体情况，权衡究竟是选择数组还是链表。

（链表对CPU缓存不友好，CPU从内存中读取数据的时候，会先把读取到的数据加载到CPU的缓存中，而CPU每次从内存读取数据并不是只读取那个特定要访问的地址，而是读取一个数据块并保存到CPU缓存中，然后下次访问内存数据时会先从CPU缓存开始查找，如果找到就不需再从内存中取。这样就实现了比内存访问速度更快的机制，也是CPU缓存存在的意义：为了弥补内存访问速度过慢与CPU执行速度快之间的差异而引入。对数组来说，存储空间是连续的，所以在加载某个下标的时候可以把以后的几个下标元素也加载到CPU缓存，这样执行速度会快于存储空间不连续的链表。）

解答开篇：如何基于链表实现LRU缓存淘汰算法？

维护一个有序单链表，越靠近链表尾部的结点是越早之前访问的。当有一个新的数据被访问时，我们从链表头开始顺序遍历链表。1.如果此数据已经被缓存在链表中了，我们遍历得到这个数据对应的结点，并将其从原来的位置删除，然后再插入到链表的头部。2.如果此数据没有在缓存链表中：若此时缓存未满，则将此节点直接插入到链表头部；若此时缓存已满，则链表尾结点删除，将新的数据结点插入链表的头部。其时间复杂度为O(n)，因为不管缓存有没有满，我们都需要遍历一次链表。

实际上，我们可以继续优化这个实现思路，比如引入散列表(Hash table)来记录每个数据的位置，将缓存访问的时间复杂度讲到O(1)。

课后思考：如何判断一个字符串是否是回文字符串。如果字符串是通过单链表来存储的，如何判断它是否是回文串？相应的时间空间复杂度是多少？

字符串：1.判断字符串奇偶数n；2.若n为奇数，将字符串第(n+1)/2位到末尾的字符逆转，比较其与第1位到第(n-1)/2位是否一致；3.若n为偶数，将字符串第n/2+1位到末尾的字符逆转，比较其与第1位到第n/2位是否一致。

单链表存储：1.快慢指针找到中点；2.将后半段逆转；3.逆转的后半段与前半段逐一步进比较。