散列表（下）：为什么散列表和链表经常会一起使用

本文是学习算法的笔记，《数据结构与算法之美》，极客时间的课程
散列表和链表，经常会被放在一起使用，在链表那一节，我们讲到，LRU淘汰算法的时间复杂度是O(n)，当时我也提到，通过散列表可以将这个时间复杂度降低到O(1)。

跳表那一节，我提到Redis的有序集合是使用跳表来实现了，跳表可以卸任一种改进版的链表。Redis的有序集合不仅使用了跳表，还用到了散列表。

除此之外，Java中LinkedHashmap也用到了散列表和链表两种结构。

今天，我们来看看，在这几个问题中，散列表和链表都是如何组合起来使用的，以及为什么散列表和链表经常会放到一块使用。

LRU缓存淘汰算法

首先，回顾下当时我们是如何通过链表实现LRU缓存淘汰算法的。我们需要维护一个按照访问时间从大到小有序排列的链表结构。因为缓存大小有限，当缓存空间不够，需要淘汰一个数据的时候，我们就直接将链表头部结点删除。

当要缓存某个数据的时候，先在链表中查找这个数据。如果没有找到，则直接将数据放到链表的尾部；如果找到了，就把它移动到链表的尾部。因为查找数据需要遍历链表，所以单纯用链表实现LRU缓存淘汰自满的时间复杂度很高，是O(n)。

实际上，一个缓存（cache）系统主要包含下面这几个操作：

往缓存中添加一个数据；从缓存中删除一个数据；在缓存中查找一个数据。

这三个操作都涉及“查找”操作，如果单纯地采用链表的话，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，可以将这三个操作的时间复杂度都降低到O(1)。具体的结构就是下面这个样子：

我们使用双向链表存储的数据，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，还增加了一个特殊的字段hnext。这个hnext有什么用呢？

因为我们的散列表是通过链表法解决散