散列表（下）：为什么散列表和链表经常会一起使用？

 【思考题】：散列表和链表都是如何组合起来使用的？散列表和链表为什么经常放在一起使用？

1、LRU缓存淘汰策略

        借助散列表，可以把LRU缓存淘汰算法的时间复杂度降为O(1)。但之前讲过使用链表来实现LRU缓存淘汰算法的时间复杂度是O(n)。维护一个按照访问时间从小到大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，直接将链表头部的结点删除。

       当要缓存某个数据的时候，先在链表中查找这个数据，如果没找到就直接把数据放在链表的尾部，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，所以时间复杂度是O(n)。

       一个缓存系统主要包括下面几个操作：

• 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

        这三个操作都要涉及“查找”操作，时间复杂度是O(n)，如果将散列表和链表结合使用，可以将这三个操作的时间复杂度都降低为O(1)。具体结构如下图：

       

         从上面的我们可以看到，散列表是借助双向链表来存储数据，链表中每个结点处有存储数据(data)，前驱指针(prev)，后继指针(next)，特殊指针(hnext)。

        因为散列表是借助链表来解决散列冲突的，所以每个结点会在两条链中。一个是双向链表，另一个是散列表中的拉链。前驱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当中。

       在这种散列表和双向链表组合的存储结构下，前面讲到的三个缓存操作的时间复杂度就是O(1)。

       在缓存中查找一个数据。前面讲过在散列表中查找一个数据的时间复杂度接近O(1)，所以通过散列表，可以快速在缓存中找到一个数据。找到这个数据以后，需要将它移动到双向链表的尾部。

       在缓存中删除一个数据。需要找到数据所在的结点，然后将结点删除。借助散列表，我们可以在O(1)的时间复杂度里找到要删除的结点。因为我们用的是双向链表，双向链表可以通过前驱指针O(1)时间复杂度获取前驱结点，所以在双向链表中，删除结点只需要O(1)的时间复杂度。

      在缓存中添加一个数据。如果要添加的数据已经在缓存中，将这个数据移动到双向链表的尾部；如果缓存已经满了，则将双向链表头部的结点删除，然后再将数据放到链表的尾部；如果没有满，就把数据直接放到双向链表的尾部。整个过程涉及的查找操作，都可以通过散列表来完成。时间复杂度是O(1)。

 

2、Redis有序集合

        在讲到跳表的时候，有说过Redis有序集合不仅使用了跳表，还使用了散列表。在有序集合中，每个成员有两个重要的属性，key(键值)和score(分值)。我们不仅会通过score来查找数据，也会通过key来查找数据。

       细化一下Redis 有序集合的操作：

• 添加一个成员对象
• 按照键值来删除一个成员对象
• 按照键值来查找一个成员对象
• 按照分值区间，比如查找积分在[100,356]之间的成员对象
• 按照分值从小到大排序成员变量

     如果仅仅按照分值将成员对象组织成跳表结构，按照键值来删除、查找成员对象就会很慢，所以可以再按照键值构建一个散列表，这样按照key来删除、查找一个成员对象的时间复杂度就变为O(1)。

 

3、为什么散列表和链表会经常一起使用？

        散列表虽然支持高效的数据插入、删除、查找操作，但是散列表中的数据都是通过散列函数打乱之后无规律存储的，也就无法按照某种顺序快速遍历数据。如果希望按照某种顺序遍历散列表中的数据，需要将散列表中的数据拷贝到数组当中，然后排序，再遍历。

        因为散列表是动态的数据结构，不停的有数据的插入、删除，所以我们希望按照顺序遍历散列表的时候，都需要先排序，那效率势必会很低，为了解决这个问题，所以就会经常讲散列表和链表结合在一起使用。