20.散列表（下）：为什么散列表和链表经常会一起使用

问题：为什么散列表和链表会经常放到一块使用？

1. LRU缓存淘汰算法

算法过程：

• 维护一个按照访问时间从大到小的链表；
• 链表容量有限，超过容量，直接淘汰表头的数据；
• 插入数据时，先查找，如没有，直接放到链表尾部，如有，移动到链表尾部。

上述过程的时间复杂很高，是O(n)。结合散列表和链表，降低时间复杂度到O(1)。

• 查找数据，通过散列表，时间复杂度接近O(1)，查到数据移动到链表尾部；
• 删除数据，通过散列表，时间复杂度接近O(1)，找到之后，删除；
• 插入数据，如果已经在表中，直接放到尾部；如果没在链表，如果容量满了，删除头节点，数据放到尾部，如果没满，直接放到尾部。

2. Redis有序集合

在有序集合中，每个成员对象有两个重要的属性，key（键值）和score（分值）。我们不仅会通过score来查找数据，还会通过key来查找数据。

如果按照分值构建跳表结构，那么按照键值查找删除插入就变得很慢；反之亦然。

解决方法：按照分值和键值构建两个跳表结构。

3. Java LinkedHashMap

以下代码的打印顺序：3，1，5，2.

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());
}

以下代码的打印顺序：1，2，3，5

// 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());
}

注：LinkedHashMap的Entry结构：继承HashMap的Node

 static class Entry<K,V> extends HashMap.Node<K,V> {
        Entry<K,V> before, after;  // 前后继指针
        Entry(int hash, K key, V value, Node<K,V> next) {
            super(hash, key, value, next);
        }
    }

4.解答开篇&内容小结

散列表这种数据结构虽然支持非常高效的数据插入、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。也就说，它无法支持按照某种顺序快速地遍历数据。如果希望按照顺序遍历散列表中的数据，那我们需要将散列表中的数据拷贝到数组中，然后排序，再遍历。

因为散列表是动态数据结构，不停地有数据的插入、删除，所以每当我们希望按顺序遍历散列表中的数据的时候，都需要先排序，那效率势必会很低。为了解决这个问题，我们将散列表和链表（或者跳表）结合在一起使用。