数据结构定义和算法--散列表（下）

为什么散列表和链表经常放在一起使用？

1. 散列表的优点：支持高效的数据插入、删除和查找操作
2. 散列表的缺点：不支持快速顺序遍历散列表中的数据
3. 如何按照顺序快速遍历散列表的数据？只能将数据转移到数组，然后排序，最后再遍历数据。
4. 我们知道散列表是动态的数据结构，需要频繁的插入和删除数据，那么每次顺序遍历之前都需要先排序，这势必会造成效率非常低下。
5. 如何解决上面的问题呢？就是将散列表和链表（或跳表）结合起来使用。

散列表和链表如何组合起来使用？

LRU（Least Recently Used）缓存淘汰算法

LRU缓存淘汰算法主要包含3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. 在缓存中查找一个数据；
4. 总结：上面3个都涉及到查找。

如何用链表实现LRU缓存淘汰算法？

1. 需要维护一个按照访问时间从大到小的有序排列的链表结构。
2. 缓存空间有限，当空间不足需要淘汰一个数据时直接删除链表头部的节点。
3. 当要缓存某个数据时，先在链表中查找这个数据。若未找到，则直接将数据放到链表的尾部。若找到，就把它移动到链表尾部。
4. 前面说了，LRU缓存的3个主要操作都涉及到查找，若单纯由链表实现，查找的时间复杂度很高为O(n)。若将链表和散列表结合使用，查找的时间复杂度会降低到O(1)。

如何使用散列表和链表实现LRU缓存淘汰算法？

1. 使用双向链表存储数据，链表中每个节点存储数据（data）、前驱指针（prev）、后继指针（next）和hnext指针（解决散列冲突的链表指针）。
2. 散列表通过链表法解决散列冲突，所以每个节点都会在两条链中。一条链是双向链表，另一条链是散列表中的拉链。
3. 前驱和后继指针是为了将节点串在双向链表中，hnext指针是为了将节点串在散列表的拉链中。

LRU缓存淘汰算法的3个主要操作如何做到时间复杂度为O(1)呢？

1. 我们明确一点就是链表本身插入和删除一个节点的时间复杂度为O(1)，因为只需更改几个指针指向即可；
2. 来分析查找操作的时间复杂度。当要查找一个数据时，通过散列表可实现在O(1)时间复杂度找到该数据；
3. 所以我们总操作的时间复杂度就是O(1)。

Redis有序集合

什么是有序集合？

1. 在有序集合中，每个成员对象有2个重要的属性，即key（键值）和score（分值）。
2. 不仅会通过score来查找数据，还会通过key来查找数据。

有序集合的操作有哪些？

举个例子，比如用户积分排行榜有这样一个功能：可以通过用户ID来查找积分信息，也可以通过积分区间来查找用户ID。这里用户ID就是key，积分就是score。所以，有序集合的操作如下：

1. 添加一个对象；
2. 根据键值删除一个对象；
3. 根据键值查找一个成员对象；
4. 根据分值区间查找数据，比如查找积分在[100，356]之间的成员对象；
5. 按照分值从小到大排序成员变量。

这时可以按照分值将成员对象组织成跳表结构，按照键值构建一个散列表。那么上面的所有操作都非常高效。

Java LinkedHashMap

• 和LRU缓存淘汰策略实现一模一样；
• 支持按照插入顺序遍历数据；
• 支持按照访问顺序遍历数据。

《数据结构与算法之美》 -- 王争