node sqlite 插入数据_数据结构与算法系列——链表详解

上次我们简单的对比了一下数组和链表的区别和各自的优缺点，今天我们来详细看一下链表这个结构。

链表的结构五花八门，我们几天主要看一下三种最常用的链表结构：单链表、双向链表和循环列表。

• 单链表

我们首先来看一下最简单、最常用的单链表。前边我们已经知道链表是通过指针将一些分散的内存块连接到一起。其中，我们把每个内存块叫做链表的一个结点。为了将每个结点连接到一起，每个结点不仅存储数据，而且还需要记录下一个结点的地址。我们把这个记录下一个结点的指针称为后继指针next。我们通过下边示意图来更形象的了解一下。

从图中我们可以看到，单链表是单方向顺序的一个线性表。其中有两个结点比较特殊，分别是第一个和最后一个结点。我们通常把第一个结点叫做头结点，最后一个结点叫做尾结点，头结点用来记录链表的基地址，这样我们就可以遍历得到整个结点，尾结点是最后一个结点，它的指针指向一个空地址NULL，这样我们通过判断后继指针next是不是NULL来确定某个结点是不是尾结点。

前边我们在数组和链表中已经详细介绍了链表的插入和删除，在这里我们不做过多的描述，而是通过示意图的方式更清楚的了解。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)。

• 双向链表

单链表只有一个指针，每个结点都只有一个后继指针next指向下一个结点的地址。而双向链表，顾名思义，它有两个方向，所以每个结点不仅有一个指向下一个结点的后继指针next，还有一个指向前一个结点的前驱结点prev。同样我们通过示意图来看一下。

从图中我们看到，与单链表相比，双向链表的每个结点还需要存储指向前一个结点的指针，所以，同样多的数据，双向链表比单链表需要更多的存储空间。两个指针虽然比较浪费空间，但是双向链表可以双向遍历，灵活性更高。

双向链表在删除、插入结点上更加高效，前边我们讲过单链表的删除和插入操作的时间复杂度为O(1)，但是双向链表的为什么会更高效呢，因为单链表的分析只是理论上得到的，但是实际情况中是不准确的，是需要前提条件的。

下面我们分析一下实际情况中的操作。我们先来看插入操作，实际情况中的插入操作可以分为这两种情况：

1. 在值等于某个指定值的结点前或者后插入结点
2. 在给定指针后边插入结点

对于第一种情况，不管是单链表还是双向链表，都需要从头一个一个遍历直到找到特定值的结点，然后执行插入操作虽然插入的时间复杂度为O(1)，但是遍历的时间复杂度为O(n)，所以在值等于某个指定值的结点前或者后插入结点的时间复杂度为O(n)。

对于第二种情况，我们通过给定指针可以直到插入结点的位置，但是我们需要直到给定指针的前驱结点，如果是单链表，我们依然需要通过从头开始遍历找到前驱结点，需要的时间复杂度为O(n)，但是对于双向链表就简单多了，我们只需要通过前驱结点的指针就能得到前驱结点，需要的时间复杂度为O(1)。

同理，参照我们上边插入操作的分析，删除结点双向链表同样比单链表灵活得多。

还有就是在有序链表中，双向链表的按值查询也比单链表也快一些，因为我们可以记录上次查找的位置x，然后通过比较查询值x的大小来决定向前还是向后，可以比单链表节省时间。

通过上边单链表和双向链表的比较，我们有学习了灵位一个非常重要的知识点，那就是用空间换时间的思想，当内存空间充足时，如果我们对执行效率有更高的要求，可以用牺牲内存而换取效率的办法，也就是选择空间复杂度相对比较高，但是时间复杂度低的算法或者数据结构(实际应用中，缓存就是利用空间换时间的思想)。相反，如果内存比较紧张，我们就可以用时间换空间的算法或数据结构。

• 循环链表

循环链表一种特殊的单链表，与单链表唯一的区别就是，循环链表的尾结点的指针指向头结点而不是指向空地址。如下示意图所示。

和单链表相比，循环列表的优点就是从链尾到链头比较方便。比如需要处理的数据具有环形结构特点时，用循环列表就非常合适。虽然单链表也可以实现，但是循环链表的代码要简洁的多。

链表的应用

我们已经学习了三种简单且最常见的链表，那么链表在实际的应用中是怎么用的呢？一个经典的链表使用场景就是LRU缓存淘汰法。

缓存的大小有限，当缓存的空间被用满的时候，我们该把哪些数据清除出去呢？LRU缓存淘汰法就是其中的一种策略，把最近最少用的数据清除出去。

那用链表怎么实现这个算法呢，下边我们来看一下基于单链表的Java实现。

package linked.singlelist;import java.util.Scanner;/** * 基于单链表LRU算法(java) * */public class LRUBaseLinkedList { /** * 头结点 */ private SNode headNode; /** * 链表长度 */ private Integer length; /** * 链表容量 */ private Integer capacity; public LRUBaseLinkedList(Integer capacity) { this.headNode = new SNode<>(); this.capacity = capacity; this.length = 0; } public void add(T data) { SNode preNode = findPreNode(data); // 链表中存在，删除原数据，再插入到链表的头部 if (preNode != null) { deleteElemOptim(preNode); intsertElemAtBegin(data); } else { if (length >= this.capacity) { //删除尾结点 deleteElemAtEnd(); } intsertElemAtBegin(data); } } /** * 删除preNode结点下一个元素 * * @param preNode */ private void deleteElemOptim(SNode preNode) { SNode temp = preNode.getNext(); preNode.setNext(temp.getNext()); temp = null; length--; } /** * 链表头部插入结点 * * @param data */ private void intsertElemAtBegin(T data) { SNode next = headNode.getNext(); headNode.setNext(new SNode(data, next)); length++; } /** * 获取查找到元素的前一个结点 * * @param data * @return */ private SNode findPreNode(T data) { SNode node = headNode; while (node.getNext() != null) { if (data.equals(node.getNext().getElement())) { return node; } node = node.getNext(); } return null; } /** * 删除尾结点 */ private void deleteElemAtEnd() { SNode ptr = headNode; // 空链表直接返回 if (ptr.getNext() == null) { return; } // 倒数第二个结点 while (ptr.getNext().getNext() != null) { ptr = ptr.getNext(); } SNode tmp = ptr.getNext(); ptr.setNext(null); tmp = null; length--; } private void printAll() { SNode node = headNode.getNext(); while (node != null) { System.out.print(node.getElement() +