链表

数组需要一块连续的内存空间来存储，对内存的要求比较高。当内存中没有连续的，足够大的存储空间时，即便内存的剩余总可用空间大于需要的空间，仍然会申请失败。
而链表恰恰相反，它并不需要一块连续的内存空间，它通过“指针"将一组零散的内存块串联起来使用。

单链表
其中，我们把内存块称为链表的“结点”。为了将所有的结点串起来，每个链表的结点除了存储数据之外，还需要记录链上的下一个结点的地址。我们把这个记录下个结点地址的指针叫作后继指针 next。

链表访问需要的时间复杂度是O(n)。

循环链表
尾结点指向头结点

双向链表

如果存储同样多的数据，双向链表要比单链表占用更多的内存空间。
双向链表可以支持 O(1) 时间复杂度的情况下找到前驱结点，正是这样的特点，也使双向链表在某些情况下的插入、删除等操作都要比单链表简单，高效。

LinkedHashMap的底层就是使用了散列表+双向链表
LinkedHashMap(支持插入顺序遍历数据，也支持访问顺序来遍历数据)
访问，更新，插入操作，都会将结点移动到链表尾部。所以它就是一个LRU缓存淘汰算法。

双向循环链表

这里的CPU缓存机制指的是什么？为什么就数组更好了？
CPU在从内存读取数据的时候，会先把读取到的数据加载到CPU的缓存中。而CPU每次从内存读取数据并不是只读取那个特定要访问的地址，而是读取一个数据块(这个大小我不太确定。。)并保存到CPU缓存中，然后下次访问内存数据的时候就会先从CPU缓存开始查找，如果找到就不需要再从内存中取。这样就实现了比内存访问速度更快的机制，也就是CPU缓存存在的意义:为了弥补内存访问速度过慢与CPU执行速度快之间的差异而引入。
对于数组来说，存储空间是连续的，所以在加载某个下标的时候可以把以后的几个下标元素也加载到CPU缓存这样执行速度会快于存储空间不连续的链表存储。

LRU缓存算法（基于链表实现）
LRU缓存算法（基于数组实现）
思路：维护着一个规定大小的数组，越靠近下标[0]的数据表示越早访问，当有一个新的数据访问时，从0开始遍历到n，
1.找到第k位的已经缓存在链表中的数据，将k+1-n的数据前移一位，将第k位数据插入到第n位。
2.如果没有找到缓存，并且数组未越界，直接最后 的位置加入。
3.如果没有找到缓存，且数据已满，删除第0位，数据前移，加入新的数据。

LRU缓存算法改进（散列+链表）
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中。
查找：散列表中查找数据的时间复杂度接近 O(1)，所以通过散列表，我们可以很快地在缓存中找到一个数据。当找到数据之后，我们还需要将它移动到双向链表的尾部。
删除：需要找到数据所在的结点，然后将结点删除。借助散列表，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。
添加：需要先看这个数据是否已经在缓存中。如果已经在其中，需要将其移动到双向链表的尾部；如果不在其中，还要看缓存有没有满。如果满了，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，就直接将数据放到链表的尾部。
这里所指的尾部应该是散列表的尾部，然后让本来的尾部的next指向当前散列表的链表的尾部。

判断一个字符串是否是回文字符串：（如：abcdedcba）
1 快慢指针定位中间节点
2 从中间节点对后半部分逆序
3 前后半部分比较，判断是否为回文
4 后半部分逆序复原
时间复杂度On, 空间复杂度O1

数组和链表在查找，删除和添加的一些小结。
所以对于面试经常问到的数组和链表，多数的回答是这样的：数组更适合于查找，时间复杂度是O(1)，删除和添加都是O(n)。对于链表，更适合于添加和删除，时间复杂度是O(1)，查找的时间复杂度是O(n)。
但是以上的讨论应该只是特殊情况，总结如下：
数组：
查找：如果是根据随机访问或者已知下标的情况下，时间复杂度确实是O(1)，但是如果查找的是确定的某一个值，时间复杂度是O(n)，因为依然需要遍历数组。如果数组是有序数组，查找可以使用二分查找，时间复杂度变为O(logn)。
删除和添加都需要遍历数组：平均时间复杂度O(n)，最好时间复杂度位O(1)。
链表：
查找：平均时间复杂度O(n)，最好时间复杂度位O(1)。
删除：因为删除的数据是确定的某一个数据，所以需要先遍历数组，找到该结点后，对于单向链表还需要遍历多一次，找到前驱结点，时间复杂度是O(n)。如果双向链表不需要再遍历一次，但是时间复杂度依然是O(n)，如果对于单纯的删除操作，那时间复杂度确实是O(1)。
添加：与删除类似。

指针：
将某个变量赋值给指针，实际上就是将这个变量的地址赋值给指针，或者反过来说，指针中存储了这个变量的内存地址，指向了这个变量，通过指针就能找到这个变量。

哨兵