散列表

1. 散列思想

• 散列表（Hash Table），（散列-哈希-Hash）
• 特性：下标随机访问(时间复杂度O(1))，数组扩展
• 词汇：键（key）、关键字、散列函数、散列值（下标）

2. 散列函数要求

1. 散列函数计算得到的散列值是一个非负整数
2. 如果 key1 = key2，那 hash(key1) = hash(key2)
3. 如果 key1 ≠ key2，那 hash(key1) ≠ hash(key2)。

• 问题：很难找到一个不同的key对应的散列值都不一样的散列函数（要求3），即散列冲突（数据无限，空间有限）

3. 散列冲突

• 开放寻址法
  • 核心思想： 如果冲突，则重新探测新位置
  • 方法
    • 线性探测法
    • 二次探测
    • 双重散列
• 线性探测法
  • 插入：先求散列值，冲突时，往后查找，直到找到空闲位置插入
  • 查找：类似插入，至空闲位置还未找到则不存在。
  • 删除：类似插入，标记删除元素，查找时跳过它（影响查找）
  • 问题：数据多时，算法退化 -> O(n)
• 二次探测：hash(key)+n²
• 双重散列：一组散列函数
• 装载因子：散列表的装载因子 = 填入表中的元素个数 / 散列表的长度
• 链表法
  1. n个数据，m个槽
  2. 槽对应链表，存储散列值相等的元素
  3. 按槽插入，时间复杂度O(1)
  4. 查找、删除，槽内链表查找节点，平均时间复杂度O(n/m)

4. 散列表和链表联合使用

• 散列表：增删查快，但是无序
• 链表（或跳表）：排序

4.0 缓存淘汰策略

• 先进先出策略 FIFO（First In，First Out）
• 最少使用策略 LFU（Least Frequently Used）
• 最近最少使用策略 LRU（Least Recently Used）

4.1 LRU 缓存淘汰算法

• 主要操作：添加，删除，查找
• 时间复杂度：均为O(1)
• 散列表 + 双向链表
  1. 散列表：用于查找，复杂度O(1)
  2. 散列表使用拉链（单链表）解决散列冲突（链表法）
  3. 双向链表：保存数据的顺序关系，便于删除、新增，复杂度O(1)。单链表时间复杂度o(n)
• 添加分析
  1. 是否存在
  2. 如果存在，移到尾部
  3. 如果不存在，且双向链表是否已满，删除头部节点，尾部添加
  4. 如果不存在，且未满，尾部添加

4.2 Redis 有序集合

• 有序集合的两个重要属性：键值（key），分值（score）
• score操作：跳表实现的有序集合，区间查找效率高
• key操作：散列表，根据key快速查找，时间复杂度O(1)
• 类似LRU的解决方法：跳表 + 散列表

4.3 Java LinkedHashMap

• 支持 LRU 缓存淘汰策略
• 支持按照访问时间排序
• 双向链表 + 散列表