数据结构与算法学习笔记（八）——散列表（二）

散列表+双向链表

1、上一篇讲到使用链表法来解决散列冲突，是单链表。这一节为散列表+双向链表的使用。但该双向链表与散列表无任何关系，与链表法中的单链表不一样，散列表+双向链表只是将两种数据结构结合在一起，用于更高效的查询、插入和删除。

2、图中可以看出，双向链表中有四个指针，data存储数据，prev、next分别为前驱和后继指针，将结点串在双向链表中，保证双向链表的有序性，提高插入和删除的性能。
hnext表示将结点串在散列表的拉链中，作用类似于链表法中的单链表的 next指针，即用于解决散列冲突
即，prev和next表示串联的是整个双向链表（纵向），hnext串联的是散列表中的该条拉链表（横向）。

3、应用——LRU
<1>LRU算法：最近最长时间未使用缓存淘汰算法。使用散列表+双向链表的数据结构实现LRU算法，对缓存数据的操作主要为查找、删除、插入。
<2>查找：先计算散列值，在散列表中进行查找，此时间复杂度为O(1)。然后将该数据移动到双向链表的尾部，注意此操作不会改变节点在双向链表中的位置，只改变next指针的指向，将原本的尾结点的next指针指向该节点，再将该节点的next指针指向Null即可。
<3>删除：通过散列表找到要删除的节点后，在双向链表中删除该节点。因双向链表可以直接获取前驱指针，因此删除的时间复杂度也为O(1)
<4>插入：若插入的数据已在缓存中则移动到双向链表尾部。若不在且空间未满时，直接插入到双向链表尾部；若不在且空间已满时，则删除头结点，插入双向链表尾部。
<5>JAVA中的LinkedHashMap的实现原理同LRU
<6>Redis的有序集合则使用了散列表+跳表

哈希算法

1、哈希算法：将任意长度的二进制串映射为固定长度的二进制值串，产生的哈希值长度是固定且有限的。有限是因为表示二进制的位数是有限的，根据鸽巢原理（10个巢，11个鸽子，必定有一个巢内有大于一只鸽子），必然会有哈希值下相同的情况。当然哈希算法产生的哈希值越长，散列冲突的概率也越低，但是计算时间也很长。
2、哈希算法的应用：
（1）安全加密算法：MD5、SHA
（2）唯一标识：对大数据进行信息摘要
（3）数据校验
（4）散列函数
（5）负载均衡
（6）数据分片
（7）分布式存储
其中5、6、7的原理是将key值进行哈希，将哈希值与服务器个数进行取模，得到的值即为存储该key的服务器编号
则有问题：若服务器不够，则要进行服务器扩容，之前计算的服务器编号则要全部重新计算。因此一致性哈希算法可以解决此问题（建议单独百度该算法，不做详解）

图源：王争——数据结构与算法之美