有兩種數(shù)據(jù)結(jié)構(gòu)，散列表和鏈表經(jīng)常會被放在一起使用。常見的使用方式有：

用鏈表來實(shí)現(xiàn) LRU 緩存淘汰算法，鏈表實(shí)現(xiàn)的 LRU 緩存淘汰算法的時間復(fù)雜度是 O(n)，通過散列表可以將這個時間復(fù)雜度降低到 O(1)。

Redis 的有序集合是使用跳表來實(shí)現(xiàn)的，跳表可以看作一種改進(jìn)版的鏈表。當(dāng)Redis 有序集合不僅使用了跳表，還用到了散列表。

Java中的LinkedHashMap 容器也用到了散列表和鏈表

問題一：散列表和鏈表都是如何組合起來使用的？

問題二：為什么散列表和鏈表會經(jīng)常放到一塊使用，形影不離？

LRU 緩存淘汰算法

LRU緩存算法的核心點(diǎn)：

• 需要維護(hù)一個按照訪問時間從大到小有序排列的鏈表結(jié)構(gòu)。
• 當(dāng)緩存空間不夠，需要淘數(shù)據(jù)的時候?qū)㈡湵眍^部的結(jié)點(diǎn)刪除。
• 當(dāng)要緩存某個數(shù)據(jù)的時候，先在鏈表中查找這個數(shù)據(jù)。如果沒有找到，則直接將數(shù)據(jù)放到鏈表的尾部；如果找到了，我們就把它移動到鏈表的尾部

因?yàn)椴檎覕?shù)據(jù)需要遍歷鏈表，所以單純用鏈表實(shí)現(xiàn)的 LRU 緩存淘汰算法的時間復(fù)雜很高，是 O(n)

一個緩存（cache）系統(tǒng)主要包含下面這幾個操作：

往緩存中添加一個數(shù)據(jù)；

從緩存中刪除一個數(shù)據(jù)；

在緩存中查找一個數(shù)據(jù)；

這三個操作都要涉及“查找”操作，如果單純地采用鏈表的話，時間復(fù)雜度只能是 O(n)。如果我們將散列表和鏈表兩種數(shù)據(jù)結(jié)構(gòu)組合使用，可以將這三個操作的時間復(fù)雜度都降低到 O(1)。具體的結(jié)構(gòu)就是下面這個樣子：

使用雙向鏈表存儲數(shù)據(jù)，鏈表中的每個結(jié)點(diǎn)處理存儲數(shù)據(jù)（data）、前驅(qū)指針（prev）、后繼指針（next）之外，還新增了一個特殊的字段 hnext。這個 hnext 有什么作用呢？

散列表是通過鏈表法解決散列沖突的，所以每個結(jié)點(diǎn)會在兩條鏈中。一個鏈?zhǔn)莿倓偽覀兲岬降?/span>雙向鏈表，另一個鏈?zhǔn)巧⒘斜碇械?strong>拉鏈。前驅(qū)和后繼指針是為了將結(jié)點(diǎn)串在雙向鏈表中，hnext 指針是為了將結(jié)點(diǎn)串在散列表的拉鏈中。

這種雙鏈表和散列表組合的結(jié)構(gòu)中緩存的三個操作，是如何做到時間復(fù)雜度是 O(1) 的？

如何查找一個數(shù)據(jù)。我們前面講過，散列表中查找數(shù)據(jù)的時間復(fù)雜度接近 O(1)，所以通過散列表，我們可以很快地在緩存中找到一個數(shù)據(jù)。當(dāng)找到數(shù)據(jù)之后，我們還需要將它移動到雙向鏈表的尾部。

如何刪除一個數(shù)據(jù)。我們需要找到數(shù)據(jù)所在的結(jié)點(diǎn)，然后將結(jié)點(diǎn)刪除。借助散列表，我們可以在 O(1) 時間復(fù)雜度里找到要刪除的結(jié)點(diǎn)。因?yàn)槲覀兊逆湵硎请p向鏈表，雙向鏈表可以通過前驅(qū)指針 O(1) 時間復(fù)雜度獲取前驅(qū)結(jié)點(diǎn)，所以在雙向鏈表中，刪除結(jié)點(diǎn)只需要 O(1) 的時間復(fù)雜度。

如何添加一個數(shù)據(jù)。添加數(shù)據(jù)到緩存稍微有點(diǎn)麻煩，我們需要先看這個數(shù)據(jù)是否已經(jīng)在緩存中。如果已經(jīng)在其中，需要將其移動到雙向鏈表的尾部；如果不在其中，還要看緩存有沒有滿。如果滿了，則將雙向鏈表頭部的結(jié)點(diǎn)刪除，然后再將數(shù)據(jù)放到鏈表的尾部；如果沒有滿，就直接將數(shù)據(jù)放到鏈表的尾部

這整個過程涉及的查找操作都可以通過散列表來完成。其他的操作，比如刪除頭結(jié)點(diǎn)、鏈表尾部插入數(shù)據(jù)等，都可以在 O(1) 的時間復(fù)雜度內(nèi)完成。所以，這三個操作的時間復(fù)雜度都是 O(1)。至此，我們就通過散列表和雙向鏈表的組合使用，實(shí)現(xiàn)了一個高效的、支持 LRU 緩存淘汰算法的緩存系統(tǒng)原型。

工業(yè)級實(shí)例

Redis 有序集合（zSet）

在有序集合中，每個成員對象有兩個重要的屬性，key（鍵值）和 score（分值）。通過 score 來查找數(shù)據(jù)，還會通過 key 來查找數(shù)據(jù)。

比如用戶積分排行榜有這樣一個功能：可以通過用戶 ID 來查找積分信息，也可以通過積分區(qū)間來查找用戶 ID 或者姓名信息。這里包含 ID、姓名和積分的用戶信息，就是成員對象，用戶 ID 就是 key，積分就是 score。

如果我們細(xì)化一下 Redis 有序集合的操作，那就是下面這樣：

添加一個成員對象；

按照鍵值來刪除一個成員對象；

按照鍵值來查找一個成員對象；

按照分值區(qū)間查找數(shù)據(jù)，比如查找積分在[100, 356]之間的成員對象；

按照分值從小到大排序成員變量；

如果按照分值將成員對象組織成跳表的結(jié)構(gòu)，那按照鍵值來刪除、查詢成員對象就會很慢，解決方法與 LRU 緩存淘汰算法的解決方法類似。再按照鍵值構(gòu)建一個散列表，這樣按照 key 來刪除、查找一個成員對象的時間復(fù)雜度就變成了 O(1)。同時借助跳表結(jié)構(gòu)，其他操作也非常高效。

實(shí)際上Redis 有序集合的操作還有另外一類，也就是查找成員對象的排名（Rank）或者根據(jù)排名區(qū)間查找成員對象。這個功能單純用剛剛講的這種組合結(jié)構(gòu)就無法高效實(shí)現(xiàn)了。

Java LinkedHashMap

HashMap 底層是通過散列表這種數(shù)據(jù)結(jié)構(gòu)實(shí)現(xiàn)的。而 LinkedHashMap 前面比 HashMap 多了一個“Linked”是不是說，LinkedHashMap 是一個通過鏈表法解決散列沖突的散列表呢？

實(shí)際上，LinkedHashMap 并沒有這么簡單，其中的“Linked”也并不僅僅代表它是通過鏈表法解決散列沖突的。看一段代碼。你覺得這段代碼會以什么樣的順序打印 3，1，5，2 這幾個 key ？原因是什么？

HashMap<Integer, Integer> m = new LinkedHashMap<>(); m.put(3, 11); m.put(1, 12); m.put(5, 23); m.put(2, 22); for (Map.Entry e : m.entrySet()) {System.out.println(e.getKey()); }

打印的順序3，1，5，2。散列表中數(shù)據(jù)是經(jīng)過散列函數(shù)打亂之后無規(guī)律存儲的，這里是如何實(shí)現(xiàn)按照數(shù)據(jù)的插入順序來遍歷打印？LinkedHashMap 也是通過散列表和鏈表組合在一起實(shí)現(xiàn)的。它不僅支持按照插入順序遍歷數(shù)據(jù)，還支持按照訪問順序來遍歷數(shù)據(jù)。看下面這段代碼：

// 10是初始大小，0.75是裝載因子，true是表示按照訪問時間排序 HashMap<Integer, Integer> m = new LinkedHashMap<>(10, 0.75f, true); m.put(3, 11); m.put(1, 12); m.put(5, 23); m.put(2, 22); m.put(3, 26); m.get(5); for (Map.Entry e : m.entrySet()) {System.out.println(e.getKey()); }

打印的結(jié)果是 1，2，3，5。每次調(diào)用 put() 函數(shù)，往 LinkedHashMap 中添加數(shù)據(jù)的時候，都會將數(shù)據(jù)添加到鏈表的尾部。第 8 行代碼中，再次將鍵值為 3 的數(shù)據(jù)放入到 LinkedHashMap 的時候，會先查找這個鍵值是否已經(jīng)有了，然后，再將已經(jīng)存在的 (3,11) 刪除，并且將新的 (3,26) 放到鏈表的尾部。當(dāng)?shù)?/span> 9 行代碼訪問到 key 為 5 的數(shù)據(jù)的時候，我們將被訪問到的數(shù)據(jù)移動到鏈表的尾部。最后的結(jié)果是這樣：

按照訪問時間排序的 LinkedHashMap 本身就是一個支持 LRU 緩存淘汰策略的緩存系統(tǒng)。LinkedHashMap 是通過雙向鏈表和散列表這兩種數(shù)據(jù)結(jié)構(gòu)組合實(shí)現(xiàn)的。LinkedHashMap 中的“Linked”實(shí)際上是指的是雙向鏈表，并非指用鏈表法解決散列沖突 。

解答開篇

為什么散列表和鏈表經(jīng)常一塊使用？

散列表這種數(shù)據(jù)結(jié)構(gòu)雖然支持高效的插入、刪除、查找操作，但是散列表中數(shù)據(jù)都是無規(guī)律存儲的，無法支持按照某種順序快速遍歷數(shù)據(jù)。如果希望按照順序遍歷散列表中數(shù)據(jù)，那需要將散列表中的數(shù)據(jù)拷貝到數(shù)組中然后排序再遍歷。而散列表是動態(tài)數(shù)據(jù)結(jié)構(gòu)，不停地有數(shù)據(jù)的插入、刪除，每當(dāng)按順序遍歷散列表中的數(shù)據(jù)的時候都需要先排序效率很低。為了解決這個問題，將散列表和鏈表（或者跳表）結(jié)合在一起使用 。

思考題：

假設(shè)獵聘網(wǎng)有 10 萬名獵頭，每個獵頭都可以通過做任務(wù)（比如發(fā)布職位）來積累積分，然后通過積分來下載簡歷。假設(shè)你是獵聘網(wǎng)的一名工程師，如何在內(nèi)存中存儲這 10 萬個獵頭 ID 和積分信息，讓它能夠支持這樣幾個操作：

根據(jù)獵頭的 ID 快速查找、刪除、更新這個獵頭的積分信息；

查找積分在某個區(qū)間的獵頭 ID 列表；

查找按照積分從小到大排名在第 x 位到第 y 位之間的獵頭 ID 列表。

?

總結(jié)

以上是生活随笔為你收集整理的20 | 散列表（下）：为什么散列表和链表经常会一起使用？的全部內(nèi)容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網(wǎng)站內(nèi)容還不錯，歡迎將生活随笔推薦給好友。