散列表(下)
带着问题学习
- 为什么散列表和链表经常放在一起使用?
- 散列表和链表如何组合起来使用?
一、为什么散列表和链表经常放在一起使用?
- 散列表的优点:支持高效的数据插入、删除和查找操作
- 散列表的缺点:不支持快速顺序遍历散列表中的数据
- 如何按照顺序快速遍历散列表的数据?只能将数据转移到数组,然后排序,最后再遍历数据。
- 我们知道散列表是动态的数据结构,需要频繁的插入和删除数据,那么每次顺序遍历之前都需要先排序,这势必会造成效率非常低下。
- 如何解决上面的问题呢?就是将散列表和链表(或跳表)结合起来使用。
二、散列表和链表如何组合起来使用?
- LRU(Least Recently Used)缓存淘汰算法
- LRU缓存淘汰算法主要操作有哪些?主要包含3个操作:
- 往缓存中添加一个数据;
- 从缓存中删除一个数据;
- 在缓存中查找一个数据;
- 总结:上面3个都涉及到查找。
- 如何用链表实现LRU缓存淘汰算法?
- 需要维护一个按照访问时间从大到小的有序排列的链表结构。
- 缓冲空间有限,当空间不足需要淘汰一个数据时直接删除链表头部的节点。
- 当要缓存某个数据时,先在链表中查找这个数据。若未找到,则直接将数据放到链表的尾部。若找到,就把它移动到链表尾部。
- 前面说了,LRU缓存的3个主要操作都涉及到查找,若单纯由链表实现,查找的时间复杂度很高为O(n)。若将链表和散列表结合使用,查找的时间复杂度会降低到O(1)。
- 如何使用散列表和链表实现LRU缓存淘汰算法?
- 使用双向链表存储数据,链表中每个节点存储数据(data)、前驱指针(prev)、后继指针(next)和hnext指针(解决散列冲突的链表指针)。
- 散列表通过链表法解决散列冲突,所以每个节点都会在两条链中。一条链是双向链表,另一条链是散列表中的拉链。前驱和后继指针是为了将节点串在双向链表中,hnext指针是为了将节点串在散列表的拉链中。
- LRU缓存淘汰算法的3个主要操作如何做到时间复杂度为O(1)呢?
首先,我们明确一点就是链表本身插入和删除一个节点的时间复杂度为O(1),因为只需更改几个指针指向即可。
接着,来分析查找操作的时间复杂度。当要查找一个数据时,通过散列表可实现在O(1)时间复杂度找到该数据,再加上前面说的插入或删除的时间复杂度是O(1),所以我们总操作的时间复杂度就是O(1)。
- LRU缓存淘汰算法主要操作有哪些?主要包含3个操作:
- Redis有序集合
- 什么是有序集合?
- 在有序集合中,每个成员对象有2个重要的属性,即key(键值)和score(分值)。
- 不仅会通过score来查找数据,还会通过key来查找数据。
- 有序集合的操作有哪些?
举个例子,比如用户积分排行榜有这样一个功能:可以通过用户ID来查找积分信息,也可以通过积分区间来查找用户ID。这里用户ID就是key,积分就是score。所以,有序集合的操作如下:- 添加一个对象;
- 根据键值删除一个对象;
- 根据键值查找一个成员对象;
- 根据分值区间查找数据,比如查找积分在[100.356]之间的成员对象;
- 按照分值从小到大排序成员变量。
这时可以按照分值将成员对象组织成跳表结构,按照键值构建一个散列表。那么上面的所有操作都非常高效。
- 什么是有序集合?
- Java LinkedHashMap
和LRU缓存淘汰策略实现一模一样。支持按照插入顺序遍历数据,也支持按照访问顺序遍历数据。
三、课后思考
上面所讲的几个散列表和链表组合的例子里,我们都是使用双向链表。如果把双向链表改成单链表,还能否正常工作?为什么呢?
在删除一个元素时,虽然能 O(1) 的找到目标结点,但是要删除该结点需要拿到前一个结点的指针,遍历到前一个结点复杂度会变为 O(N),所以用双链表实现比较合适。假设猎聘网有10万名猎头,每个猎头可以通过做任务(比如发布职位)来积累积分,然后通过积分来下载简历。假设你是猎聘网的一名工程师,如何在内存中存储这10万个猎头的ID和积分信息,让它能够支持这样几个操作:
根据猎头ID查收查找、删除、更新这个猎头的积分信息;
查找积分在某个区间的猎头ID列表;
查找按照积分从小到大排名在第x位到第y位之间的猎头ID列表。
答:
- ID 在散列表中所以可以 O(1) 查找到这个猎头;
- 积分以跳表存储,跳表支持区间查询;
- 积分数量用链表进行存储,达到区间查找逻辑
本博客所有文章除特别声明外,均采用 CC BY-NC-SA 4.0 许可协议。转载请注明来自 观道君的小站!
评论