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
1. LRU缓存淘汰算法主要操作有哪些？主要包含3个操作：
  1. 往缓存中添加一个数据；
  2. 从缓存中删除一个数据；
  3. 在缓存中查找一个数据；
  4. 总结：上面3个都涉及到查找。
2. 如何用链表实现LRU缓存淘汰算法？
  1. 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。
  2. 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。
  3. 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。
  4. 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)。
3. 如何使用散列表和链表实现LRU缓存淘汰算法？
  1. 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）。
  2. 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。
  3. 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)。
Redis有序集合
1. 什么是有序集合？
  1. 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）。
  2. 不仅会通过score来查找数据，还会通过key来查找数据。
2. 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：
  1. 添加一个对象；
  2. 根据键值删除一个对象；
  3. 根据键值查找一个成员对象；
  4. 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；
  5. 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。
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：
1. 根据猎头ID查收查找、删除、更新这个猎头的积分信息；
2. 查找积分在某个区间的猎头ID列表；
3. 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