散列表

散列表

散列表来源于数组，它借助散列函数对数组这种数据结构进行扩展，利用的是数组支持按照下标随机访问元素的特性。散列表两个核心问题是散列函数设计和散
列冲突解决。

散列冲突

• 开放寻址法
• 优点:散列表中的数据都存储在数组中，可以有效利用cpu缓存加快查询速度，序列化简单
• 缺点:删除数据的时候比较麻烦，需要特殊标记已经删除掉的数据。负载因子的上限不能太大，更浪费内存
• 适用场景:数据量比较小,装载因子小(ThreadLocalMap使用)
• 链表法
• 比较适合存储大对象,大数据量
• 更加灵活，支持更多的优化策略,比如用红黑树代替链表

问题

• 假设我们有10万条URL访问日志，如何按照访问次数给URL排序?

遍历 10 万条数据，以 URL 为 key，访问次数为 value，存入散列表，同时记录下访问次数的最大值 K，时间复杂度 O(N)。 如果 K 不是很大，可以使用桶排序，时间复杂度 O(N)。如果 K 非常大(比如大于 10 万)，就使用快速排序，复杂O(NlogN)。

• 有两个字符串数组，每个数组大约有10万条字符串，如何快速找出两个数组中相同的字符串?

以第一个字符串数组构建散列表，key 为字符串，value 为出现次数。再遍历第二个字符串数组，以字符串为 key 在散列表中查找，如果 value 大于零，说明 存在相同字符串。时间复杂度 O(N)

LRU缓存淘汰算法

我们的散列表是通过链表法解决散列冲突的,所以每个结点会在两条链中。一个链是双向链表，另一个是散列表中的拉链。前驱和后驱指针是为了将结点串在双向链表中，hnext指针是为了将结点串在散列表的拉链中。

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

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。
• 通过双向链表和散列表组合实现的,Linked实际指的是双向链表,并非指用链表法解决散列冲突