数据结构：链表讲解
一、缓存淘汰策略：
缓存的大小有限，当缓存被用满时，哪些数据应该被清理出去？哪些数据应该保留？这就需要缓存淘汰策略来决定。
简单理解：就是当缓存被用满时清理数据的优先顺序。
- 先进先出策略 FIFO(First In, First Out)
- 最少使用策略 LFU(Least Frequently Used)
- 最近最少使用策略 LRU(Least Recently Used)
以上策略举个栗子：
假如，你买了很多书，但有一天发现，书太多了，太占书房空间了，打算丢掉一些书籍；
丢到刚买的书：先进先出策略
丢到买完一直都没有读过的书：最少使用策略
丢到最近刚买的书，但是一直都没怎么读过：最近最少使用策略
二、数组与链表的区别：
1.底层存储的结构区别：
我们可以从底层的存储结构来看。数组需要一块连续的内存空间来存储，对内存的要求比较高。
如果我们申请一个 100MB 大小的数组，当内存中没有连续的、足够大的存储空间时，即便内存的剩余总可用空间大于 100MB，仍然会申请失败。
链表恰恰相反，它并不需要一块连续的内存空间，它通过指针将一组零散的内存块串联起来使用，其中，我们把内存块称为链表的结点。
为了将所有的结点串起来，每个链表的结点除了存储数据之外，还需要记录链上的下一个结点的地址。结点地址的指针叫作后继指针 next。
扫描二维码关注公众号，回复： 8489382 查看本文章
所以如果我们申请的是 100MB 大小的链表，根本不会有问题。
简单图解：
2.性能的区别：
数组和链表是两种不同的内存组织方式。正是因为内存存储的区别，它们插入、删除、随机访问操作的时间复杂度正好相反。
如图所示：
2.1:CPU缓存机制的不同：
-
数组使用的是连续的内存空间，可以借助 CPU 的缓存机制，预读数组中的数据，所以访问效率更高。
-
链表在内存中并不是连续存储，所以对 CPU 缓存不友好，没办法有效预读。
CPU缓存机制是什么？
CPU从内存读取数据的时候，会先把读取到的数据加载到CPU的缓存中。而CPU每次从内存读取数据并不是只读取那个特定要访问的地址，而是读取一个数据块并保存到CPU缓存中，然后下次访问内存数据的时候就会先从CPU缓存开始查找，如果找到就不需要再从内存中取。
这样就实现了比内存访问速度更快的机制，也就是CPU缓存存在的意义:为了弥补内存访问速度过慢与CPU执行速度快之间的差异而引入。对于数组来说，存储空间是连续的，所以在加载某个下标的时候可以把以后的
几个下标元素也加载到CPU缓存这样执行速度会快于存储空间不连续的链表存储。
2.2:动态扩容：
- 数组的缺点是大小固定，一旦声明就要占用整块连续内存空间。如果声明的数组过大，系统可能没有足够的连续内存空间分配给它，导致
内存不足。如果声明的数组过小，则可能出现不够用的情况。这时只能再申请一个更大的内存空间，把原数组拷贝进去，非常费时。 - 链表本身没有大小的限制，天然地支持动态扩容，我觉得这也是它与数组最大的区别。
2.3:内存的消耗：
- 数组对内存的消耗较小。
- 链表每个结点都需要
消耗额外的存储空间去存储一份指向下一个结点的指针，所以内存消耗会翻倍。而且，对链表进行频繁的插入、删除操作，还会导致频繁的内存申请和释放，容易造成内存碎片。
三、常见的链表结构：
三种最常见的链表结构，它们分别是：单链表、双向链表和循环链表。
1.单链表:
- 第一个结点叫做头结点，最后一个结点叫做尾结点。
- 头结点用来记录链表的基地址。
- 而尾结点特殊的地方是：指针不是指向下一个结点，而是指向一个空地址 NULL，表示这是链表上最后一个结点。
1.1链表增删改时间复杂度：
在链表中插入或者删除一个数据，我们并不需要为了保持内存的连续性而搬移结点，因为链表的存储空间本身就不是连续的。所以，在链表中插入和删除一个数据是非常快速的。我们只需要考虑相邻结点的指针改变，所以对应的时间复杂度是 O(1)。
链表要想随机访问第 k 个元素，就没有数组那么高效了。因为链表中的数据并非连续存储的，而是需要根据指针一个结点一个结点地依次遍历，直到找到相应的结点。时间复杂度O(n)。
如图所示：
2.循环链表：
循环链表是一种特殊的单链表。它跟单链表唯一的区别就在尾结点。单链表的尾结点指针指向空地址，表示这就是最后的结点了。而循环链表的尾结点指针是指向链表的头结点。
如图所示：
和单链表相比，循环链表的优点是从链尾到链头比较方便.
3.双向链表：
双向链表，它支持两个方向，每个结点不止有一个后继指针 next 指向后面的结点，还有一个前驱指针 prev 指向前面的结点。
如图所示：
- 双向链表需要额外的两个空间来存储后继结点和前驱结点的地址。存储同样多的数据，
双向链表要比单链表占用更多的内存空间。 - 虽然两个指针比较浪费存储空间，但可以支持
双向遍历，这样也带来了双向链表操作的灵活性。 - 双向链表在某些情况下的插入、删除等操作都要比单链表简单、高效。
4.双向循环链表：
把循环列表和双向链表整合在一起就是一个新的版本，双向循环链表。
如图所示：
四、空间换时间思想：
- 当内存空间充足的时候，如果我们更加追求代码的执行速度，我们就可以选择空间复杂度相对较高、但时间复杂度相对很低的算法或者数据结构。空间换时间。
- 如果内存比较紧缺，比如代码跑在手机或者单片机上，这个时候，就要反过来用时间换空间的设计思路。
缓存就是利用了空间换时间的设计思想。如果我们把数据存储在硬盘上，会比较节省内存，但每次查找数据都要询问一次硬盘，会比较慢。但如果我们通过缓存技术，事先将数据加载在内存中，虽然会比较耗费内存空间，但是每次数据查询的速度就大大提高了。
总结：
- 执行较慢的程序，可以通过消耗更多的内存（空间换时间）来进行优化；
- 而消耗过多内存的程序，可以通过消耗更多的时间（时间换空间）来降低内存的消耗；
五、链表实现LRU缓存淘汰策略：
- 当访问数据没有存储在缓存的链表中时，直接将数据插入链表表头，时间复杂度为O(1)；
- 当访问的数据存储链表中时，将该数据对应的节点，插入到链表表头，时间复杂度O(1)；
- 缓存被占满，从链表尾部的数据开始清理，时间复杂度O(1)；
六、数组实现LRU缓存淘汰策略：
方式一：首位置保存最新访问的数据，末尾位置优先清理
- 当访问的数据没有存在于缓存的数组中时，直接将数据插入数组第一个元素位置上，此时数组中的元素需要向后移动1个位置，时间复杂度O(n)；
- 当访问的数据存在于缓存的数组中，查找到的数据并将其插入数组的第一个位置，此时数组里的元素，都需要向后移动，时间复杂度O(n)；
- 缓存用满时，清理末尾的数据，时间复杂度O(1)；
方式二：首位置优先清理，末尾位置保持最新访问数据
- 当访问的数据没有存在缓存的数组中，直接将数据添加进数组作为当前最后一个元素，时间复杂度O(1)；
- 当访问的数据存在缓存数组中，查找到数据并将其插入进数组最后一个位置，时间复杂度O(1)；
- 缓存用满时，清理掉数组首位置的元素，剩余的元素都需要向前移动一位，时间复杂度O(n)；
参考资料
《数据结构与算法之美》
