数组和链表

数据是使用连续的内存空间存储数据。

链表是使用不连续的内存空间存储数据。

常见链表链表结构

• 单链表

• 循环链表

• 双向链表

基本概念

结点

分配用来存储数据的每个不连续的内存块就是结点。

后继指针

既然内存块不是连续的，那么这些值是如何关联起来的。这时候就会通过后继指针来串联这些结点。每个结点除了存储数据外，还要存储下一个结点的内存地址，就是通过后继指针next指向的。

头结点

头结点就是链表起始结点，用于存储链表的基地址。

头结点一般不存储数据。

指向头结点的指针成为头指针。

尾结点

就是最后一个结点，该结点指针区域不指向任何结点，而是指向一个空地址NULL。

单链表

单链表从头结点开始到尾结点结束的链表。

其插入和删除的时间复杂度为O(1)，查找的时间复杂度为O(n)

对应的，数据插入和删除的时间复杂度为O(n)，查找的时间复杂度为O(1)

循环链表

区别于单链表，循环链表就是将尾结点的指针指向了头结点，形成一个闭环，即为循环链表。

循环链表的优点就是从链尾到链头比较方便。

双向链表

顾名思义，每个结点不仅有指向下一个结点，同时还有了指向上一个结点。

显然，相比之前的链表结构，该链表结构增加了空间消耗，那么必然，在时间上会得到补偿，典型的空间换时间。

下面我们来看看双向链表是如何实现空间换时间的。

我们还是说回普通链表的插入和删除操作。

删除操作

更加准确的说删除操作会有两种情况

• 删除结点中“值等于某个给定值”的结点

• 删除给定指针指向的结点

对于第一种情况，如果只是删除，那么时间复杂度就是O(1)。但是在此之前，我们需要找到这个节点，鉴于链表内存结构的不连续性，需要一一遍历才能找到这个结点，所以时间复杂度是O(n)，最终时间复杂度也是O(n)。

对于第二种情况，和第一种情况类似，遍历找到这个接口并删除，时间复杂度也是O(n)。

上面说的是单链表，如果这时候是双链表结构，情况就会不太一样。

第一种情况，依然无法避免，因为链表内存结构不连续的事实无法改变。

第二种情况，具体的操作是找到指定的结点，然后将该结点的上一个结点的后继指针指向该结点的下一个结点。但是在双线链表就不一样了，找到当前节点就可以无缝平滑的找到其上一个结点，而不需要傻乎乎的从头结点开始遍历一直找。所以这时候的时间复杂度从O(n)变为了O(1)。这就是典型的空间换时间。

空间换时间和时间换空间

针对不同的场景，我们需要在时间和空间之前做一个权衡。

比如缓存就是一个典型的空间换时间，我们希望接口的响应速度更快更及时，所以我们一次性将数据加载到缓存即内存，这样访问的速度变快了，但是在空间层面上，我们占用了更多的内存资源。

分页请求等这些就是时间换空间，我们每次只使用有限的空间存储返回结果，但是需要分多次请求返回（可能不是十分恰当，意在表明，当空间资源稀缺货有限时，可以通过延长时间来弥补）

数组和链表的比较

数组是固定大小的，如果要扩容，需要重新申请一个更大的内存空间并拷贝原来的数组内容。

链表是天然支持动态扩容的，能够很好的利用碎片的内存空间。

如果你的代码对内存使用非常苛刻，建议使用数组。因为链表除了保存数据的内存空间，还需要内存空间用来存储下一个结点的内存地址，所以空间占用会翻倍。

链表的插入和删除会带来内存的申请和释放，容易造成内存碎片，对于Java语言来说，会导致频繁的GC（垃圾回收）。

如何基于链表实现LRU缓存淘汰算法

LRU（Least Recently used）最近最少使用算法是缓存淘汰的算法之一。

意思就是最近时间内，使用次数最少的缓存内容就优先删除。

实现思路

使用一个链表存储缓存的数据，从头至尾，越靠近头结点表示越是最近访问的数据，越靠近尾结点表示越是久远访问过的数据。

如果访问的某个数据已经被缓存在这个链表中，我们通过遍历找到这个结点后就删除，然后将这个结点插入到头结点。

如果这个数据没有在链表中，这时候继续判断，如果缓存没有满，则将此结点插入到头结点。如果缓存已满，则删除尾结点，并将新数据插入头结点。

使用链表实现这个问题，正是利用链表插入和删除方便的特性，同时头尾指针的顺序也正好可能映射缓存被访问的热度。