关于hash table的总结

1. key是URL， hash(key)的结果是value在hash数组中存放位置的下标，但可能有冲突，那就跟据linear probing或链表法找下一个合适的位置。找到hash(key)，并解决冲突问题后，把value放在这个位置。

2. 我们都知道解决哈希表冲突有两种方法，linear probing和基于链表的chain。那什么时候适合用linear probing呢？个人总结是如果数据规模比较小，或者是嵌入式系统里面使用用linear probing，其他场合适合用chain。数据规模比较小是因为链表元素必须要加入额外的prev/next这样的信息，会造成不必要的内存开销。嵌入式系统适合用linear probing是因为用链表就会涉及到malloc以及内存分配，而嵌入式系统不适合动态分配内存。当然我们也可以用数组来实现链表，但也会有前面说的额外开销的问题。而且，如果数据本身就是一个链表的话，用chain的话就会有两个链表，一个是数据本身的链表，另一个是每个冲突元素的拉链链表，用数组实现就会有很多额外开销。

3. 为什么散列表和链表经常一块使用？//from 数据结构与算法之美/
   1)散列表的优点：支持高效的数据插入、删除和查找操作

2. 散列表的缺点：不支持快速顺序遍历散列表中的数据, 因为散列表中的数据都是通过散列函数打乱之后无规律存储的。
3. 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。
4. 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。
5. 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。
   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：
   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。
   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)。
   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。
   ③LRU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)。