三:链表(上)-如何实现LRU缓存淘汰算法

链表(上):如何实现LRU缓存淘汰算法?

链表(Linked list)这个数据结构。
学习链表有什么用呢?为了回答这个问题,我们先来讨论一个经典的链表应用场景,那就是 LRU 缓存淘汰算法。

缓存是一种提高数据读取性能的技术,在硬件设计、软件开发中都有着非常广泛的应用,比如常见的CPU缓存、数据库缓存、浏览器缓存等等。

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,哪些数据应该被保留?这就需要缓存淘汰策略来决定。常见的策略有三种:

  1. 先进先出策略 FIFO(First In,First Out)
  2. 最少使用策略 LFU(Least Frequently Used)
  3. 最近最少使用策略 LRU(Least Recently Used)。

数组和链表

image

image

  1. 数组

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。
eg: 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。

  1. 链表

链表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。
eg: 所以如果我们申请的是100MB大小的链表,根本不会有问题。

链表

  • 单链表

链表通过指针将一组零散的内存块串联在一起。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。如图所示,我们把这个记录下个结点地址的指针叫作后继指针 next**

image

  1. 第一节点叫头结点,用来记录链表的基地址,因此可以遍历得到整条链表
  2. 最后一个节点叫尾节点,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。

数组的插入和删除的时间复杂度是O(n),单链表的是O(1)

image

链表要是访问第k个元素,没有数组高效,因为链表的数据并非连续存储的,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,时间复杂度是O(n)

  • 循环链表 是一种特殊的单链表

循环链表的尾结点指针是指向链表的头结点。

image

用法 循环链的优点是从链尾到链头比较方便。当要处理的数据具有环型结构特点时,就特别适合采用循环链表。比如著名的约瑟夫问题

  • 双向链表 每个结点有一个后继指针 next 指向后面的结点,还有一个前驱指针 prev 指向前面的结点

image

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。所以,如果存储同样多的数据,双向链表要比单链表占用更多的内存空间。

特点

  1. 两个指针比较浪费存储空间;
  2. 支持双向遍历,这样也带来了双向链表操作的灵活性。

那相比单链表,双向链表适合解决哪种问题呢?

从结构上来看,双向链表可以支持O(1)时间复杂度的情况下找到前驱结点,正是这样的特点,也使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。

  • 删除

在实际的软件开发中,从链表中删除一个数据无外乎这两种情况:

  1. 删除结点中“值等于某个给定值”的结点; 删除的时间复杂度O(1),遍历的是时间复杂度O(n), 加法法则 -> 时间复杂度O(n)
  2. 删除给定指针指向的结点。 单链表是 时间复杂度O(n); 双链表是 时间复杂度O(1),因为双链表已经保存了前驱结点的指针
  3. 有序链表,双向链表的安值查询的效率比单链表高
  4. Java 中 LinkedHashMap 就是 双向链表数据结构

用空间换时间的设计思想

  1. 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,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。->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。
  2. 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。-> 消耗过多内存的程序,可以通过消耗过多的时间(时间换空间)来降低内存的消耗进行优化。

  • 双向循环链表

image


如何实现LRU缓存淘汰算法?

思路:我们维护一个有序单链表,越靠近链表尾部的结点是越早之前访问的。当有一个新的数据被访问时,我们从链表头开始顺序遍历链表。

  1. 如果此数据之前已经被缓存在链表中了,我们遍历得到这个数据对应的结点,并将其从原来的位置删除,然后再插入到链表的头部。
  2. 如果此数据没有在缓存链表中,又可以分为两种情况:
    1. 如果此时缓存未满,则将此结点直接插入到链表的头部;
    2. 如果此时缓存已满,则链表尾结点删除,将新的数据结点插入链表的头部。

现在我们来看下m缓存访问的时间复杂度是多少。因为不管缓存有没有满,我们都需要遍历一遍链表,所以这种基于链表的实现思路,缓存访问的时间复杂度为 O(n)。

另一种方案:

可以继续优化这个实现思路,比如引入散列表(Hash table)来记录每个数据的位置,将缓存访问的时间复杂度降到 O(1)。


思考

如何判断一个字符串是否是回文字符串的问题?

来源

本文是从 王争 数据结构与算法的学习-06 | 链表(上):如何实现LRU缓存淘汰算法?。跟着大神学习,逐渐进步