Java LinkedHashMap

HashMap就是通过hash表这种数据结构实现的。而LinkedHashMap并不仅仅是通过链表法解决散列冲突的。

HashMap<Integer, Integer> m = new LinkedHashMap<>();
m.put(3, 11);
m.put(1, 12);
m.put(5, 23);
m.put(2, 22);

for (Map.Entry e : m.entrySet()) {
  System.out.println(e.getKey());
}

上面的代码会按照数据插入的顺序依次来打印。而hash表数据经过hash函数扰乱后是无规律存储的，它是如何实现按照数据的插入顺序来遍历打印的呢？

就是通过hash表和链表组合实现，可支持：

• 按照插入顺序遍历数据
• 按访问顺序遍历数据

你可以看下面这段代码：

打印结果

每次调用 LinkedHashMap#put()添加数据时，都会将数据添加到链尾，前四个操作完成后，链表数据如下：

第二次将键值为3的数据放入到LinkedHashMap时，会先查找该K是否已有，然后，再将已经存在的(3,11)删除，并将新的(3,26)放到链尾。

这个时候链表中的数据就是下面这样：

访问K=5数据时，将被访问到的数据移动到链尾。此时，链表数据如下：

可见，按访问时间排序的LinkedHashMap本身就是个支持LRU缓存淘汰策略的缓存系统。

LinkedHashMap中的“Linked”实际上是指的是双向链表，并非指用链表法解决哈希冲突。

为什么hash表和链表经常一块使用？

hash表这种数据结构虽然支持非常高效的数据插入、删除、查找操作，但hash表中的数据都是通过hash函数打乱之后无规律存储的。也就说，它无法支持按照某种顺序快速地遍历数据。如果希望按照顺序遍历散列表中的数据，那我们需要将散列表中的数据拷贝到数组中，然后排序，再遍历。

因为散列表是动态数据结构，不停地有数据的插入、删除，所以每当我们希望按顺序遍历散列表中的数据的时候，都需要先排序，那效率势必会很低。为了解决这个问题，我们将散列表和链表（或者跳表）结合在一起使用。

手写LRU

public class LRUCache<K, V> extends LinkedHashMap<K, V> {

    private final int CACHE_SIZE;

    // 这里就是传递进来最多能缓存多少数据
    public LRUCache(int cacheSize) {
        //  true指linkedhashmap将元素按访问顺序排序
        super((int) Math.ceil(cacheSize / 0.75) + 1, 0.75f, true);
        CACHE_SIZE = cacheSize;
    }

    @Override
    protected boolean removeEldestEntry(Map.Entry eldest) {
        // 当KV数据量大于指定缓存个数时，就自动删除最老数据
        return size() > CACHE_SIZE;
    }

}

FAQ

本文的散列表和链表结合使用的例子用的都是双向链表。如果把双向链表改成单链表，还能否正常工作呢？

在删除一个元素时，虽然能 O(1) 的找到目标结点，但是要删除该结点需要拿到前一个结点的指针，遍历到前一个结点复杂度会变为 O(N），所以用双链表实现比较合适。（硬要操作的话，单链表也是可以实现 O(1) 时间复杂度删除结点的）。

假设有 10 万名猎头，每个猎头都可以通过做任务（比如发布职位）来积累积分，然后通过积分来下载简历。假设你是猎聘网的一名工程师，如何在内存中存储这 10 万个猎头 ID 和积分信息，让它能够支持这样几个操作：

根据猎头的 ID 快速查找、删除、更新这个猎头的积分信息

查找积分在某个区间的猎头 ID 列表

查找按照积分从小到大排名在第 x 位到第 y 位之间的猎头 ID 列表

以积分排序构建一个跳表，再以猎头 ID 构建一个散列表：

1）ID 在散列表中所以可以 O(1) 查找到这个猎头；

2）积分以跳表存储，跳表支持区间查询；

3）这点根据目前学习的知识暂时无法实现