1. 数据结构入门为什么链表和哈希表是核心基础刚入行那会儿我总以为数据结构就是些抽象概念直到第一次面试被要求手写链表反转才意识到它的重要性。链表和哈希表作为数据结构中最基础也最实用的两种结构几乎出现在所有技术岗位的面试题中。链表教会我们指针/引用的本质操作而哈希表则展示了如何通过数学映射实现高效查找。在实际工程中链表是操作系统进程调度、文件系统目录管理的底层支撑哈希表则是Redis、Python字典、Java HashMap等核心组件的实现基础。理解它们的实现原理不仅能帮我们通过技术面试更重要的是能写出更高效的代码。2. 链表指针操作的训练场2.1 单链表的基本结构与操作单链表由节点(Node)通过指针/引用连接而成每个节点包含数据域和指针域。用C表示如下struct ListNode { int val; ListNode *next; ListNode(int x) : val(x), next(nullptr) {} };基础操作包括头插法创建链表时间复杂度O(n)尾插法创建链表需要维护尾指针时间复杂度O(n)节点插入找到前驱节点后修改指针平均O(n)节点删除同样需要定位前驱平均O(n)关键技巧使用虚拟头节点(dummy node)可以统一处理头节点特殊情况减少边界判断2.2 链表经典问题实战反转链表有迭代和递归两种解法。迭代法需要维护pre/cur/next三个指针def reverseList(head): pre, cur None, head while cur: next_node cur.next # 暂存后继 cur.next pre # 反转指针 pre cur # 后移pre cur next_node # 后移cur return pre环形链表检测使用快慢指针Floyd判圈算法快指针每次走两步慢指针每次走一步如果相遇则存在环时间复杂度O(n)2.3 工程中的链表应用案例Linux内核的任务调度使用双向链表管理进程控制块(PCB)。相比数组链表可以高效地实现进程的创建和销毁动态内存分配优先级调整节点位置变更定时器管理时间轮算法3. 哈希表从理论到实战3.1 哈希表的核心原理哈希表通过哈希函数将键(key)映射到存储位置理想情况下实现O(1)时间复杂度的查找。关键组件包括哈希函数均匀分布、冲突率低常见方法除留余数法、乘法哈希冲突解决开放寻址法线性探测/二次探测链地址法桶链表结构Java HashMap的实现值得研究默认负载因子0.75链表长度8时转为红黑树动态扩容时rehash3.2 哈希函数设计实践好的哈希函数应该计算速度快结果分布均匀对相似输入产生不同输出示例字符串哈希常用BKDR算法int hash 0; for (char c : str.toCharArray()) { hash 31 * hash c; // 31是个经验值质数 }3.3 真实系统中的哈希表优化Redis的字典实现采用渐进式rehash维护两个哈希表(ht[0], ht[1])扩容时逐步迁移键值对查询时同时查两个表 避免了一次性rehash导致的卡顿4. 数据结构选择链表vs哈希表4.1 性能特征对比操作链表(单)哈希表(理想)插入O(1)O(1)删除O(n)O(1)查找O(n)O(1)有序遍历支持不支持内存连续性否部分连续4.2 典型应用场景选择使用链表当需要频繁在头部插入/删除如LRU缓存数据规模动态变化大需要保持元素顺序如浏览器历史记录使用哈希表当需要快速查找/去重如词频统计数据关系为key-value对不需要有序遍历5. 常见问题与调试技巧5.1 链表操作易错点指针丢失// 错误写法丢失next节点引用 node-next new_node; new_node-next node-next; // 此时指向自己 // 正确顺序 new_node-next node-next; node-next new_node;边界条件空链表处理头/尾节点特殊处理单节点链表5.2 哈希表问题排查哈希冲突严重检查哈希函数分布均匀性考虑使用更好的哈希算法如MurmurHash调整桶大小或负载因子性能下降# 错误示范在循环中创建新字典 for i in big_list: d {} # 每次新建哈希表开销大 process(d) # 正确做法复用字典 d {} for i in big_list: d.clear() # 复用已有内存 process(d)6. 进阶学习路线建议掌握基础后可以深入研究并发安全数据结构跳表Redis ZSET无锁链表混合结构LinkedHashMap链表哈希表LRU缓存实现标准库实现Java HashMap源码C STL unordered_map我个人的经验是在理解链表和哈希表后学习其他数据结构会轻松很多。建议用思维导图整理不同结构的关联比如哈希表解决冲突的红黑树其实就是一种平衡二叉搜索树。