哈希表

副标题 / 摘要 Clone Graph 不是单纯的图遍历题，而是“带环对象图的深拷贝”题。真正的关键不是能不能走完图，而是如何保证每个原节点只克隆一次，并且所有边都指向克隆图中的新节点。 预计阅读时长：12~15 分钟 标签：图、DFS、BFS、哈希表、深拷贝 SEO 关键词：克隆图, Clone Graph, 图深拷贝, LeetCode 133, DFS, BFS 元描述：通过“原节点 -> 新节点”映射表实现无向图深拷贝，讲清 DFS/BFS、环处理、复杂度与多语言代码。 目标读者 刷 LeetCode 图论题、希望掌握“深拷贝 + visited/map”模板的学习者 需要复制对象图、工作流图、拓扑结构的工程师 经常在“图遍历”和“对象复制”之间混淆的开发者 背景 / 动机 很多同学第一次做这题，会把它当成普通遍历题： DFS 一遍 BFS 一遍 把值抄过去 但真正难点在于： 图里可能有环 同一个节点可能从多条路径访问到 复制出来的新图，所有邻居必须指向“新节点”，不能混入旧节点引用 所以这题本质上是： 带环对象图的深拷贝问题 这类模式在工程里也很常见： 复制流程编排图 克隆编辑器里的节点网络 复制依赖关系图做快照 核心概念 深拷贝：返回的新图里每个节点都必须是新建对象 节点身份：判断“是不是同一个节点”看的是对象身份 / 引用，不只是 val 邻接关系保持：新图的边结构必须与原图完全一致 映射表：原节点 -> 克隆节点，既防止死循环，也防止重复创建 A — Algorithm（题目与算法） 题目重述 给定一个无向连通图中某个节点 node 的引用，请返回这个图的深拷贝。 每个节点结构如下： class Node { public int val; public List<Node> neighbors; } 题目测试用例使用邻接表表示图。 如果图不为空，给定节点总是值为 1 的节点。 ...

副标题 / 摘要 这题不是“背答案题”，而是缓存系统的基本功：如何在常数时间内同时满足“快速访问”和“按最近最少使用淘汰”。本文从朴素方案推到最优结构，并给出可运行的多语言实现。 预计阅读时长：14~18 分钟 标签：LRU、哈希表、双向链表、系统设计 SEO 关键词：LRU Cache, LeetCode 146, 哈希表, 双向链表, O(1) 元描述：通过哈希表 + 双向链表实现 LRU 缓存，get/put 平均 O(1)，附工程场景、常见坑与六语言实现。 目标读者 正在刷 LeetCode 中等题、想吃透“数据结构组合技”的同学 做后端/中间件，需要实现或优化本地缓存的工程师 面试中经常被问到 LRU，但只记住结论、没掌握细节的人 背景 / 动机 缓存是“空间换时间”，但空间是有限的。 当缓存满了，必须淘汰一些键。LRU（Least Recently Used，最近最少使用）假设： 最近被访问的数据，将来更可能再次访问 很久没访问的数据，优先淘汰更合理 工程里常见于： 接口响应缓存 数据库热点记录缓存 页面/会话本地状态缓存 核心概念 LRU 策略：淘汰“最久未使用”的键 访问即更新新鲜度：get 成功后要把该 key 标为“最近使用” 容量约束：put 新 key 造成超容时，需要立即驱逐一个最旧键 O(1) 平均复杂度：get 和 put 都不能线性扫描 A — Algorithm（题目与算法） 题目重述 设计并实现一个满足 LRU 约束的数据结构 LRUCache： LRUCache(int capacity)：用正整数容量初始化 int get(int key)：若 key 存在返回 value，否则返回 -1 void put(int key, int value)： key 已存在：更新 value，并视作最近使用 key 不存在：插入新键值对 若超出容量：淘汰最久未使用的 key 并要求 get 和 put 平均时间复杂度为 O(1)。 ...

副标题 / 摘要 这道题的难点不是遍历链表，而是正确复制 random 指针所形成的“跨节点引用关系”。本文从朴素思路推导到哈希映射法，讲清为什么它稳定、可维护、易工程落地。 预计阅读时长：12~16 分钟 标签：链表、深拷贝、哈希表、随机指针 SEO 关键词：LeetCode 138, Copy List with Random Pointer, 随机链表复制, 深拷贝, 哈希映射 元描述：用两趟遍历 + 映射表完成随机链表深拷贝，系统讲解正确性、复杂度、工程实践与六语言实现。 目标读者 刷 LeetCode 时对 random 指针题目不够稳的开发者 想厘清“浅拷贝 vs 深拷贝”差异的同学 希望把算法思路迁移到工程对象复制场景的工程师 背景 / 动机 普通链表只要复制 val 和 next，逻辑很直观； 但随机链表多了一个 random 指针，它可能： 指向任意节点（前面、后面、自己） 也可能是 null 这使问题从“线性复制”变成“带额外引用关系的结构复制”。 工程里常见等价问题： 复制工作流节点对象，同时保留跨步骤跳转关系 复制缓存对象图，保持对象间引用一致 复制会话链，保持回溯/快捷索引引用 核心概念 浅拷贝（Shallow Copy）：只复制节点壳，内部引用仍指向旧对象 深拷贝（Deep Copy）：新建完整对象图，所有引用都指向新对象 节点身份映射：old_node -> new_node，是重建 random 的关键 结构等价：新链表应与旧链表在值与指针关系上同构，但完全不共享节点 A — Algorithm（题目与算法） 题目重述 给定一个长度为 n 的链表，每个节点有： val next random（可指向任意节点或 null） 要求构造该链表的深拷贝并返回新头节点。 新链表中的任何指针都不能指向原链表节点。 ...

副标题 / 摘要 “路径不必从根开始、但必须向下”使得这题无法用简单的根到叶 DP 解决。本文用 ACERS 结构讲透 树上前缀和：把任意向下路径转化为“两个前缀和的差”，用哈希表在线计数，做到 O(n) 一次 DFS 统计所有答案。 预计阅读时长：12~15 分钟 标签：Hot100、二叉树、前缀和、DFS、哈希表 SEO 关键词：Path Sum III, 路径和 III, 树上前缀和, 前缀和哈希, LeetCode 437, Hot100 元描述：前缀和 + 哈希表在线统计二叉树向下路径和等于 targetSum 的条数，包含推导、复杂度对比与多语言实现。 目标读者 刷 LeetCode、希望把“树 + 哈希”题型沉淀成模板的学习者 对“路径不从根开始”的树题容易写成 O(n^2) 的同学 做日志调用链 / 层级数据分析，需要在树结构上做区间统计的工程师 背景 / 动机 很多“树上的路径问题”都有一个坑： 你以为要从根出发、或要到叶子结束，但题目允许 从任意节点开始、到任意节点结束（但方向必须向下）。 这意味着： 你不能只维护“从根到当前”的一种状态就完事； 也不能枚举所有起点（那会退化成 O(n^2)）； 更不能用滑动窗口（节点值可正可负，窗口单调性不存在）。 这题最值得掌握的点是：把“树上任意向下路径”化为“同一路径上的两个前缀和之差”。 一旦你掌握了这个模型，很多树上统计题都会变成“前缀和 + 哈希表”的熟悉配方。 核心概念 向下路径：只能从父到子（不能回头、不能跨分支） 前缀和（prefix sum）：从根到当前节点路径上所有节点值的累加 差分计数：若 curSum - prevSum = target，则 prevSum = curSum - target 路径内哈希表：只统计“当前 DFS 路径上的前缀和”，回溯时必须撤销（否则会把不同分支混在一起） A — Algorithm（题目与算法） 题目还原 给定一个二叉树的根节点 root 和整数 targetSum，求二叉树里 节点值之和等于 targetSum 的向下路径 的数目。 路径不需要从根节点开始，也不需要在叶子节点结束，但路径方向必须向下（只能从父节点到子节点）。 ...

副标题 / 摘要 最小覆盖子串是“可变滑动窗口 + 计数哈希表”的经典题。本文按 ACERS 模板解释如何判断窗口有效、如何收缩得到最短答案，并给出工程场景与多语言实现。 预计阅读时长：12~15 分钟 标签：滑动窗口、哈希表、字符串 SEO 关键词：Minimum Window Substring, 最小覆盖子串, 滑动窗口, 哈希表 元描述：最小覆盖子串的 O(n) 滑动窗口解法与工程应用，含多语言实现。 目标读者 正在刷 LeetCode 的中级开发者 需要掌握“可变窗口 + 覆盖约束”的算法模板 做文本分析、日志聚合或流式过滤的工程师 背景 / 动机 “在一段序列中找到最短区间覆盖目标集合”在工程中非常常见： 日志告警需要覆盖多种错误码，搜索摘要需要覆盖关键字， 运营分析需要覆盖多个行为标签。 本题提供了一个可复用的窗口收缩模板。 核心概念 可变滑动窗口：右指针扩张直到满足条件，左指针收缩缩短答案 计数哈希表：支持重复字符，必须按次数覆盖 满足条件的计数：判断当前窗口是否“覆盖了全部需要” A — Algorithm（题目与算法） 题目重述 给定字符串 s 和 t，返回 s 中最短的子串，使其包含 t 中的每一个字符（包括重复字符）。 若不存在这样的子串，返回空字符串 ""。 测试用例保证答案唯一。 输入输出 名称 类型 描述 s string 源字符串 t string 目标字符串（需要覆盖的字符与次数） 返回 string 最短覆盖子串或空串 示例 1 s = "ADOBECODEBANC", t = "ABC" 输出 = "BANC" 示例 2 s = "a", t = "a" 输出 = "a" 示例 3 s = "a", t = "aa" 输出 = "" C — Concepts（核心思想） 方法类型 可变滑动窗口 + 频次覆盖判断。 ...

副标题 / 摘要 这是 Hot100 专栏第 1 篇：和为 K 的子数组。本文用“前缀和 + 频次哈希表”把 O(n^2) 降到 O(n)，并按 ACERS 模板给出工程场景与多语言实现。 预计阅读时长：12~15 分钟 标签：Hot100、前缀和、哈希表 SEO 关键词：Subarray Sum Equals K, 和为K的子数组, 前缀和, 哈希表, O(n) 元描述：和为 K 的子数组计数问题的前缀和解法，含工程迁移、复杂度对比与多语言代码。 目标读者 正在刷 Hot100，希望建立稳定算法模板的初学者 需要把计数类算法迁移到业务数据统计的中级工程师 准备面试，想掌握“前缀和 + 哈希表”核心套路的人 背景 / 动机 “统计和为 K 的子数组数量”是最经典的计数类问题之一。 它广泛出现在日志分析、风控阈值命中、交易序列统计等场景。 朴素的两层遍历虽然直观，但一旦数据规模增大就会明显卡顿，因此需要可扩展的 O(n) 解法。 核心概念（必须理解） 子数组：数组中连续、非空的片段 前缀和：prefix[i] = nums[0..i] 的和 差分关系：若 prefix[r] - prefix[l-1] = k，则 nums[l..r] 的和为 k 频次哈希表：统计某个前缀和出现的次数，以 O(1) 均摊时间查询 A — Algorithm（题目与算法） 题目还原 给你一个整数数组 nums 和一个整数 k，请统计并返回 和为 k 的子数组 的个数。 子数组是数组中元素的连续非空序列。 ...

副标题 / 摘要 这是“数据结构基础”系列第 2 题：好数对计数。通过“频次统计 + 组合计数”，把 O(n^2) 直接降到 O(n)，并给出可直接迁移到工程的实现方式。 预计阅读时长：8~10 分钟 标签：哈希表、计数、数组 SEO 关键词：Good Pairs, 好数对, hash map, frequency, 计数 元描述：好数对计数的哈希表解法与工程化应用，含复杂度分析与多语言代码。 目标读者 刚开始学习哈希表与计数思想的初学者 希望把刷题方法迁移到业务统计的中级工程师 准备面试，想掌握基础计数模型的同学 背景 / 动机 “找出相同元素的两两组合数量”是一个常见的计数类问题。 在数据去重、行为分析、错误归因等场景里，这类问题通常会被反复遇到。 若用双重循环计算，复杂度是 O(n^2)；一旦数据规模扩大就会变慢。 因此需要一个可线性扩展的方案。 A — Algorithm（题目与算法） 题目还原 给你一个整数数组 nums。 如果一组数字 (i, j) 满足 nums[i] == nums[j] 且 i < j，就称为一个 好数对。 返回好数对的数目。 输入输出 名称 类型 描述 nums int[] 整数数组 返回 int 好数对数量 基础示例 nums 输出 说明 [1, 2, 3, 1, 1, 3] 4 (0,3) (0,4) (3,4) (2,5) [1, 1, 1, 1] 6 C(4,2) = 6 [1, 2, 3] 0 无重复 直观图示（示例 1） ...

副标题 / 摘要 Two Sum（两数之和）是最经典的数组哈希题：用“补数 + 哈希表”把 O(n^2) 降到 O(n)。本文按 ACERS 结构拆解题意、原理与工程迁移，并给出多语言可运行实现。 预计阅读时长：10~12 分钟 标签：Hot100、哈希表、数组、补数、面试高频 SEO 关键词：Two Sum, 两数之和, hash map, 补数, O(n), LeetCode 1, Hot100 元描述：两数之和的哈希表解法与工程应用解析，含复杂度对比与多语言代码。 目标读者 刚开始刷题，希望建立“补数 + 哈希表”基本模型的初学者 需要把算法思路迁移到工程问题的中级开发者 准备面试、想快速掌握高频题的求职者 背景 / 动机 “在一堆数字里找出两数之和”等价于一个快速配对问题，常见于对账、预算、风控、推荐等场景。 朴素暴力法虽然简单，但在数据量上来后会直接超时；哈希表一遍扫描能把复杂度从 O(n^2) 降到 O(n)，是最工程可行的做法之一。 A — Algorithm（题目与算法） 题目还原 给定一个整数数组 nums 和一个整数目标值 target，请在该数组中找出和为目标值的 两个 整数，并返回它们的数组下标。 每种输入只会对应一个答案，并且你不能使用两次相同的元素。答案可以按任意顺序返回。 输入输出 名称 类型 描述 nums int[] 整数数组 target int 目标和 返回 int[] 满足 nums[i] + nums[j] == target 的下标 基础示例 nums target 输出 [2, 7, 11, 15] 9 [0, 1] [3, 2, 4] 6 [1, 2] 补数图示（示例 1） ...

副标题 / 摘要 一道看似麻烦的子数组题：长度必须固定为 k，元素种类又要至少 m 个，还要在满足约束下让子数组和最大。本文通过「固定窗口滑动 + 计数哈希表」，构造 O(n) 级别的简洁算法，并给出多语言实现与工程实践案例。 预计阅读时长：12~15 分钟 适用场景标签：滑动窗口进阶、distinct 计数、子数组最大和 SEO 关键词：almost unique subarray, at least m distinct, sliding window, subarray max sum 目标读者与背景 目标读者 已经掌握基础滑动窗口（如「最长无重复子串」）的刷题同学 后端 / 数据分析工程师，需要在数组或数据流上做实时统计 准备中高级面试，希望写出更工程化解法的开发者 问题背景 / 动机 许多业务都有类似需求： 推荐系统：固定长度的推荐位里，既要保证足够多的不同品类，又希望整体评分尽量高； 监控系统：在最近的固定时间窗口里，要求至少有 m 个不同指标处于活跃状态； 行为分析：在 k 次连续行为中，至少访问 m 个不同页面，且总价值最大。 本题正是这类需求的抽象版，非常适合用来练习滑动窗口 + 计数哈希表的组合技。 A — Algorithm（题目与算法） 题目重述 给定整数数组 nums，正整数 m 和 k。 如果一个长度为 k 的子数组中至少包含 m 个不同的元素，则称其为“几乎唯一子数组（almost unique subarray）”。 请在所有几乎唯一子数组中，找到元素和的最大值；如果不存在这样的子数组，则返回 0。 输入 ...