yocto-queue是一个微型队列的数据结构，根据作者的介绍，如果在你一个数据量很大的数组上，大量的操作Array.push和Array.shift，那么你可以考虑使用yocto-queue来替代Array。
因为Array.shift的时间复杂度是O(n)，而Queue.dequeue的时间复杂度是O(1)，这对于大量的数据来说，性能上的提升是非常明显的。
时间复杂度和空间复杂度
学习算法和数据结构的时候，我们经常会听到时间复杂度和空间复杂度，这两个概念是什么呢？
时间复杂度
时间复杂度是指一个算法执行所耗费的时间，它是一个函数，这个函数的变量是问题规模的函数；
通常会使用大O符号来表示时间复杂度，比如O(n)，O(n^2)，O(logn)等等，这就是大 O 表示法（Big O notation）。
O代表的是算法的渐进时间复杂度（asymptotic time complexity），也就是说，随着问题规模的增大，算法的执行时间的增长率和O中的函数相同，称作渐进时间复杂度。
O(1)表示算法的执行时间与问题规模无关，也就是说，不管问题规模有多大，算法执行所耗费的时间都是一样的，这种算法称为时间复杂度为常数阶的算法。
O(n)表示算法的执行时间与问题规模成正比，也就是说，随着问题规模的增大，算法执行所耗费的时间也随之增大，这种算法称为时间复杂度为线性阶的算法。
O(n^2)表示算法的执行时间与问题规模成平方比，也就是说，随着问题规模的增大，算法执行所耗费的时间呈二次方增长，这种算法称为时间复杂度为平方阶的算法。
通过上面的介绍，我们可以将O比喻成函数，O(1)就是一个常数函数，O(n)就是一个线性函数，O(n^2)就是一个平方函数，O(logn)就是一个对数函数。
说了这么多概念性的问题，不如直接来看看代码；
例如，我们有一个数组，我们要遍历这个数组，然后将数组中的每个元素都乘以2，那么我们可以这么写：
function multiplyBy2(arr) { const result = []; for (let i = 0; i < arr.length; i++) { result.push(arr[i] * 2); } return result; }
这段代码的时间复杂度是O(n)，因为我们遍历了数组，所以时间复杂度就是O(n)，O代表这个函数，n代表问题规模，也就是数组的长度，组合起来就是O(n)。
再直观一点，我们可以这么理解，当数组的长度为n时，我们需要执行n次循环，所以时间复杂度就是O(n)，用代码表示就是：
function O(n) { for (let i = 0; i < n; i++) { // do something } } O(1); // O(1) O(2); // O(2) O(3); // O(3) O(n); // O(n)
空间复杂度
空间复杂度是指一个算法执行所耗费的内存空间，它是一个函数，这个函数的变量是问题规模的函数；
和时间复杂度一样，空间复杂度也有O(1)、O(n)、O(n^2)、O(logn)等等，它们的含义和时间复杂度一样，只不过它们是表示算法执行所耗费的内存空间的增长率。
当然空间复杂度计算的不是内存消耗，而是变量的个数，例如冒泡排序的空间复杂度是O(1)，因为它只需要一个变量temp：
function bubbleSort(arr) { for (let i = 0; i < arr.length; i++) { for (let j = 0; j < arr.length - i - 1; j++) { if (arr[j] > arr[j + 1]) { const temp = arr[j]; arr[j] = arr[j + 1]; arr[j + 1] = temp; } } } return arr; }
而快速排序的空间复杂度是O(logn)，因为它需要一个变量pivot，而且它是递归的，所以空间复杂度是O(logn)：
function quickSort(arr) { if (arr.length <= 1) { return arr; } const pivotIndex = Math.floor(arr.length / 2); const pivot = arr.splice(pivotIndex, 1)[0]; const left = []; const right = []; for (let i = 0; i < arr.length; i++) { if (arr[i] < pivot) { left.push(arr[i]); } else { right.push(arr[i]); } } return quickSort(left).concat([pivot], quickSort(right)); }
源码分析
上面了解了时间复杂度和空间复杂度的概念，那么我们开始正式分析yocto-queue的源码；
代码不多，可以直接通过github1s在线阅读，然后使用浏览器控制台来查看效果；
代码分析
先来看一下yocto-queue的使用方式：
- 安装
npm install yocto-queue
- 使用
import Queue from 'yocto-queue'; const queue = new Queue(); queue.enqueue('🦄'); queue.enqueue('🌈'); console.log(queue.size); //=> 2 console.log(...queue); //=> '🦄 🌈' console.log(queue.dequeue()); //=> '🦄' console.log(queue.dequeue()); //=> '🌈'
然后再来看一下yocto-queue的代码：
/* How it works: `this.#head` is an instance of `Node` which keeps track of its current value and nests another instance of `Node` that keeps the value that comes after it. When a value is provided to `.enqueue()`, the code needs to iterate through `this.#head`, going deeper and deeper to find the last value. However, iterating through every single item is slow. This problem is solved by saving a reference to the last value as `this.#tail` so that it can reference it to add a new value. */ class Node { value; next; constructor(value) { this.value = value; } } export default class Queue { #head; #tail; #size; constructor() { this.clear(); } enqueue(value) { const node = new Node(value); if (this.#head) { this.#tail.next = node; this.#tail = node; } else { this.#head = node; this.#tail = node; } this.#size++; } dequeue() { const current = this.#head; if (!current) { return; } this.#head = this.#head.next; this.#size--; return current.value; } clear() { this.#head = undefined; this.#tail = undefined; this.#size = 0; } get size() { return this.#size; } * [Symbol.iterator]() { let current = this.#head; while (current) { yield current.value; current = current.next; } } }
可以直接直接粘贴到浏览器控制台中运行
构造函数
首先来看一下Queue的构造函数：
class Queue { #head; #tail; #size; constructor() { this.clear(); } }
一个Queue类，它有三个私有属性：#head、#tail、#size；
在
class中，如果属性名前面加上#，表示这个属性是私有属性，外部是无法访问的；
#head：指向队列的头部；#tail：指向队列的尾部；#size：队列的长度；
然后在构造函数中调用了this.clear()方法，这个方法的作用是清空队列，代码如下：
class Queue { clear() { this.#head = undefined; this.#tail = undefined; this.#size = 0; } }
enqueue
接下来看一下enqueue方法：
class Queue { enqueue(value) { const node = new Node(value); if (this.#head) { this.#tail.next = node; this.#tail = node; } else { this.#head = node; this.#tail = node; } this.#size++; } }
enqueue方法的作用是向队列中添加一个元素；
首先创建一个Node实例，然后判断this.#head是否存在，如果存在，说明队列中已经有元素了，那么就把新创建的Node实例添加到队列的尾部；
如果this.#head不存在，说明队列中还没有元素，那么就把新创建的Node实例添加到队列的头部；
最后，队列的长度加一；
这里使用到了一个Node类，它的作用是用来保存队列中的元素的，代码如下：
class Node { value; next; constructor(value) { this.value = value; } }
value：指向的是队列中的元素；next：指向下一个Node实例；
dequeue
接下来看一下dequeue方法：
class Queue { dequeue() { const current = this.#head; if (!current) { return; } this.#head = this.#head.next; this.#size--; return current.value; } }
dequeue方法的作用是从队列中移除一个元素；
首先获取队列的头部元素，然后判断current是否存在，如果不存在，说明队列中没有元素，那么就直接返回；
如果current存在，说明队列中有元素，那么就把队列的头部元素移除，然后把队列的长度减一；
最后，返回移除的元素；
图例
一个队列结构只会有两个操作：入队和出队，下面通过一个图例来说明一下；
入队时，会把新的元素添加到队列的尾部；
出队时，会把队列的头部元素移除；
上面的图例中，Node0表示队列的头部元素，Node_n表示队列的尾部元素；
Current0表示队列中的第一个元素，Current_n表示队列中的最后一个元素；
在队列中，只会关心头部和尾部的元素，头部的元素用于弹出队列，尾部的元素用于添加元素；
在上面的图例中，如果我们执行dequeue方法，那么就会把Node0移除，然后把Node1设置为队列的头部元素；
上面的dequeue方法执行完毕后，队列的头部元素就变成了Node1；
Node0因为没有任何引用指向它，所以会被垃圾回收机制回收；
如果我们执行enqueue方法，那么就会把新的元素添加到队列的尾部：
上面的enqueue方法执行完毕后，队列的尾部元素就变成了newNode；
迭代器
yocto-queue到最后还提供了一个迭代器，用于遍历队列中的元素；
class Queue { // ... *[Symbol.iterator]() { let current = this.#head; while (current) { yield current.value; current = current.next; } } }
上面的代码中，使用了一个generator函数，它会返回一个迭代器；
迭代器中，会从队列的头部元素开始遍历，然后把每个元素的值返回出去；
迭代器的使用
迭代器是es6中的一个新特性，它可以用于遍历数据结构中的元素，使用起来也非常简单，只需要在数据结构上调用Symbol.iterator方法即可；
const obj = { [Symbol.iterator]() { let i = 0; return { next() { return { value: i++, done: i > 10 }; } }; } }; for (const item of obj) { console.log(item); }
上面的代码中，我们定义了一个对象，它的Symbol.iterator方法返回了一个迭代器；
一个迭代器是一个对象，它有一个next方法，每次调用next方法，都会返回一个对象，这个对象中包含了当前元素的值和一个done属性，表示是否已经遍历完毕；
可以使用generator函数来简化上面的代码：
const obj = { *[Symbol.iterator]() { let i = 0; while (i < 10) { yield i++; } } }; for (const item of obj) { console.log(item); }
上面的代码中，我们使用了generator函数来简化迭代器的定义；
总结
yocto-queue是一个非常简单的队列实现，它的核心是使用了链表来存储数据；
链表的优点是插入和删除元素的时间复杂度是O(1)，但是查找元素的时间复杂度是O(n)，不过对于队列来说，查找元素的操作是不需要的；
对比于数组，每次插入和删除元素都需要移动元素，所以时间复杂度是O(n)，但是查找元素的时间复杂度是O(1)；
所以正如文章开头，作者提到的，对于一个大数组来实现队列，效率是非常低的，而应该使用链表来实现（因为这个库的核心实现就是链表，所以肯定优先推荐用这个库=）；
通过阅读yocto-queue的源码，我们学习到了很多：
- 时间复杂度、空间复杂度的概念
- 链表的实现
- 如何使用
es6的Symbol.iterator来实现可迭代对象； - 如何使用
es6的generator函数来实现迭代器； - 数组、队列、链表的区别；
