队列这种数据结构，前端需要了解的队列结构主要有：双端队列、滑动窗口，它们都是算法中是比较常用的数据结构。
一、数据结构：队列
队列和栈类似，不同的是队列是先进先出 (FIFO) 原则的有序集合，它的结构类似如下：
常见队列的操作有：enqueue(e) 进队、 dequeue() 出队、 isEmpty()是否是空队、 front() 获取队头元素、clear() 清空队，以及 size()获取队列长度。
function Queue() {
let items = []
this.enqueue = function(e) {
items.push(e)
}
this.dequeue = function() {
return items.shift()
}
this.isEmpty = function() {
return items.length === 0
}
this.front = function() {
return items[0]
}
this.clear = function() {
items = []
}
this.size = function() {
return items.length
}
}
查找：从对头开始查找，从时间复杂度为 O(n)
插入或删除：进栈与出栈的时间复杂度为 O(1)
二、双端队列（Deque）
1、什么是 Deque
Deque 在原有队列的基础上扩充了：队头、队尾都可以进队出队，它的数据结构如下：
function Deque() {
let items = []
this.addFirst = function(e) {
items.unshift(e)
}
this.removeFirst = function() {
return items.shift()
}
this.addLast = function(e) {
items.push(e)
}
this.removeLast = function() {
return items.pop()
}
this.isEmpty = function() {
return items.length === 0
}
this.front = function() {
return items[0]
}
this.clear = function() {
items = []
}
this.size = function() {
return items.length
}
}
三、双端队列问题
给定一个字符串，逐个翻转字符串中的每个单词。
示例1：
输入: "the sky is blue"
输出: "blue is sky the"
示例2：
输入: " hello world! "
输出: "world! hello"
解释: 输入字符串可以在前面或者后面包含多余的空格，但是反转后的字符不能包括。
示例3：
输入: "a good example"
输出: "example good a"
解释: 如果两个单词间有多余的空格，将反转后单词间的空格减少到只含一个。
说明：
- 无空格字符构成一个单词。
- 输入字符串可以在前面或者后面包含多余的空格，但是反转后的字符不能包括。
- 如果两个单词间有多余的空格，将反转后单词间的空格减少到只含一个。
解题思路：使用双端队列解题
- 首先去除字符串左右空格
- 逐个读取字符串中的每个单词，依次放入双端队列的对头
- 再将队列转换成字符串输出（已空格为分隔符）
画图理解：
var reverseWords = function(s) {
let left = 0
let right = s.length - 1
let queue = []
let word = ''
while (s.charAt(left) === ' ') left ++
while (s.charAt(right) === ' ') right --
while (left <= right) {
let char = s.charAt(left)
if (char === ' ' && word) {
queue.unshift(word)
word = ''
} else if (char !== ' '){
word += char
}
left++
}
queue.unshift(word)
return queue.join(' ')
};
四、滑动窗口
1、什么是滑动窗口
这是队列的另一个重要应用。顾名思义，滑动窗口就是一个运行在一个大数组上的子列表，该数组是一个底层元素集合。假设有数组 [a b c d e f g h ]，一个大小为 3 的 滑动窗口在其上滑动，则有：
[a b c]
[b c d]
[c d e]
[d e f]
[e f g]
[f g h]
一般情况下就是使用这个窗口在数组的 合法区间 内进行滑动，同时 动态地 记录一些有用的数据，很多情况下，能够极大地提高算法地效率。
下面看一道经典的滑动窗口问题：给定一个字符串，请你找出其中不含有重复字符的 最长子串 的长度。
示例 1:
输入: "abcabcbb"
输出: 3
解释: 因为无重复字符的最长子串是 "abc"，所以其长度为 3。
示例 2:
输入: "bbbbb"
输出: 1
解释: 因为无重复字符的最长子串是 "b"，所以其长度为 1。
示例 3:
输入: "pwwkew"
输出: 3
解释: 因为无重复字符的最长子串是 "wke"，所以其长度为 3。
请注意，你的答案必须是 子串 的长度，"pwke" 是一个子序列，不是子串。
解题思路： 使用一个数组来维护滑动窗口
遍历字符串，判断字符是否在滑动窗口数组里
- 不在则
push进数组 - 在则删除滑动窗口数组里相同字符及相同字符前的字符，然后将当前字符
push进数组 - 然后将
max更新为当前最长子串的长度
遍历完，返回 max 即可
画图帮助理解一下：
var lengthOfLongestSubstring = function(s) {
let arr = [], max = 0
for(let i = 0; i < s.length; i++) {
let index = arr.indexOf(s[i])
if(index !== -1) {
arr.splice(0, index+1);
}
arr.push(s.charAt(i))
max = Math.max(arr.length, max)
}
return max
};
时间复杂度：O(n2)， 其中 arr.indexOf() 时间复杂度为 O(n) ，arr.splice(0, index+1) 的时间复杂度也为 O(n)
2、滑动窗口最大值问题
给定一个数组 nums 和滑动窗口的大小 k，请找出所有滑动窗口里的最大值。
示例：
输入: nums = [1,3,-1,-3,5,3,6,7], 和 k = 3
输出: [3,3,5,5,6,7]
解释：
滑动窗口的位置 最大值
[1 3 -1] -3 5 3 6 7 3
1 [3 -1 -3] 5 3 6 7 3
1 3 [-1 -3 5] 3 6 7 5
1 3 -1 [-3 5 3] 6 7 5
1 3 -1 -3 [5 3 6] 7 6
1 3 -1 -3 5 [3 6 7] 7
你可以假设 k 总是有效的，在输入数组不为空的情况下，1 ≤ k ≤ 输入数组的大小。
解题思路：
var maxSlidingWindow = function(nums, k) {
let max = []; //存放最大值
let _len = nums.length - k
for(let i=0; i <= _len; i++){
const _ = nums.slice(i, i + k)
if(_.length === k){
max.push(Math.max(..._))
}
}
return max
}