js数据结构-散列表(哈希表)

散列表

散列表（Hash table，也叫哈希表），是根据键（Key）而直接访问在内存存储位置的数据结构。也就是说，它经过计算一个关于键值的函数，将所需查询的数据映射到表中一个位置来访问记录，这加快了查找速度。这个映射函数称作散列函数，存放记录的数组称作散列表。

咱们从上图开始分析

• 有一个集合U，里面分别是1000，10，152，9733，1555，997，1168
• 右侧是一个10个插槽的列表（散列表），咱们须要把集合U中的整数存放到这个列表中

• 怎么存放，分别存在哪一个槽里？这个问题就是须要经过一个散列函数来解决了。个人存放方式是取10的余数，咱们对应这图来看

  • 1000%10=0，10%10=0 那么1000和10这两个整数就会被存储到编号为0的这个槽中
  • 152%10=2那么就存放到2的槽中
  • 9733%10=3 存放在编号为3的槽中

经过上面简单的例子，应该会有一下几点一个大体的理解

• 集合U，就是可能会出如今散列表中的键
• 散列函数，就是你本身设计的一种如何将集合U中的键值经过某种计算存放到散列表中，如例子中的取余数
• 散列表，存放着经过计算后的键

那么咱们在接着看通常咱们会怎么去取值呢？

好比咱们存储一个key为1000，value为'张三' ---> {key:1000,value:'张三'}
从咱们上述的解释，它是否是应该存放在1000%10的这个插槽里。
当咱们经过key想要找到value张三，是否是到key%10这个插槽里找就能够了呢？到了这里你能够停下来思考一下。

散列的一些术语（能够简单的看一下）

• 散列表中全部可能出现的键称做全集U
• 用M表示槽的数量
• 给定一个键，由散列函数计算它应该出如今哪一个槽中，上面例子的散列函数h=k%M,散列函数h就是键k到槽的一个映射。
• 1000和10都被存到了编号0的这个槽中，这种状况称之为碰撞。

看到这里不知道你是否大体理解了散列函数是什么了没。经过例子，再经过你的思考，你能够回头在读一遍文章头部关于散列表的定义。若是你能读懂了，那么我估计你应该是懂了。

经常使用的散列函数

• 处理整数 h=>k%M （也就是咱们上面所举的例子）

• 处理字符串：

  function h_str(str,M){
          return [...str].reduce((hash,c)=>{
              hash = (31*hash + c.charCodeAt(0)) % M
          },0)
      }

hash算法不是这里的重点，我也没有很深刻的去研究，这里主要仍是去理解散列表是个怎样的数据结构，它有哪些优势，它具体作了怎样一件事。
而hash函数它只是经过某种算法把key映射到列表中。

构建散列表

经过上面的解释，咱们这里作一个简单的散列表

散列表的组成

• M个槽
• 有个hash函数
• 有一个add方法去把键值添加到散列表中
• 有一个delete方法去作删除
• 有一个search方法，根据key去找到对应的值

初始化

- 初始化散列表有多少个槽
- 用一个数组来建立M个槽

class HashTable {
        constructor(num=1000){
            this.M = num;
            this.slots = new Array(num);
        }
    }

散列函数

处理字符串的散列函数，这里使用字符串是由于，数值也能够传换成字符串比较通用一些

• 先将传递过来的key值转为字符串，为了可以严谨一些
• 将字符串转换为数组, 例如'abc' => [...'abc'] => ['a','b','c']
• 分别对每一个字符的charCodeAt进行计算，取M余数是为了恰好对应插槽的数量，你总共就10个槽,你的数值%10 确定会落到 0-9的槽里

h(str){
        str = str + '';
        return [...str].reduce((hash,c)=>{
            hash = (331 * hash + c.charCodeAt()) % this.M;
            return hash;
        },0)
    }

添加

• 调用hash函数获得对应的存储地址(就是咱们之间类比的槽)
• 由于一个槽中可能会存多个值，因此须要用一个二维数组去表示，好比咱们计算得来的槽的编号是0，也就是slot[0]，那么咱们应该往slot[0] [0]里存，后面进来的一样是编号为0的槽的话就接着往slot[0] [1]里存

add(key,value) {
        const h = this.h(key);
        // 判断这个槽是不是一个二维数组, 不是则建立二维数组
        if(!this.slots[h]){
            this.slots[h] = [];
        }
        // 将值添加到对应的槽中
        this.slots[h].push(value);
    }

删除

• 经过hash算法,找到所在的槽
• 经过过滤来删除

delete(key){
        const h = this.h(key);
        this.slots[h] = this.slots[h].filter(item=>item.key!==key);
    }

查找

• 经过hash算法找到对应的槽
• 用find函数去找同一个key的值
• 返回对应的值

search(key){
        const h = this.h(key);
        const list = this.slots[h];
        const data = list.find(x=> x.key === key);
        return data ? data.value : null;    
    }

总结

讲到这里，散列表的数据结构已经讲完了，其实咱们每学一种数据结构或算法的时候，不是去照搬实现的代码，咱们要学到的是思想，好比说散列表它究竟作了什么，它是一种存储方式，能够快速的经过键去查找到对应的值。那么咱们会思考，若是咱们设计的槽少了，在同一个槽里存放了大量的数据，那么这个散列表它的搜索速度确定是会大打折扣的，这种状况又应该用什么方式去解决，又或者是否用其余的数据结构的代替它。

补充一个小知识点

v8引擎中的数组 arr = [1,2,3,4,5] 或 new Array(100) 咱们都知道它是开辟了一块连续的空间去存储，而arr = [] , arr[100000] = 10 这样的操做它是使用的散列，由于这种操做若是连续开辟100万个空间去存储一个值，那么显然是在浪费空间。

后续

后续可能会去介绍一下二叉树，另外对于文章有什么写错或者写的很差的地方你们均可以提出来。我会持续的去写关于前端的一些技术文章，若是你们喜欢的话能够关注一下，点个赞哦谢谢