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，它通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。这个映射函数称做散列函数，存放记录的数组称做散列表。

我们从上图开始分析

• 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），我们需要把集合U中的整数存放到这个列表中

• 怎么存放，分别存在哪个槽里？这个问题就是需要通过一个散列函数来解决了。我的存放方式是取10的余数，我们对应这图来看

  • 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

通过上面简单的例子，应该会有一下几点一个大致的理解

• 集合U，就是可能会出现在散列表中的键
• 散列函数，就是你自己设计的一种如何将集合U中的键值通过某种计算存放到散列表中，如例子中的取余数
• 散列表，存放着通过计算后的键

那么我们在接着看一般我们会怎么去取值呢？

比如我们存储一个key为1000，value为’张三’ —> {key:1000,value:’张三’}
从我们上述的解释，它是不是应该存放在1000%10的这个插槽里。
当我们通过key想要找到value张三，是不是到key%10这个插槽里找就可以了呢？到了这里你可以停下来思考一下。

散列的一些术语（可以简单的看一下）

• 散列表中所有可能出现的键称作全集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现在哪个槽中，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，这种情况称之为碰撞。

看到这里不知道你是否大致理解了散列函数是什么了没。通过例子，再通过你的思考，你可以回头在读一遍文章头部关于散列表的定义。如果你能读懂了，那么我估计你应该是懂了。

常用的散列函数

• 处理整数 h=>k%M （也就是我们上面所举的例子）

• 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，我也没有很深入的去研究，这里主要还是去理解散列表是个怎样的数据结构，它有哪些优点，它具体做了怎样一件事。
而hash函数它只是通过某种算法把key映射到列表中。

构建散列表

通过上面的解释，我们这里做一个简单的散列表

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方法去做删除
• 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
- 用一个数组来创建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，这里使用字符串是因为，数值也可以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，为了能够严谨一些
• 将字符串转换为数组, 例如’abc’ => […’abc’] => [‘a’,’b’,’c’]
• 分别对每个字符的charCodeAt进行计算，取M余数是为了刚好对应插槽的数量，你总共就10个槽,你的数值%10 肯定会落到 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函数得到对应的存储地址(就是我们之间类比的槽)
• 因为一个槽中可能会存多个值，所以需要用一个二维数组去表示，比如我们计算得来的槽的编号是0，也就是slot[0]，那么我们应该往slot[0] [0]里存，后面进来的同样是编号为0的槽的话就接着往slot[0] [1]里存

    add(key,value) {
        const h = this.h(key);
        // 判断这个槽是否是一个二维数组, 不是则创建二维数组
        if(!this.slots[h]){
            this.slots[h] = [];
        }
        // 将值添加到对应的槽中
        this.slots[h].push(value);
    }  

删除

• 通过hash算法,找到所在的槽
• 通过过滤来删除

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

查找

• 通过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，其实我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，我们要学到的是思想，比如说散列表它究竟做了什么，它是一种存储方式，可以快速的通过键去查找到对应的值。那么我们会思考，如果我们设计的槽少了，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肯定是会大打折扣的，这种情况又应该用什么方式去解决，又或者是否用其他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) 我们都知道它是开辟了一块连续的空间去存储，而arr = [] , arr[100000] = 10 这样的操作它是使用的散列，因为这种操作如果连续开辟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不好的地方大家都可以提出来。我会持续的去写关于前端的一些技术文章，如果大家喜欢的话可以关注一下，点个赞哦谢谢