理解散列表：原理、冲突与解决策略-优快云博客

本文链接：https://blog.youkuaiyun.com/weixin_47580522/article/details/131918020

散列表(Hash Table)

散列思想

散列表利用的是数组可以按下标快速访问的特征，散列表就是数组的一种扩展

运动员，参赛编号为102301，前两位代表年级，中间代表班级，最后两位代表运动员编号。
可以将最后2位，转换为数组的下标，将运动员的信息存储在数组的下标中，这样就可以通过数组下标，快速的获取到运动员信息
这里，参赛运动员的编号，叫做键(key，关键字)，用它来标识一个选手。把参赛编号转换为数组下标的方法就是散列函数（hash函数，哈希函数）。散列函数计算得到的结果就是散列值（hash值，哈希值）

//实现散列函数
const hashMumber = (key) => {
  const lastTwoChars = key.slice(key.length - 2);
  return parseInt(lastTwoChars);
};

let arr = [];
//利用散列函数，插入运动员信息
const insert = (key) => {
  const index = hashMumber(key);
  arr[index] = {
    class: key.slice(0, 2),
    level: key.slice(2, 4),
  };
};
insert("123401");
insert("325602");
insert("237803");
//通过散列函数，获取到运动员信息
console.log(arr[hashMumber("237804")]);

散列函数基本要求

1，key1===key2 hash(key1)===hash(key2)
2，key1！==key2 hash(key1)！==hash(key2)
第二个，再真实的情况下，基本上都会发生重复现象的，这种线性就是散列冲突

散列冲突

既然无法避免冲突，那么该怎么解决那

1，开放寻址法

思路：出现散列冲突，就从找一个位置，进行插入。那这里的关键就是从新找到一个新的位置

线性探测

当我们向散列表中插入数据的时候，如果通过散列函数得到的结果，再散列表中已经被占用的话，我们就继续向后查找，如果有空闲位置就放入（这里向后查找完后，可以从散列表头再查找），否则就停止该操作.
散列表的查找与该操作类似，如果有就代表找到了元素，否则就无该数据。
散列表删除，不过用线性探测方法，删除有些特殊，这里并不能真正的把数据删除，而是进行标记的方法。
这里有点麻烦，我来详细解释下，我们使用线性探测的方法，插入数据的时候，如果对应的下标是空闲的就直接插入，否则就向下查找空闲位置来插入。
因此用线性探测查找的话，首先也是从对应的下标进行查找，如果发现不是，会向后继续查找这里是关键，因为插入的时候，发现该位置被占用的话，就会向后查找位置，再遇到的第一个空闲位置进行插入。所以再线性探测查找数据的过程中，如果遇到了空闲位置，还没找到的话，就会默认代表没有，而这里的空闲位置，有可能是被删除的。
所以这里大家就明白了吧，不能直接删除数据。因此这里用标记的方法来处理。
这里大家也因该发现了问题的吧，线性探测的话，再数据越来越多，散列冲突多的情况下，查找与删除的效果也就会越来越高，最坏时间复杂度为o(n);

二次探测

线性探测的每次为1，hash(key)，hash(key)+1，hash(key)+2
二次探测hash(key)+0，hash(key)+1^{2，hash(key)+2}2

双重散列

用一组散列函数，如果第一次计算后，位置被占用，就调用第二个散列函数来计算，以此类推，直到找到最终的位置
不论哪种方法，再开放寻址法里面，只要数据越来越多，散列冲突就会越来越多。
装载因子，用其来表示空位的多少。
计算公式：散列表的装载因子=填入表中的元素个数/散列表的长度
结果越来越大时，代表空闲位置越来越少，冲突越来越多，性能越来越差