共计 2502 个字符，预计需要花费 7 分钟才能阅读完成。
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
