这是我参与11月更文挑战的第 12 天，活动详情查看：2021最后一次更文挑战
前言
算法，对于前端er来说是既熟悉又陌生的。 说到熟悉，在我们日常的写bug 🐛 的过程中，我们总会有意无意地用到了算法，比如最简单的数组sort()排序、Math.max()、Math.min()等方法。说到陌生，我们很少去深入探索算法是怎么实现的、不同算法之间的优劣、算法的执行效率... =_=
算法对于每个开发者来说都是一门至关重要的必修课。学会算法，不仅有助于我们更好地解决问题，还有助于学习源码、面试等等。不过，前端岗位对于算法的要求不是很高，不需要面面面俱到，我们可以从简单的入门，掌握常用的算法，抓住侧重点即可。
为了学习和巩固常用的算法，这里整理了一个LeetCode算法解题系列，包括解题思路和通用的解法。学习算法没有捷径可走，唯有在不断做题的过程中去总结和掌握！
题目
给定一个整数数组和一个整数 k，判断数组中是否存在两个不同的索引 i 和 j，使得 nums [i] = nums [j]，并且 i 和 j 的差的 绝对值 至多为 k。
示例 1:
输入: nums = [1,2,3,1], k = 3
输出: true
示例 2:
输入: nums = [1,0,1,1], k = 1
输出: true
示例 3:
输入: nums = [1,2,3,1,2,3], k = 2
输出: false
思考
题目中说到i 和 j 的差的绝对值至多为 k，那么我们可以借助一个大小为k的滑动窗口来解决问题，也就是每次移动时所选择的区间大小都是一致的，设置为k。
同时，考虑到我们会做多次的搜索、插入、删除等操作，为了避免每次操作所耗费的时间，我们可以借用哈希表（散列表）来维护一个大小为k的滑动窗口。这可以大大地提升我们的代码的执行效率！🚀
我们可以遍历数组nums，判断数组元素是否在哈希表中，如果存在则返回true；不存在则添加到哈希表中。同时，为了维护哈希表的大小，每当哈希表的大小超过时，我们要删除哈希表中的第一个元素。这样子，就实现了我们的需求了~
解答
哈希表
/**
* @author 觅迹
* @param {number[]} nums
* @param {number} k
* @return {boolean}
*/
var containsNearbyDuplicate = function(nums, k) {
const set = new Set()
for(let i = 0; i < nums.length; i++) {
if (set.has(nums[i])) return true // 判断是否在set中
set.add(nums[i])
if (set.size > k) {
set.delete(nums[i - k])
}
}
return false
};
复杂度分析：
- 时间复杂度：O(n)，其中 n 是数组 nums 的长度。
- 空间复杂度：O(min(n, k))，所需的额外空间取决于哈希表中存储的元素的个数。
