对于数组和链表来说，他们在各种的领域属于是互补型。哈希表就属于是通吃了。
那我就有个疑问了？为什么hash表这么好 还需要数组和链表 直接全部定义为Hash表不好吗？
哈希表的优缺点
优点：
- 快速操作：查找、添加和删除元素的平均时间复杂度为 O(1)，高效。
- 适用于动态数据：适合需要频繁查找和更新的数据集。
缺点：
- 空间复杂度：哈希表可能需要额外的空间来处理冲突和维护内部结构。
- 哈希冲突：尽管处理冲突的技术（如链式哈希和开放定址）存在，但仍可能影响性能。
- 不支持排序：哈希表中的元素没有顺序，因此不支持按顺序访问或排序。
适用场景：
- 数据量大，且需要频繁的查找、添加、删除操作。
- 不需要对数据进行排序或顺序访问。
数组的优缺点
优点：
- 快速索引：通过索引访问元素的时间复杂度为 O(1)，非常高效。
- 内存利用：数组的内存分配是连续的，内存利用效率高。
- 支持排序：可以方便地对数组进行排序和顺序访问。
缺点：
- 固定大小：传统数组大小固定，不支持动态扩展（尽管动态数组可以扩展）。
- 插入和删除效率低：在中间位置插入或删除元素需要移动其他元素，时间复杂度为 O(n)。
适用场景：
- 数据量相对固定，且需要高效的随机访问和排序操作。
- 数据插入和删除操作较少，主要关注访问速度。
链表的优缺点
优点：
- 动态大小：链表可以动态扩展，适合处理大小不确定的数据。
- 高效插入和删除：在链表中插入和删除元素的时间复杂度为 O(1)，只需调整指针即可。
缺点：
- 慢速访问：访问链表中的元素需要从头开始逐个遍历，时间复杂度为 O(n)。
- 额外开销：链表需要额外的空间来存储指针，内存开销较大。
适用场景：
- 数据量动态变化，且需要频繁插入和删除操作。
- 对随机访问的需求不高，更多关注插入和删除操作的效率。
选择数据结构的考虑因素
- 操作频率：如果主要操作是查找，哈希表是理想选择。如果需要频繁插入和删除，链表更合适。
- 数据量大小：数组在处理固定大小的数据时效率高，但链表和哈希表更适合处理动态数据。
- 空间与时间权衡：哈希表可能会消耗更多的内存，链表的访问速度较慢，而数组的扩展性有限。
- 排序和顺序访问：如果需要排序或顺序访问，数组更适合。
重点就在于：适合需要频繁查找和更新的需要Hash表，如果是只需要查找就用数组，更多需要更新就用链表。
简单介绍Hash
Hash（哈希）是一种将数据映射到固定大小值的技术。它的核心目的是快速存取数据。哈希函数会将输入的任意大小的数据（比如字符串或文件）转换成固定长度的数字（哈希值）。常见的哈希函数有MD5、SHA-1、SHA-256等。
生活中的例子
- 图书馆的书籍： 想象图书馆里每本书都有一个唯一的编号，书架上书的排列是按照编号来进行的。这样，当你需要找一本特定的书时，你只需查找编号就可以快速定位。
- 密码存储： 当你设置一个密码时，系统不会直接保存你的密码，而是将其通过哈希函数处理后存储。即使黑客拿到存储的哈希值，也很难反推出原始密码，因为哈希函数的逆向是非常困难的。
哈希的特点
- 唯一性：好的哈希函数能尽量避免不同输入映射到相同的哈希值（这种情况叫做哈希冲突）。
- 不可逆：从哈希值无法还原出原始输入。
- 固定长度：不论输入数据多大，哈希值长度是固定的。
使用场景
- 数据检索：哈希表（Hash Table）中，哈希函数用来快速定位数据存储的位置。
- 数据完整性：用于检测数据在传输或存储过程中的完整性。
- 加密：密码存储和验证中常用哈希函数保护用户数据安全。
哈希是数据管理中非常重要的一部分，它提高了数据处理的效率和安全性。
什么是Hash冲突，如何解决Hash冲突
Hash冲突是指不同的输入数据被哈希函数映射到相同的哈希值。由于哈希函数将任意长度的输入映射到固定长度的哈希值，存在输入数据无限多但哈希值有限的情况，这就可能导致不同输入产生相同的哈希值。
解决Hash冲突的方法
-
链式哈希（Chaining） ：
- 概念：每个哈希表的桶（或槽）都保存一个链表。所有映射到同一个哈希值的元素都会被存储在这个链表中。
- 优点：简单且有效，冲突时只需在链表中插入新元素即可。
- 缺点：可能会导致链表过长，查询效率下降。
class HashTable { constructor(size) { this.size = size; this.table = new Array(size).fill(null).map(() => []); } hash(key) { let hash = 0; for (let i = 0; i < key.length; i++) { hash = (hash + key.charCodeAt(i)) % this.size; } return hash; } set(key, value) { const index = this.hash(key); const bucket = this.table[index]; const item = bucket.find(([k]) => k === key); if (item) { item[1] = value; // 更新值 } else { bucket.push([key, value]); // 插入新值 } } get(key) { const index = this.hash(key); const bucket = this.table[index]; const item = bucket.find(([k]) => k === key); return item ? item[1] : undefined; } } -
开放定址（Open Addressing） ：
-
概念：当发生冲突时，哈希表会在表中寻找下一个空位置来存放冲突的元素。
-
常见策略：
- 线性探测（Linear Probing） ：在冲突发生时，线性地探测下一个位置。
- 二次探测（Quadratic Probing） ：探测位置按二次方增加。
- 双重哈希（Double Hashing） ：使用另一个哈希函数来确定探测间隔。
class OpenAddressingHashTable { constructor(size) { this.size = size; this.table = new Array(size).fill(null); } hash(key) { let hash = 0; for (let i = 0; i < key.length; i++) { hash = (hash + key.charCodeAt(i)) % this.size; } return hash; } probe(index, i) { return (index + i) % this.size; } set(key, value) { let index = this.hash(key); for (let i = 0; i < this.size; i++) { let probeIndex = this.probe(index, i); if (this.table[probeIndex] === null || this.table[probeIndex][0] === key) { this.table[probeIndex] = [key, value]; return; } } } get(key) { let index = this.hash(key); for (let i = 0; i < this.size; i++) { let probeIndex = this.probe(index, i); if (this.table[probeIndex] === null) return undefined; if (this.table[probeIndex][0] === key) return this.table[probeIndex][1]; } return undefined; } } -
-
再哈希（Rehashing） ：
- 概念：当哈希表的负载因子（元素数量/表大小）过高时，创建一个更大的哈希表，并重新计算所有元素的哈希值以放入新的表中。
- 优点：减轻了哈希冲突的概率。
- 缺点：可能会导致性能下降，因为需要重新计算所有元素的哈希值。
class ResizableHashTable { constructor(size) { this.size = size; this.table = new Array(size).fill(null).map(() => []); this.count = 0; } hash(key) { let hash = 0; for (let i = 0; i < key.length; i++) { hash = (hash + key.charCodeAt(i)) % this.size; } return hash; } resize(newSize) { const oldTable = this.table; this.size = newSize; this.table = new Array(newSize).fill(null).map(() => []); this.count = 0; oldTable.forEach(bucket => { bucket.forEach(([key, value]) => this.set(key, value)); }); } set(key, value) { if (this.count / this.size > 0.7) this.resize(this.size * 2); const index = this.hash(key); const bucket = this.table[index]; const item = bucket.find(([k]) => k === key); if (item) { item[1] = value; } else { bucket.push([key, value]); this.count++; } } get(key) { const index = this.hash(key); const bucket = this.table[index]; const item = bucket.find(([k]) => k === key); return item ? item[1] : undefined; } }
哈希算法
哈希算法是一种将输入数据（如文本或文件）转换为固定长度的输出值（即哈希值）的数学算法。哈希算法在很多领域都很重要，比如数据存储、加密和验证。不同的哈希算法具有不同的特性和用途。
常见的哈希算法
-
MD5（Message Digest Algorithm 5）
-
输出长度：128位（16字节）
-
特点：速度快，广泛用于文件完整性校验，但由于碰撞问题（不同输入产生相同的哈希值），不再推荐用于安全敏感的应用。
-
示例：
const crypto = require('crypto'); const hash = crypto.createHash('md5').update('hello world').digest('hex'); console.log(hash); // 5eb63bbbe01eeed0934d5c6f8f3f3d1e
-
-
SHA-1（Secure Hash Algorithm 1）
-
输出长度：160位（20字节）
-
特点：比MD5安全性稍高，但也存在碰撞问题。现在也不推荐用于安全应用。
-
示例：
const crypto = require('crypto'); const hash = crypto.createHash('sha1').update('hello world').digest('hex'); console.log(hash); // 2ef7bde608ce5404e97d5f042f95f89f1c232871
-
-
SHA-256（Secure Hash Algorithm 256-bit）
-
输出长度：256位（32字节）
-
特点：比SHA-1更安全，广泛应用于数据加密和数字签名。
-
示例：
const crypto = require('crypto'); const hash = crypto.createHash('sha256').update('hello world').digest('hex'); console.log(hash); // a591a6d40bf420404a011733cfb7b190d62c65bf0bcda6d4b037a25d6c8b9f3e
-
-
SHA-3（Secure Hash Algorithm 3）
-
输出长度：可选择224位、256位、384位、512位
-
特点：SHA-3是SHA系列的最新成员，设计上与SHA-2有所不同，提供更高的安全性。
-
示例：
const crypto = require('crypto'); const hash = crypto.createHash('sha3-256').update('hello world').digest('hex'); console.log(hash); // a5a626d4841d89c720aa5f0b53db16b89fa8e7d7cf5b8d8b2b1b673aaf37d6d9
-
哈希算法的特点
- 固定长度：无论输入数据多大，输出的哈希值长度固定。
- 唯一性：理想情况下，不同的输入应该产生不同的哈希值，但在实际中存在碰撞的可能性。
- 不可逆：无法从哈希值反推出原始输入。
- 快速计算：哈希值的计算应该非常快。
- 抗碰撞性：好的哈希算法应尽可能减少碰撞的概率。
使用场景
- 数据完整性：验证数据在传输或存储过程中是否被篡改。
- 密码存储：将密码通过哈希算法处理后存储，以增加安全性。
- 数字签名：用于确保消息来源的真实性和完整性。
- 数据结构：如哈希表中的数据快速定位。
