在本節中,你將會學到HashTable
類,也叫HashMap
類,它是Dictionary
類的一種散列表實現方式。
散列算法的作用是盡可能快地在數據結構中找到一個值。在之前的章節中,你已經知道如果要在數據結構中獲得一個值(使用get
方法),需要遍歷整個數據結構來找到它。如果使用散列函數,就知道值的具體位置,因此能夠快速檢索到該值。散列函數的作用是給定一個鍵值,然後返回值在表中的地址。
舉個例子,我們繼續使用在前一節中使用的電子郵件地址簿。我們將要使用最常見的散列函數——「lose lose」散列函數,方法是簡單地將每個鍵值中的每個字母的ASCII值相加。
7.2.1 創建散列表
我們將使用數組來表示我們的數據結構,該數據結構和上一章中的圖表所用的非常相似。
和之前一樣,我們從搭建類的骨架開始:
function HashTable {
var table = ;
}
然後,給類添加一些方法。我們給每個類實現三個基本方法。
put(key,value)
:向散列表增加一個新的項(也能更新散列表)。remove(key)
:根據鍵值從散列表中移除值。get(key)
:返回根據鍵值檢索到的特定的值。
在實現這三個方法之前,要實現的第一個方法是散列函數,它是HashTable
類中的一個私有方法:
var loseloseHashCode = function (key) {
var hash = 0; //{1}
for (var i = 0; i < key.length; i++) { //{2}
hash += key.charCodeAt(i); //{3}
}
return hash % 37; //{4}
};
給定一個key
參數,我們就能根據組成key
的每個字符的ASCII碼值的和得到一個數字。所以,首先需要一個變量來存儲這個總和(行{1}
)。然後,遍歷key
(行{2}
)並將從ASCII表中查到的每個字符對應的ASCII值加到hash
變量中(可以使用JavaScript的String
類中的charCodeAt
方法——行{3}
)。最後,返回hash
值。為了得到比較小的數值,我們會使用hash值和一個任意數做除法的餘數(mod
)。
要瞭解更多關於ASCII的信息,請訪問http://www.asciitable.com/。
現在,有了散列函數,我們就可以實現put
方法了:
this.put = function(key, value) {
var position = loseloseHashCode(key); //{5}
console.log(position + ' - ' + key); //{6}
table[position] = value; //{7}
};
首先,根據給定的key
,我們需要根據所創建的散列函數計算出它在表中的位置(行{5}
)。為了便於展示信息,我們將計算出的位置輸出至控制台(行{6}
)。由於它不是必需的,我們也可以將這行代碼移除。然後要做的,是將value
參數添加到用散列函數計算出的對應的位置上。(行{7}
)。
從HashTable
實例中查找一個值也很簡單。為此,我們將會實現一個get
方法:
this.get = function (key) {
return table[loseloseHashCode(key)];
};
首先,我們會使用所創建的散列函數來求出給定key
所對應的位置。這個函數會返回值的位置,因此我們所要做的就是根據這個位置從數組table
中獲得這個值。
我們要實現的最後一個方法是remove
方法:
this.remove = function(key) {
table[loseloseHashCode(key)] = undefined;
};
要從HashTable
實例中移除一個元素,只需要求出元素的位置(可以使用散列函數來獲取)並賦值為undefined
。
對於HashTable
類來說,我們不需要像ArrayList
類一樣從table
數組中將位置也移除。由於元素分佈於整個數組範圍內,一些位置會沒有任何元素佔據,並默認為undefined
值。我們也不能將位置本身從數組中移除(這會改變其他元素的位置),否則,當下次需要獲得或移除一個元素的時候,這個元素會不在我們用散列函數求出的位置上。
7.2.2 使用HashTable
類
讓我們執行一些代碼來測試HashTable
類:
var hash = new HashTable;
hash.put('Gandalf', '[email protected]');
hash.put('John', '[email protected]');
hash.put('Tyrion', '[email protected]');
執行上述代碼,會在控制台中獲得如下輸出:
19 - Gandalf
29 - John
16 - Tyrion
下面的圖表展現了包含這三個元素的HashTable
數據結構:
現在來測試get
方法:
console.log(hash.get('Gandalf'));
console.log(hash.get('Loiane'));
獲得如下的輸出:
[email protected]
undefined
由於Gandalf
是一個在散列表中存在的鍵,get
方法將會返回它的值。而由於Loiane
是一個不存在的鍵,當我們試圖在數組中根據位置獲取值的時候(一個由散列函數生成的位置),返回值將會是undefined
(即不存在)。
然後,我們試試從散列表中移除Gandalf
:
hash.remove('Gandalf');
console.log(hash.get('Gandalf'));
由於Gandalf
不再存在於表中,hash.get('Gandalf')
方法將會在控制台上給出undefined
的輸出結果。
7.2.3 散列表和散列集合
散列表和散列映射是一樣的,我們已經在本章中介紹了這種數據結構。
在一些編程語言中,還有一種叫作散列集合的實現。散列集合由一個集合構成,但是插入、移除或獲取元素時,使用的是散列函數。我們可以重用本章中實現的所有代碼來實現散列集合,不同之處在於,不再添加鍵值對,而是只插入值而沒有鍵。例如,可以使用散列集合來存儲所有的英語單詞(不包括它們的定義)。和集合相似,散列集合只存儲唯一的不重複的值。
7.2.4 處理散列表中的衝突
有時候,一些鍵會有相同的散列值。不同的值在散列表中對應相同位置的時候,我們稱其為衝突。例如,我們看看下面的代碼會得到怎樣的輸出結果:
var hash = new HashTable;
hash.put('Gandalf', '[email protected]');
hash.put('John', '[email protected]');
hash.put('Tyrion', '[email protected]');
hash.put('Aaron', '[email protected]');
hash.put('Donnie', '[email protected]');
hash.put('Ana', '[email protected]');
hash.put('Jonathan', '[email protected]');
hash.put('Jamie', '[email protected]');
hash.put('Sue', '[email protected]');
hash.put('Mindy', '[email protected]');
hash.put('Paul', '[email protected]');
hash.put('Nathan', '[email protected]');
輸出結果如下:
19 - Gandalf
29 - John
16 - Tyrion
16 - Aaron
13 - Donnie
13 - Ana
5 - Jonathan
5 - Jamie
5 - Sue
32 - Mindy
32 - Paul
10 – Nathan
注意,
Tyrion
和Aaron
有相同的散列值(16
)。Donnie
和Ana
有相同的散列值(13
),Jonathan
、Jamie
和Sue
有相同的散列值(5
),Mindy
和Paul
也有相同的散列值(32
)。
那HashTable
實例會怎樣呢?執行之前的代碼後散列表中會有哪些值呢?
為了獲得結果,我們來實現一個叫作print
的輔助方法,它會在控制台上輸出HashTable
中的值:
this.print = function {
for (var i = 0; i < table.length; ++i) { //{1}
if (table[i] !== undefined) { //{2}
console.log(i + ": " + table[i]);//{3}
}
}
};
首先,遍歷數組中的所有元素(行{1}
)。當某個位置上有值的時候(行{2}
),會在控制台上輸出位置和對應的值(行{3}
)。
現在來使用這個方法:
hash.print;
在控制台上得到如下的輸出結果:
5: [email protected]
10: [email protected]
13: [email protected]
16: [email protected]
19: [email protected]
29: [email protected]
32: [email protected]
Jonathan
、Jamie
和Sue
有相同的散列值,也就是5
。由於Sue
是最後一個被添加的,Sue
將是在HashTable
實例中佔據位置5
的元素。首先,Jonathan
會佔據這個位置,然後Jamie
會覆蓋它,然後Sue
會再次覆蓋。這對於其他發生衝突的元素來說也是一樣的。
使用一個數據結構來保存數據的目的顯然不是去丟失這些數據,而是通過某種方法將它們全部保存起來。因此,當這種情況發生的時候就要去解決它。處理衝突有幾種方法:分離鏈接、線性探查和雙散列法。在本書中,我們會介紹前兩種方法。
分離鏈接
分離鏈接法包括為散列表的每一個位置創建一個鏈表並將元素存儲在裡面。它是解決衝突的最簡單的方法,但是它在
HashTable
實例之外還需要額外的存儲空間。例如,我們在之前的測試代碼中使用分離鏈接的話,輸出結果將會是這樣:
在位置5上,將會有包含三個元素的
LinkedList
實例;在位置13、16和32上,將會有包含兩個元素的LinkedList
實例;在位置10、19和29上,將會有包含單個元素的LinkedList
實例。對於分離鏈接和線性探查來說,只需要重寫三個方法:
put
、get
和remove
。這三個方法在每種技術實現中都是不同的。為了實現一個使用了分離鏈接的
HashTable
實例,我們需要一個新的輔助類來表示將要加入LinkedList
實例的元素。我們管它叫ValuePair
類(在HashTable
類內部定義):var ValuePair = function(key, value){ this.key = key; this.value = value; this.toString = function { return '[' + this.key + ' - ' + this.value + ']'; } };
這個類只會將
key
和value
存儲在一個Object
實例中。我們也重寫了toString
方法,以便之後在瀏覽器控制台中輸出結果。(1)
put
方法我們來實現第一個方法,
put
方法,代碼如下:this.put = function(key, value){ var position = loseloseHashCode(key); if (table[position] == undefined) { //{1} table[position] = new LinkedList; } table[position].append(new ValuePair(key, value)); //{2} };
在這個方法中,將驗證要加入新元素的位置是否已經被佔據(行
{1}
)。如果這個位置是第一次被加入元素,我們會在這個位置上初始化一個LinkedList
類的實例(你已經在第5章中學習過)。然後,使用第5章中實現的append
方法向LinkedList
實例中添加一個ValuePair
實例(鍵和值)(行{2}
)。(2)
get
方法然後,我們實現用來獲取特定值的
get
方法:this.get = function(key) { var position = loseloseHashCode(key); if (table[position] !== undefined){ //{3} //遍歷鏈表來尋找鍵/值 var current = table[position].getHead; //{4} while(current.next){ //{5} if (current.element.key === key){ //{6} return current.element.value; //{7} } current = current.next; //{8} } //檢查元素在鏈表第一個或最後一個節點的情況 if (current.element.key === key){ //{9} return current.element.value; } } return undefined; //{10} };
我們要做的第一個驗證,是確定在特定的位置上是否有元素存在(行
{3}
)。如果沒有,則返回一個undefined
表示在HashTable
實例中沒有找到這個值(行{10}
)。如果在這個位置上有值存在,我們知道這是一個LinkedList
實例。現在要做的是遍歷這個鏈表來尋找我們需要的元素。在遍歷之前先要獲取鏈表表頭的引用(行{4}
),然後就可以從鏈表的頭部遍歷到尾部(行{5}
,current.next
將會是null
)。Node
鏈表包含next
指針和element
屬性。而element
屬性又是ValuePair
的實例,所以它又有value
和key
屬性。可以通過current.element.key
來獲得Node
鏈表的key
屬性,並通過比較它來確定它是否就是我們要找的鍵(行{6}
)。(這就是要使用ValuePair
這個輔助類來存儲元素的原因。我們不能簡單地存儲值本身,這樣就不能確定哪個值對應著特定的鍵。)如果key
值相同,就返回Node
的值(行{7}
);如果不相同,就繼續遍歷鏈表,訪問下一個節點(行{8}
)。如果要找的元素是鏈表的第一個或最後一個節點,那麼就不會進入
while
循環的內部。因此,需要在行{9}
處理這種特殊的情況。(3)
remove
方法使用分離鏈接法從
HashTable
實例中移除一個元素和之前在本章實現的remove
方法有一些不同。現在使用的是鏈表,我們需要從鏈表中移除一個元素。來看看remove
方法的實現:this.remove = function(key){ var position = loseloseHashCode(key); if (table[position] !== undefined){ var current = table[position].getHead; while(current.next){ if (current.element.key === key){ //{11} table[position].remove(current.element); //{12} if (table[position].isEmpty){ //{13} table[position] = undefined; //{14} } return true; //{15} } current = current.next; } // 檢查是否為第一個或最後一個元素 if (current.element.key === key){ //{16} table[position].remove(current.element); if (table[position].isEmpty){ table[position] = undefined; } return true; } } return false; //{17} };
在
remove
方法中,我們使用和get
方法一樣的步驟找到要找的元素。遍歷LinkedList
實例時,如果鏈表中的current
元素就是要找的元素(行{11}
),使用remove
方法將其從鏈表中移除。然後進行一步額外的驗證:如果鏈表為空了(行{13}
——鏈表中不再有任何元素了),就將散列表這個位置的值設為undefined
(行{14}
),這樣搜索一個元素或打印它的內容的時候,就可以跳過這個位置了。最後,返回true
表示這個元素已經被移除(行{15}
)或者在最後返回false
表示這個元素在散列表中不存在(行{17}
)。同樣,需要和get
方法一樣,處理元素在第一個或最後一個的情況(行{16}
)。重寫了這三個方法後,我們就擁有了一個使用了分離鏈接法來處理衝突的
HashMap
實例。線性探查
另一種解決衝突的方法是線性探查。當想向表中某個位置加入一個新元素的時候,如果索引為index的位置已經被佔據了,就嘗試index+1的位置。如果index+1的位置也被佔據了,就嘗試index+2的位置,以此類推。
put
方法讓我們繼續實現需要重寫的三個方法。第一個是
put
方法:this.put = function(key, value){ var position = loseloseHashCode(key); // {1} if (table[position] == undefined) { // {2} table[position] = new ValuePair(key, value); // {3} } else { var index = ++position; // {4} while (table[index] != undefined){ // {5} index++; // {6} } table[index] = new ValuePair(key, value); // {7} } };
和之前一樣,先獲得由散列函數生成的位置(行
{1}
),然後驗證這個位置是否有元素存在(如果這個位置被佔據了,將會通過行{2}
的驗證)。如果沒有元素存在,就在這個位置加入新元素(行{3}
——一個ValuePair
的實例)。如果這個位置已經被佔據了,需要找到下一個沒有被佔據的位置(
position
的值是undefined
),因此我們聲明一個index
變量並賦值為position+1
(行{4}
——在變量名前使用自增運算符++
會先遞增變量值然後再將其賦值給index
)。然後驗證這個位置是否被佔據(行{5}
),如果被佔據了,繼續將index
遞增(行{6}
),直到找到一個沒有被佔據的位置。然後要做的,就是將值分配到這個位置(行{7}
)。在一些編程語言中,我們需要定義數組的大小。如果使用線性探查的話,需要注意的一個問題是數組的可用位置可能會被用完。在JavaScript中,我們不需要擔心這個問題,因為我們不需要定義數組的大小,它可以根據需要自動改變大小——這是JavaScript內置的一個功能。
如果再次執行7.2.4節中插入數據的代碼,下圖展示使用了線性探查的散列表的最終結果:
讓我們來模擬一下散列表中的插入操作。
(1) 試著插入Gandalf。它的散列值是19,由於散列表剛剛被創建,位置19還是空的——可以在這裡插入數據。
(2) 試著在位置29插入John。它也是空的,所以可以插入這個姓名。
(3) 試著在位置16插入Tyrion。它是空的,所以可以插入這個姓名。
(4) 試著插入Aaron,它的散列值也是16。位置16已經被Tyrion佔據了,所以需要檢查索引值為position+1的位置(16+1)。位置17是空的,所以可以在位置 17插入Aaron。
(5) 接著,試著在位置13插入Donnie。它是空的,所以可以插入這個姓名。
(6) 想在位置13插入Ana,但是這個位置被佔據了。因此在位置14進行嘗試,它是空的,所以可以在這裡插入姓名。
(7) 然後,在位置5插入Jonathan,這個位置是空的,所以可以插入這個姓名。
(8) 試著在位置5插入Jamie,但是這個位置被佔了。所以跳至位置6,這個位置是空的,因此可以在這個位置插入姓名。
(9) 試著在位置5插入Sue,但是位置被佔據了。所以跳至位置6,但也被佔了。接著跳至位置7,這裡是空的,所以可以在這裡插入姓名。以此類推。
get
方法現在插入了所有的元素,讓我們實現
get
方法來獲取它們的值吧:this.get = function(key) { var position = loseloseHashCode(key); if (table[position] !== undefined){ //{8} if (table[position].key === key) { //{9} return table[position].value; //{10} } else { var index = ++position; while (table[index] === undefined || table[index].key !== key){ //{11} index++; } if (table[index].key === key) { //{12} return table[index].value; //{13} } } } return undefined; //{14} };
要獲得一個鍵對應的值,先要確定這個鍵存在(行
{8}
)。如果這個鍵不存在,說明要查找的值不在散列表中,因此可以返回undefined
(行{14}
)。如果這個鍵存在,需要檢查我們要找的值是否就是這個位置上的值(行{9}
)。如果是,就返回這個值(行{10}
)。如果不是,就在散列表中的下一個位置繼續查找,直到找到一個鍵值與我們要找的鍵值相同的元素(行
{11}
)。然後,驗證一下當前項就是我們要找的項(行{12}
——只是為了確認一下)並且將它的值返回(行{13}
)。我們無法確定要找的元素實際上在哪個位置,這就是使用
ValuePair
來表示HashTable
元素的原因。remove
方法remove
方法和get
方法基本相同,不同之處在於行{10}
和{13}
,它們將會由下面的代碼代替:table[index] = undefined;
要移除一個元素,只需要給其賦值為
undefined
,來表示這個位置不再被佔據並且可以在必要時接受一個新元素。
7.2.5 創建更好的散列函數
我們實現的「lose lose」散列函數並不是一個表現良好的散列函數,因為它會產生太多的衝突。如果我們使用這個函數的話,會產生各種各樣的衝突。一個表現良好的散列函數是由幾個方面構成的:插入和檢索元素的時間(即性能),當然也包括較低的衝突可能性。我們可以在網上找到一些不同的實現方法,或者也可以實現自己的散列函數。
另一個可以實現的比「lose lose」更好的散列函數是djb2:
var djb2HashCode = function (key) {
var hash = 5381; //{1}
for (var i = 0; i < key.length; i++) { //{2}
hash = hash * 33 + key.charCodeAt(i); //{3}
}
return hash % 1013; //{4}
};
它包括初始化一個hash
變量並賦值為一個質數(行{1}
——大多數實現都使用5381
),然後迭代參數key
(行{2}
),將hash
與33
相乘(用來當作一個魔力數),並和當前迭代到的字符的ASCII
碼值相加(行{3}
)。
最後,我們將使用相加的和與另一個隨機質數(比我們認為的散列表的大小要大——在本例中,我們認為散列表的大小為1000)相除的餘數。
如果再次執行7.2.4節中插入數據的代碼,這將是使用djb2HashCode
代替loseloseHash Code
的最終結果:
798 - Gandalf
838 - John
624 - Tyrion
215 - Aaron
278 - Donnie
925 - Ana
288 - Jonathan
962 - Jamie
502 - Sue
804 - Mindy
54 - Paul
223 - Nathan
沒有衝突!
這並不是最好的散列函數,但這是最受社區推崇的散列函數之一。
也有一些為數字鍵值準備的散列函數,你可以在http://goo.gl/VtdN2x找到一系列的實現。