PHP Perl 关联数组 哈希表 Hash Table

关联数组，又称为哈希表（hash table），是一种非常好用的数据结构。

在程序中，我们可能会遇到需要消重的问题，举一个最简单的模型：

有一份用户名列表，存储了 10000 个用户名，没有重复项；
还有一份黑名单列表，存储了 2000 个用户名，格式与用户名列表相同；
现在需要从用户名列表中删除处在黑名单里的用户名，要求用尽量快的时间处理。

这个问题是一个小规模的处理量，如果实际一点，2 个表都可能很大，比如有 2 亿条记录。

我最开始想到的方法，就是做一个嵌套的循环，设用户名表有 M 条记录，黑名单列表有 N 条记录，那么，循环的次数是 M * N 次！
PHP 版代码：

$nameM) {
foreach($arrayN as $nameN) {
if ($nameM == $nameN) {
// 本行执行了 M * N 次！
unset($arrayM[$keyM]);
}
}
}
return $arrayM;
?>

另一种方式，利用数组索引。

PHP 是一种弱类型的语言，不像 C 语言那样有严格的变量类型限制。C 语言的数组，每一个元素的类型必须一致，而且索引都是从 0 开始。
PHP 的数组，可以用字符串作为索引，也称为关联数组。
数组索引，有一个天然的限制就是不会重复，而且访问的时候不需要查找，可以直接定位。

还是刚才的那个问题，我们采用另一种办法。

把黑名单列表的用户名组织到一个数组里，数组的索引就是用户名。

然后，遍历用户列表的时候，只需直接用 isset 查询那个用户名是否存在即可。

PHP 版代码：

$nameM) {
if (isset($arrayHash[$nameM])) {
// 本行执行了 M 次！
unset($arrayM[$keyM]);
}
}
return $arrayM;
?>

可以看到，优化过的代码，循环次数是 M + N 次。

假如 M 和 N 都是 10000，优化前，循环了 1 亿次；优化后，只循环了 20000 次，差了 5000 倍！
如果第二个程序耗时 1 秒，则第一个程序需要将近一个半小时！

最近在做 Perl 的开发，Perl 在处理文本的时候有很高的效率，同样，它也支持关联数组！

只是语法和 PHP 的那种类 C 的方式有很大不同，以第二段代码为例，Perl 版的实现：

#!/usr/bin/perl
my %arrayHash;
for(my $i = 0; $i < @arrayN; ++$i) { $arrayHash{$arrayN[$i]} = 1; } for(my $i = 0; $i < @arrayM; ++$i) { if ($arrayHash{$arrayM[$i]}) { $arrayM[$i] = undef; } }

Perl 的数组是 @ 开头，哈希是以 % 开头，unset 实际上就是 undef。
Perl 的哈希和数组都是有具体类型的，而且向函数传递变量的时候要传引用，我刚学时间不长，快被搞晕了。

不过，现在刚刚实现了一个以 hash 方式进行 IP 位置查找的算法，平均比较次数大概在 3 次左右，比传统的折半查找方式少了很多次，它大概需要 8 次以上的比较。

刚刚做了一个小的性能测试，对 10 万个 IP 进行查找，在我的台式机上，耗时 15 秒，平均每秒 7500 次，感觉还不错，呵呵。

不过，还是喜欢 PHP 的数组，真的很强大！

God Bless PHP!