無論是資料庫，還是普通的erp系統，查詢功能資料處理的乙個基本功能。資料查詢並不複雜，但是如何實現資料又快又好地查詢呢？前人在實踐中積累的一些方法，值得我們好好學些一下。我們假定查詢的資料唯一存在，陣列中沒有重複的資料存在。
（1） 普通的資料查詢
設想有乙個1m的資料，我們如何在裡面找到我們想要的那個資料。此時資料本身沒有特徵，所以我們需要的那個資料可能出現在陣列的各個位置，可能在資料的開頭位置，也可能在資料的結束位置。這種性質要求我們必須對資料進行遍歷之後才能獲取到對應的資料。
int find(int array, int length, int value)
return -1;
}
由於我們不清楚這個資料判斷究竟需要多少次。但是，我們知道，這樣乙個資料查詢最少需要1次，那麼最多需要n次，平均下來可以看成是（1+n）/2，差不多是n的一半。我們把這種比較次數和n成正比的演算法複雜度記為o（n）。
（2）上面的資料沒有任何特徵，這導致我們的資料排列地雜亂無章。試想一下，如果資料排列地非常整齊，那結果會是什麼樣的呢？就像在生活中，如果平時不注意收拾整齊，那麼找東西的時候非常麻煩，效率很低；但是一旦東西放的位置固定下來，所有東西都歸類放好，那麼結果就不一樣了，我們就會形成思維定勢，這樣查詢東西的效率就會非常高。那麼，對乙個有序的陣列，我們應該怎麼查詢呢？二分法就是最好的方法。
int binary_sort(int array, int length, int value)
else
} return -1;
}
上面我們說到普通的資料查詢演算法複雜度是o（n）。那麼我們可以用上面一樣的方法判斷一下演算法複雜度。這種方法最少是1次，那麼最多需要多少次呢？我們發現最多需要log（n+1）/log（2）即可。大家可以找個例子自己算一下，比如說7個資料，我們發現最多3次；如果是15個資料呢，那麼最多4次；以此類推，詳細的論證方法可以在《演算法導論》、《計算機程式設計藝術》中找到。明顯，這種資料查詢的效率要比前面的查詢方法高很多。
（3） 上面的查詢是建立在連續記憶體基礎之上的，那麼如果是指標型別的資料呢？怎麼辦呢？那麼就需要引入排序二叉樹了。排序二叉樹的定義很簡單：（1）非葉子節點至少一邊的分支非null；（2）葉子節點左右分支都為null；（3）每乙個節點記錄乙個資料，同時左分支的資料都小於右分支的資料。可以看看下面的定義：
typedef struct _node
node;
const node* find_data(const node* pnode, int data)（4）同樣，我們看到（2）、（3）都是建立在完全排序的基礎之上，那麼有沒有建立在折中基礎之上的查詢呢？有，那就是雜湊表。雜湊表的定義如下：1）每個資料按照某種聚類運算歸到某一大類，然後所有資料鏈成乙個鍊錶；2）所有鍊錶的頭指標形成乙個指標陣列。這種方法因為不需要完整排序，所以在處理中等規模資料的時候很有效。其中節點的定義如下：
typedef struct _link_node
link_node;
那麼hash表下面的資料怎麼查詢呢？
link_node* hash_find(link_node* array, int mod, int data)
return plinknode;
}
hash表因為不需要排序，只進行簡單的歸類，在資料查詢的時候特別方便。查詢時間的大小取決於mod的大小。mod越小，那麼hash查詢就越接近於普通查詢；那麼hash越大呢，那麼hash一次查詢成功的概率就大大增加。
一步一步寫演算法（之查詢）
無論是資料庫，還是普通的erp系統，查詢功能資料處理的乙個基本功能。資料查詢並不複雜，但是如何實現資料又快又好地查詢呢？前人在實踐中積累的一些方法，值得我們好好學些一下。我們假定查詢的資料唯一存在，陣列中沒有重複的資料存在。1 普通的資料查詢 設想有乙個1m的資料，我們如何在裡面找到我們想要的那個資...
一步一步寫演算法（之 A 演算法）
在前面的部落格當中，其實我們已經討論過尋路的演算法。不過，當時的示例圖中，可選的路徑是唯一的。我們挑選乙個演算法，就是說要把這個唯一的路徑選出來，怎麼選呢？當時我們就是採用窮盡遞迴的演算法。然而，今天的情形有點不太一樣了。在什麼地方呢？那就是今天的路徑有n條，這條路徑都可以達到目的地，然而我們在挑選...
一步一步寫演算法（之 A 演算法）
在前面的部落格當中，其實我們已經討論過尋路的演算法。不過，當時的示例圖中，可選的路徑是唯一的。我們挑選乙個演算法，就是說要把這個唯一的路徑選出來，怎麼選呢？當時我們就是採用窮盡遞迴的演算法。然而，今天的情形有點不太一樣了。在什麼地方呢？那就是今天的路徑有n條，這條路徑都可以達到目的地，然而我們在挑選...