理解使用对象作为散列的JavaScript算法的复杂性

我试图想出一个算法来解决下面的问题

给定一个ID数组

var ids = [8098272281362432, 7824519999782912];

查找项目数组中的所有匹配项

var people = [
    {
      "id": 8098272281362432,
      "age": 59,
      "name": "Douglas Hunter"
    }, 
    {
      "id": 625873891885056,
      "age": 1,
      "name": "Lottie Owen"
    }, 
    {
      "id": 7824519999782912,
      "age": 100,
      "name": "Maud Wise"
    }, 
    {
      "id": 2561552265773056,
      "age": 115,
      "name": "Annie Bennett"
    }
];

方法1 我可以通过按

id

（

O（n log n）

）对两个数组进行排序，然后自上而下迭代两个数组一次（

O（n）

）

方法2 我想我可以用

O（n）

算法改进这一点，方法是创建一个id到人的映射，然后我就可以查找每个id对应的人

var alg2 = function(people, ids) {
  var matches = [];

  peopleMap = {};

  people.forEach(function(person) {
    //Is this O(1) or O(log n)?
    peopleMap[person.id] = person;
  });

  ids.forEach(function(id) {
    matches.push(peopleMap[id]);
  });

  return matches;
};

然而，当我测试这两种算法时，它们的表现似乎差不多#1在chrome中更快，而#2在Firefox中稍快

---

我感觉在对象中插入一个字段是

O（logn）

而不是

O（1）

。我读过一些关于这个的相互矛盾的帖子，所以我不确定。我想这可能取决于浏览器。有没有办法用JavaScript中的O（n）算法一致地解决这个问题？

首先，JavaScript不要求将对象实现为散列（平均

O（1）

lookup），而不是使用一些其他结构，如BTree，即

O（log（n））

。因此，没有人能够保证对象属性查找的性能

但通常人们使用散列。它们是

O（1）

但正如这个笑话所说，无论出于何种目的，log（n）都是一个常数。对于谷歌来说，这是一个稍大的常数。这抓住了一个真实的事实。

log（1000）

和

log（100000000）

之间的差异是3倍。访问CPU缓存中的内容与访问RAM之间的差异是10倍。虽然理论上

O（1）

比

O（log（n））

好，但实际上，对于我们实际可能遇到的数据量，实现细节的差别要大得多。任何一方都可以获胜

---

因此，您的基准测试没有说明任何关于理论缩放规则的有用信息。不同的实现在您的用例中有不同的性能赢家，这是您必须在其中工作的不幸事实之一。

首先，JavaScript不要求将对象实现为哈希（平均

O（1）

lookup）而不是使用一些其他结构，比如BTree，它是

O（log（n））

。因此，没有人能够保证对象属性查找的性能

但通常人们使用散列。它们是

O（1）

但正如这个笑话所说，无论出于何种目的，log（n）都是一个常数。对于谷歌来说，这是一个稍大的常数。这抓住了一个真实的事实。

log（1000）

和

log（100000000）

之间的差异是3倍。访问CPU缓存中的内容与访问RAM之间的差异是10倍。虽然理论上

O（1）

比

O（log（n））

好，但实际上，对于我们实际可能遇到的数据量，实现细节的差别要大得多。任何一方都可以获胜

---

因此，您的基准测试没有说明任何关于理论缩放规则的有用信息。不同的实现会为您的用例带来不同的性能赢家，这是您必须在其中工作的不幸事实之一。

如果您有工作代码并希望改进它，我想知道这是否是你发表文章的最佳地点。花额外的时间构建

人物地图

可能会为大型数据集带来更多回报，或者如果你创建一次地图，然后重复查找。此外，您似乎没有利用#1中已排序的数组，因此我想知道您为什么还要费心对它们进行排序。数组是经常更新还是只更新一次？@VikramBhat数组只更新一次，如果您有工作代码并希望对其进行改进，我想知道这是否是你发表文章的最佳地点。花额外的时间构建

人物地图

可能会为大型数据集带来更多回报，或者如果你创建一次地图，然后重复查找。另外，你似乎没有利用#1中的排序数组，所以我想知道你为什么还要费心对它们进行排序。数组是经常更新还是只更新一次？@VikramBhat数组在我用200万个项目进行测试后才更新

Log2（2000000）=21

因此，如果方法1是

O（n log n）

而方法2是

O（n）

，那么我希望看到

log n

开始产生一些效果。但这两种算法仍然基本相同。因此，我认为这可能更像是在对象中插入成本

O（logn）

，而不是

logn

太小而无法注意到。但我想这仍然很难说，因为CPU缓存等其他因素可能会妨碍您，您真的无法向它抛出足够的数据来实验性地找出日志因素。此外，当排序算法非常友好时，哈希往往对缓存很难实现。作为一个极端的例子，如果磁盘上有100GB的数据，sort将执行多个数量级的散列。我用200万个项目测试了这一点

Log2（2000000）=21

因此，如果方法1是

O（n log n）

而方法2是

O（n）

，那么我希望看到

log n

开始产生一些效果。但这两种算法仍然基本相同。因此，我认为这可能更像是在对象中插入成本

O（logn）

，而不是

logn

太小而无法注意到。但我想这仍然很难说，因为CPU缓存等其他因素可能会妨碍您，您真的无法向它抛出足够的数据来实验性地找出日志因素。此外，当排序算法不可用时，哈希往往对缓存很难实现

var alg2 = function(people, ids) {
  var matches = [];

  peopleMap = {};

  people.forEach(function(person) {
    //Is this O(1) or O(log n)?
    peopleMap[person.id] = person;
  });

  ids.forEach(function(id) {
    matches.push(peopleMap[id]);
  });

  return matches;
};