1. 簡介
查找算是工作過程中運用最廣泛的操作了，操作系統讀取文件時需要查找，從數據庫讀取數據時需要查找…
本文將對常見的查找算法進行總結。
2. 常見算法
2.1 順序查找
基本思想：
該算法簡單粗暴，從頭（或是最後）開始遍歷，找到要查的數據就停止遍歷並返回結果，如果遍歷完也沒有找到就是查找不成功。
時間複雜度:O(n)
2.2 有序表
2.2.1 二分查找
基本思想：
- 將表中間位置記錄的關鍵字與查找關鍵字比較，如果兩者相等，則查找成功；
- 否則利用中間位置記錄將表分成前、後兩個子表，
- 如果中間位置記錄的關鍵字大於查找關鍵字，則進一步查找前一子表，
- 否則進一步查找後一子表。
- 重複以上過程，直到找到滿足條件的記錄，使查找成功，或直到子表不存在爲止，此時查找不成功
時間複雜度:O(log2n)
2.2.2 插值查找
對於數值變化幅度比較均勻的有序數組，要查的值在數組中的位置基本是可以確定的，例如[10,20,30,40,60,70,80,90,100,120,130,140]這個數組，30是在數組的前半部分，60應該是離30不遠的位置，而130則是在數組的後半部分，120,140是在130附近。
二分查找法用在上面的數組中，對於位置的計算可能就存在優化的空間了，優化後的算法就叫插值查找法。
基本思想：基於二分查找算法，將查找點的選擇改進爲自適應選擇，可以提高查找效率。插值查找是根據要查找的關鍵字key與查找表中最大最小記錄的關鍵字比較後的查找方法，改進後的公式如下：
時間複雜度：o(logn)
適用場景：對於表長較大而關鍵字分佈比較均勻的查找表來說，效率高於二分查找法。
2.2.3 斐波那契查找
斐波那契數列如下所示：
斐波那契查找原理與前兩種相似，僅僅改變了中間結點（mid）的位置，mid不再是中間或插值得到，而是位於黃金分割點附近，即mid=low+F(k-1)-1（F代表斐波那契數列），如下圖所示：
基本思想：
由斐波那契數列 F[k]=F[k-1]+F[k-2]的性質，可以得到（F[k]-1）=（F[k-1]-1）+（F[k-2]-1）+1。該式說明：只要順序表的長度爲F[k]-1，則可以將該表分成長度爲F[k-1]-1和F[k-2]-1的兩段，即如上圖所示。從而中間位置爲mid=low+F(k-1)-1
但順序表長度n不一定剛好等於F[k]-1，所以需要將原來的順序表長度n增加至F[k]-1。這裏的k值只要能使得F[k]-1恰好大於或等於n即可。
時間複雜度：O(log2n)。
理輪上，由於下述原因，該算法的平均性能會高於二分查找法：
- 如果查找的記錄在右側，則查找的數據量會少一些
- mid=low+F(k-1)-1. 是基於加減法的操作，數據量大的時候，效率上會高於除法。
2.3 無序數據
數據按照時間存儲，值可能是無序的。
2.3.1 簡單索引
基本思想：存儲數據的時候，使用數據的key創建出有序的索引，索引中還保存指向原始數據的指針。查找的時候可以用有序表的算法找到索引，然後用索引中存儲的數據指針找到原始數據。
2.3.2 分塊索引
數據量大的時候，簡單索引需要較多的內存空間去存儲索引數據，此時可以考慮使用分塊索引。
算法思想：將n個數據元素"按塊有序"劃分爲m塊（m ≤ n）。每一塊中的結點不必有序，但塊與塊之間必須"按塊有序"；即第1塊中任一元素的關鍵字都必須小於第2塊中任一元素的關鍵字；而第2塊中任一元素又都必須小於第3塊中的任一元素，……
索引結果如下圖所示：
查找流程：
- 先選取各塊中的最大關鍵字構成一個索引表；
- 查找分兩個部分：先對索引表進行二分查找或順序查找，以確定待查記錄在哪一塊中；然後，在已確定的塊中用順序法進行查找。
2.3.3 倒排索引
解決文本搜索的必備技能，請參考：https://blog.csdn.net/eric_sunah/article/details/79404022 第五章節
2.3.4 哈希查找
請參考：https://blog.csdn.net/eric_sunah/article/details/85393235
2.3.5 B家族的樹
曾轉過一篇關於常見B系列樹的介紹，包括：B樹、B-樹、B+樹、B*樹，請參考：https://blog.csdn.net/eric_sunah/article/details/86482113
2.3.6 紅黑樹查找
請參考：https://blog.csdn.net/eric_sunah/article/details/86482146