一、哈希概念
顺序结构以及平衡树中,元素关键码与其存储位置之间没有对应的关系,因此在查找一个元素时,必须要经过关键码的多次比较。顺序查找时间复杂度为O(N),平衡树中为树的高度,即O( l o g 2 N log_2 N log2N),搜索的效率取决于搜索过程中元素的比较次数。这样的话我们能不能不经过任何比较,一次直接从表中得到要搜索的元素?
如果构造一种存储结构,通过某种函数(hashFunc)使元素的存储位置与它的关键码之间能够建立一一映射的关系,那么在查找时通过该函数可以很快找到该元素
当向该结构中:
- 插入元素
根据待插入元素的关键码,然后函数计算出该元素的存储位置并按此位置进行存放- 搜索元素
对元素的关键码进行同样的计算,把求得的函数值当做元素的存储位置,在结构中按此位置取元素比较,若关键码相等,则搜索成功
这种方式即为哈希(散列)方法,哈希方法中使用的转换函数称为哈希(散列)函数,构造出来的结构称为哈希表(Hash Table)(或者称散列表)
二、哈希函数
2.1 哈希函数设计原则
- 哈希函数的定义域必须包括需要存储的全部关键码,而如果散列表允许有m个地址时,其值域必须在0到m-1之间
- 哈希函数计算出来的地址能均匀分布在整个空间中
- 哈希函数应该比较简单
2.2 常见的哈希函数
- 直接定址法
这种方法就是使用key的值来映射一个绝对或相对位置,计数排序的核心思想就基于此 - 除留余数法
这种方法就是使用key的值来%N(表的大小)来映射到表中的一个位置
对于上述两种方法都存在着这样的情况,就是两个key映射的位置刚好相同……,这就是哈希冲突
注意:哈希函数设计的越精妙,产生哈希冲突的可能性就越低,但是无法避免哈希冲突
三、哈希冲突及其解决
3.1 哈希冲突的概念
对于两个数据元素的关键字
k
i
k_i
ki和
k
j
k_j
kj(i != j),有
k
i
k_i
ki !=
k
j
k_j
kj,但有:Hash(
k
i
k_i
ki) == Hash(
k
j
k_j
kj),即:不同关键字通过相同哈希哈数计算出相同的哈希地址,该种现象称为哈希冲突或哈希碰撞
那么发生哈希冲突该如何处理呢?
3.2 哈希冲突的解决
解决哈希冲突两种常见的方法是:闭散列(开放定址法)和开散列(哈希桶/拉链法)
3.2.1 闭散列——开放定址法
闭散列:也叫开放定址法,当发生哈希冲突时,如果哈希表未被装满,说明在哈希表中必然还有空位置,那么可以把key存放到冲突位置中的“下一个” 空位置中去
那么我们如何找下个位置呢?
- 线性探测
线性探测:从发生冲突的位置开始,依次向后探测,直到寻找到下一个空位置为止。- 插入
通过哈希函数获取待插入元素在哈希表中的位置,如果该位置中没有元素则直接插入新元素,如果该位置中有元素发生哈希冲突,使用线性探测找到下一个空位置,插入新元素 - 删除
采用闭散列处理哈希冲突时,不能随便物理删除哈希表中已有的元素,若直接删除元素会影响其他元素的搜索。因此线性探测采用标记的伪删除法来删除一个元素
- 插入
- 二次探测
线性探测的缺陷是产生冲突的数据堆积在一块,这与其找下一个空位置有关系,因为找空位置的方式就是挨着往后逐个去找,因此二次探测为了避免该问题,找下一个空位置的方法为: H i H_i Hi = ( H 0 H_0 H0 + i 2 i^2 i2 )% m, 或者: H i H_i Hi = ( H 0 H_0 H0 - i 2 i^2 i2 )% m。其中:i = 1,2,3…, H 0 H_0 H0是通过散列函数Hash(x)对元素的关键码 key 进行计算得到的位置,m是表的大小。
研究表明:当表的长度为质数且表装载因子a不超过0.5时,新的表项一定能够插入,而且任何一个位置都不会被探查两次。因此只要表中有一半的空位置,就不会存在表满的问题。在搜索时可以不考虑表装满的情况,但在插入时必须确保表的装载因子a不超过0.5,如果超出必须考虑增容。
因此:闭散列最大的缺陷就是空间利用率比较低,这也是哈希的缺陷
那么哈希表什么情况下进行扩容?如何扩容?
对闭散列的线性探测的实现:
#pragma once
#include<iostream>
#include<vector>
#include<cassert>
#include<algorithm>
using namespace std;
//哈希函数
//对于int 、double、size_t 、int* 等类型
template<class K>
struct HashFunc
{
size_t operator()(const K& key)
{
return size_t(key);
}
};
//对于string 的特化处理
template<>
struct HashFunc<string>
{
size_t operator()(const string& key)
{
size_t ret = 0;
for (const auto& e : key)
ret = ret * 31 + e;
return ret;
}
};
//状态
enum State
{
Empty,
Delete,
Exit
};
//哈希表中的数据
template<class K,class V>
struct HashData
{
pair<K, V> _kv;
State _state;
};
//哈希表
template<class K,class V,class Hash=HashFunc<K>>
class HashTable
{
public:
HashTable()
{
_ht.resize(10);
_n = 0;
}
bool find(const K& key)
{
size_t hashi = Hash()(key) % _ht.size();//定位
while (_ht[hashi]._state != Empty)
{
if (_ht[hashi]._kv.first == key && _ht[hashi]._state == Exit)
return true;
++hashi;
hashi %= _ht.size();
}
return false;
}
bool insert(const pair<K,V>& kv)
{
if (find(kv.first))
return false;
//检查是否需要扩容
if (_n * 10 / _ht.size() == 7)
{
//现代写法
HashTable newht;
newht._ht.resize(_ht.size() * 2);
for (int i = 0; i < _ht.size(); i++)
newht.insert(_ht[i]._kv);
_ht.swap(newht._ht);//交换两个表
}
//定位
size_t hashi = Hash()(kv.first) % _ht.size();
while (_ht[hashi]._state == Exit)
{
hashi++;
hashi %= _ht.size();
}
//插入
_ht[hashi]._kv = kv;
_ht[hashi]._state = Exit;
_n++;
return true;
}
bool erase(const K& key)
{
if (!find(key))
return false;
size_t hashi = Hash()(key) % _ht.size();
while (_ht[hashi]._state == Exit)
{
if (_ht[hashi]._kv.first == key)
{
_ht[hashi]._state = Delete;
return true;
}
++hashi;
hashi %= _ht.size();
}
return false;
}
private:
vector<HashData<K, V>> _ht;
size_t _n;//有效元素个数
};
3.2.2 开散列——拉链法/哈希桶
开散列法又叫链地址法(开链法),首先对关键码集合用散列函数计算散列地址,具有相同地址的关键码归于同一子集合,每一个子集合称为一个桶,各个桶中的元素通过一个单链表链接起来,各链表的头结点存储在哈希表中。
开散列桶的个数是一定的,随着元素的不断插入,每个桶中元素的个数不断增多,极端情况下,可能会导致一个桶中链表节点非常多,会影响的哈希表的性能,因此在一定条件下需要对哈希表进行增容,那该条件怎么确认呢?开散列最好的情况是:每个哈希桶中刚好挂一个节点,再继续插入元素时,每一次都会发生哈希冲突,因此,在元素个数刚好等于桶的个数时,可以给哈希表增容。
从上图可以看出,开散列中每个桶中放的都是发生哈希冲突的元素
对开散列的实现:
#pragma once
#include<iostream>
#include<vector>
#include<cassert>
#include<algorithm>
using namespace std;
//对于int 、double、size_t 、int* 等类型
template<class K>
struct HashFunc
{
size_t operator()(const K& key)
{
return size_t(key);
}
};
//对于string 的特化处理
template<>
struct HashFunc<string>
{
size_t operator()(const string& key)
{
size_t ret = 0;
for (const auto& e : key)
ret = ret * 31 + e;
return ret;
}
};
//状态
enum State
{
Empty,
Delete,
Exit
};
//哈希表中的数据
template<class K, class V>
struct HashNode
{
pair<K, V> _kv;
HashNode* next;
HashNode(const pair<K, V> kv) :_kv(kv), next(nullptr) {}
};
template<class K, class V, class Hash = HashFunc<K>>
class HashTable
{
typedef HashNode<K, V> Node;
public:
HashTable()
{
_ht.resize(10);
_n = 0;
}
bool find(const K& key)
{
size_t hashi = Hash()(key) % _ht.size();//定位
Node* cur = _ht[hashi];
while (cur)
{
if (cur->_kv.first == key)
return true;
cur = cur->next;
}
return false;
}
bool insert(const pair<K, V>& kv)
{
if (find(kv.first))
return false;
//扩容
if (_n == _ht.size())
{
vector<Node*> newht(_ht.size() * 2);
for (int i = 0; i < _ht.size(); i++)
{
Node* cur = _ht[i];
while (cur)
{
Node* next = cur->next;
size_t hashi = Hash()(_ht[i]->_kv.first) % newht.size();
if (newht[i] == nullptr)
newht[i] = cur;
else
{
cur->next = newht[i];
newht[i] = cur;
}
_ht[i] = next;
}
}
_ht.swap(newht);
}
size_t hashi = Hash()(kv.first) % _ht.size();//定位
Node* newnode = new Node(kv);
newnode->next = _ht[hashi];
_ht[hashi] = newnode;
_n++;
return true;
}
bool erase(const K& key)
{
size_t hashi = Hash()(key) % _ht.size();//定位
Node* prev = nullptr;
Node* cur = _ht[hashi];
while (cur)
{
if (cur->_kv.first == key)
{
if (prev == nullptr)
{
_ht[hashi] = nullptr;
}
else
{
prev->next = cur->next;
}
delete cur;
cur = nullptr;
_n--;
return true;
}
prev = cur;
cur = cur->next;
}
return false;
}
private:
vector<Node*> _ht;
size_t _n;
};
3.3 开散列与闭散列比较
应用链地址法处理溢出,需要增设链接指针,似乎增加了存储开销。事实上:由于开地址法必须保持大量的空闲空间以确保搜索效率,如二次探查法要求装载因子a <=0.7,而表项所占空间又比指针大的多,所以使用链地址法反而比开地址法节省存储空间。