首先我们来了解一下unordered系列关联式容器
1. unordered系列关联式容器
在C++98中，STL提供了底层为红黑树结构的一系列关联式容器，在查询时效率可达到logN，即最差情况下需要比较红黑树的高度次，当树中的节点非常多时，查询效率也不理想。最好的查询是，进行很少的比较次数就能够将元素找到，因此在C++11中，STL又提供了4个unordered系列的关联式容器，这四个容器与红黑树结构的关联式容器使用方式基本类似，只是其底层结构不同，本文中只对unordered_map和unordered_set进行介绍。
1.1 unordered_map
- unordered_map是存储<key, value>键值对的关联式容器，其允许通过keys快速的索引到与其对应的value。
- 在unordered_map中，键值通常用于惟一地标识元素，而映射值是一个对象，其内容与此键关联。键和映射值的类型可能不同。
- 在内部,unordered_map没有对<kye, value>按照任何特定的顺序排序, 为了能在常数范围内找到key所对应的value，unordered_map将相同哈希值的键值对放在相同的桶中。
- unordered_map容器通过key访问单个元素要比map快，但它通常在遍历元素子集的范围迭代方面效率较低。
- unordered_maps实现了直接访问操作符(operator[])，它允许使用key作为参数直接访问value。
- 它的迭代器至少是前向迭代器。
unordered_map的接口说明
unordered_map的容量
| 函数声明 | 功能介绍 |
| bool empty() const | 检测unordered_map是否为空 |
| size_t size() const | 获取unordered_map的有效元素个数 |
unordered_map的迭代器
| 函数声明 | 功能介绍 |
| begin | 返回unordered_map第一个元素的迭代器 |
| end | 返回unordered_map最后一个元素下一个位置的迭代器 |
| cbegin | 返回unordered_map第一个元素的const迭代器 |
| cend | 返回unordered_map最后一个元素下一个位置的const迭代器 |
unordered_map的元素访问
| 函数声明 | 功能介绍 |
| operator[] | 返回与key对应的value，没有一个默认值 |
需要注意的是：该函数中实际调用哈希桶的插入操作，用参数key与V()构造一个默认值往底层哈希桶中插入，如果key不在哈希桶中，插入成功，返回V()，插入失败，说明key已经在哈希桶中，将key对应的value返回。
unordered_map的查询
| 函数声明 | 功能介绍 |
| iterator find(const K& key) | 返回key在哈希桶中的位置 |
| size_t count(const K& key) | 返回哈希桶中关键码为key的键值对的个数 |
unordered_map的修改操作
| 函数声明 | 功能介绍 |
| insert | 向容器中插入键值对 |
| erase | 删除容器中的键值对 |
| void clear() | 清空容器中有效元素个数 |
| void swap(unordered_map&) | 交换两个容器中的元素 |
unordered_map的桶操作
| 函数声明 | 功能介绍 |
| size_t bucket_count()const | 返回哈希桶中桶的总个数 |
| size_t bucket_size(size_t n)const | 返回n号桶中有效元素的总个数 |
| size_t bucket(const K& key) | 返回元素key所在的桶号 |
1.2 unordered_set
参见unordered_set在线文档说明.
2. unordered系列的底层结构
unordered系列的关联式容器之所以效率比较高，是因为其底层使用了哈希结构。
2.1 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(logN)，搜索的效率取决于搜索过程中元素的比较次数。
理想的搜索方法：可以不经过任何比较，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，以此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。
该方式即为哈希(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)
例如：数据集合{1，7，6，4，5，9}；
哈希函数设置为：hash(key) = key % capacity; capacity为存储元素底层空间总的大小。
用该方法进行搜索不必进行多次关键码的比较，因此搜索的速度比较快
2.2 哈希冲突
对于两个数据元素的关键字_i和 _j [(_i) != (_j)]，有_i != _j，但有：Hash(_i) == Hash(_j)，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。
把具有不同关键码而具有相同哈希地址的数据元素称为“同义词”。
2.3 哈希函数
引起哈希冲突的一个原因可能是：哈希函数设计不够合理。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
常见哈希函数
1. 直接定址法--(常用)
取关键字的某个线性函数为散列地址：Hash（Key）= A*Key + B优点：简单、均匀缺点：需要事先知道关键字的分布情况使用场景：适合查找比较小且连续的情况.
2. 除留余数法--(常用)
设散列表中允许的地址数为m，取一个不大于m，但最接近或者等于m的质数p作为除数，按照哈希函数：Hash(key) = key% p(p<=m),将关键码转换成哈希地址
3. 平方取中法
假设关键字为1234，对它平方就是1522756，抽取中间的3位227作为哈希地址；再比如关键字为4321，对它平方就是18671041，抽取中间的3位671(或710)作为哈希地址
平方取中法比较适合：不知道关键字的分布，而位数又不是很大的情况
4. 折叠法
折叠法是将关键字从左到右分割成位数相等的几部分(最后一部分位数可以短些)，然后将这几部分叠加求和，并按散列表表长，取后几位作为散列地址。
折叠法适合事先不需要知道关键字的分布，适合关键字位数比较多的情况
5. 随机数法
选择一个随机函数，取关键字的随机函数值为它的哈希地址，即H(key) = random(key),其中random为随机数函数。通常应用于关键字长度不等时采用此法
6. 数学分析法
设有n个d位数，每一位可能有r种不同的符号，这r种不同的符号在各位上出现的频率不一定相同，可能在某些位上分布比较均匀，每种符号出现的机会均等，在某些位上分布不均匀只有某几种符号经常出现。可根据散列表的大小，选择其中各种符号分布均匀的若干位作为散列地址。
假设要存储某家公司员工登记表，如果用手机号作为关键字，那么极有可能前7位都是 相同的，那么我们可以选择后面的四位作为散列地址，如果这样的抽取工作还容易出现 冲突，还可以对抽取出来的数字进行反转(如1234改成4321)、右环位移(如1234改成4123)、左环移位、前两数与后两数叠加(如1234改成12+34=46)等方法。
数字分析法通常适合处理关键字位数比较大的情况，如果事先知道关键字的分布且关键字的若干位分布较均匀的情况.
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
2.4 哈希冲突解决
解决哈希冲突两种常见的方法是：闭散列和开散列
2.4.1 闭散列
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。那如何寻找下一个空位置呢
1. 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。比如删除元素4，如果直接删除掉，44查找起来可能会受影响。因此线性探测采用标记的伪删除法来删除一个元素。
线性探测的实现
template<class K, class V>
class HashTable
{
struct Elem
{
pair<K, V> _val;
State _state;
};
public:
HashTable(size_t capacity = 3)
: _ht(capacity), _size(0)
{
for (size_t i = 0; i < capacity; ++i)
_ht[i]._state = EMPTY;
}
bool Insert(const pair<K, V>& val)
{
// 检测哈希表底层空间是否充足
// _CheckCapacity();
size_t hashAddr = HashFunc(key);
// size_t startAddr = hashAddr;
while (_ht[hashAddr]._state != EMPTY)
{
if (_ht[hashAddr]._state == EXIST && _ht[hashAddr]._val.first
== key)
return false;
hashAddr++;
if (hashAddr == _ht.capacity())
hashAddr = 0;
// 转一圈也没有找到，注意：动态哈希表，该种情况可以不用考虑，哈希表中元
//素个数到达一定的数量，哈希冲突概率会增大，需要扩容来降低哈希冲突，因此哈希表中元素是
//不会存满的
}
// 插入元素
_ht[hashAddr]._state = EXIST;
_ht[hashAddr]._val = val;
_size++;
return true;
}
int Find(const K& key) {
size_t hashAddr = HashFunc(key);
while (_ht[hashAddr]._state != EMPTY)
{
if (_ht[hashAddr]._state == EXIST && _ht[hashAddr]._val.first
== key)
return hashAddr;
hashAddr++;
}
return hashAddr;
}
bool Erase(const K& key)
{
int index = Find(key);
if (-1 != index)
{
_ht[index]._state = DELETE;
_size++;
return true;
}
return false;
}
size_t Size()const;
bool Empty() const;
void Swap(HashTable<K, V, HF>& ht);
private:
size_t HashFunc(const K& key)
{
return key % _ht.capacity();
}
private:
vector<Elem> _ht;
size_t _size;
};哈希表什么情况下进行扩容？如何扩容？
散列表的载荷因子定义为: =填入表中的元素个数/散列表的长度
a是散列表装满程度的标志因子。由于表长是定值，a与“填入表中的元素个数”成正比，所以，a越大，表明填入表中的元素越多，产生冲突的可能性就越大;反之，a越小，标明填入表中的元素越少，产生冲突的可能性就越小。实际上，散列表的平均查找长度是载荷因子a的函数，只是不同处理冲突的方法有不同的函数。
对于开放定址法，荷载因子是特别重要因素，应严格限制在0.7-0.8以下。超过0.8，查表时的CPU缓存不命中(cachemissing)按照指数曲线上升。因此，一些采用开放定址法的hash库，如Java的系统库限制了荷载因子为0.75，超过此值将resize散列表。
线性探测优点：实现非常简单，
线性探测缺点：一旦发生哈希冲突，所有的冲突连在一起，容易产生数据“堆积”，即：不同关键码占据了可利用的空位置，使得寻找某关键码的位置需要许多次比较，导致搜索效率降低。
2. 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，
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：比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。
2.4.2 开散列
1. 开散列概念
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。
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。
2. 开散列实现
template<class k>
struct Hashfunc
{
size_t operator()(const k& _kv)
{
return (size_t)_kv;
}
};
template<>
struct Hashfunc<string>
{
size_t operator()(const string& _kv)
{
size_t a = 0;
for (auto e : _kv)
{
a += e;
a *= 31;
}
return a;
}
};
namespace bit
{
template<class T>
struct HashNode
{
T _kv;
HashNode<T>* _next;
HashNode(const T& kv)
: _kv(kv)
,_next(nullptr)
{ }
};
template<class k, class T, class KeyofT, class Hash>
class HashTable;
template<class k, class T, class ref, class ptr, class KeyofT, class Hash>
class IteratorHash
{
typedef HashNode<T> Node;
typedef IteratorHash<k, T, ref, ptr, KeyofT, Hash> self;
Node* _node;
const HashTable<k, T, KeyofT, Hash>* _tbptr;
public:
IteratorHash(Node* node, const HashTable<k, T, KeyofT, Hash>* tbptr)
:_node(node)
,_tbptr(tbptr)
{ }
ref operator*()
{
return _node->_kv;
}
ptr operator->()
{
return &_node->_kv;
}
bool operator!=(self& s)
{
return s._node != _node;
}
self& operator++()
{
if (_node->_next != nullptr)
{
_node = _node->_next;
}
else
{
KeyofT kot;
Hash ht;
size_t hashi = ht(kot(_node->_kv)) % _tbptr->_tables.size();
hashi++;
while (hashi < _tbptr->_tables.size() && _tbptr->_tables[hashi] == nullptr)
{
hashi++;
}
if (hashi == _tbptr->_tables.size())
{
_node = nullptr;
}
else
{
_node = _tbptr->_tables[hashi];
}
}
return *this;
}
};
template<class k, class T, class KeyofT, class Hash>
class HashTable
{
typedef HashNode<T> Node;
public:
template<class k, class T, class ref, class ptr,class KeyofT, class Hash>
friend class IteratorHash;
typedef IteratorHash<k, T, T&, T*, KeyofT, Hash> Iterator;
typedef IteratorHash<k, T, const T&, const T*, KeyofT, Hash> ConstIterator;
HashTable()
{
_tables.resize(10, nullptr);
}
~HashTable()
{
for (size_t i = 0; i < _tables.size(); i++)
{
while (_tables[i])
{
Node* root = _tables[i]->_next;
delete _tables[i];
_tables[i] = root;
}
_tables[i] = nullptr;
}
}
Iterator Begin()
{
if (_n == 0) return Iterator(nullptr, this);
else
{
int i = 0;
while (_tables[i] == nullptr)
{
i++;
}
return Iterator(_tables[i], this);
}
}
ConstIterator Begin()const
{
if (_n == 0) return ConstIterator(nullptr, this);
else
{
int i = 0;
while (_tables[i] == nullptr)
{
i++;
}
return ConstIterator(_tables[i], this);
}
}
Iterator End()
{
return Iterator(nullptr, this);
}
ConstIterator End()const
{
return ConstIterator(nullptr, this);
}
pair<Iterator, bool> Insert(const T& kv)
{
Hash hot;
KeyofT kot;
if (_n == _tables.size())
{
vector<Node*> _newtables(_tables.size() * 2, nullptr);
for (size_t i = 0; i < _tables.size(); i++)
{
while(_tables[i])
{
Node* root = _tables[i]->_next;
int hashi = hot(kot(_tables[i]->_kv)) % (_tables.size()*2);
_tables[i]->_next = _newtables[hashi];
_newtables[hashi] = _tables[i];
_tables[i] = root;
}
}
_tables.swap(_newtables);
}
int hashi = hot(kot(kv)) % _tables.size();
Node* root = _tables[hashi];
_tables[hashi] = new Node(kv);
_tables[hashi]->_next = root;
_n++;
return { Iterator(_tables[hashi], this), true};
}
Iterator Find(const k& key)
{
Hash hot;
KeyofT kot;
int hashi = hot(key) % _tables.size();
Node* root = _tables[hashi];
while (root)
{
if (kot(root->_kv) == key)
{
return Iterator(root, this);
}
root = root->_next;
}
return Iterator(nullptr, this);
}
bool Erase(const k& key)
{
Hash hot;
KeyofT kot;
int hashi = hot(key) % _tables.size();
Node* root = _tables[hashi];
Node* prev = nullptr;
while (root)
{
if (kot(root->_kv) == key)
{
if (prev == nullptr)
{
_tables[hashi] = root->_next;
}
else
{
prev->_next = root->_next;
}
delete root;
_n--;
return true;
}
prev = root;
root = root->_next;
}
return false;
}
private:
vector<Node*> _tables;
size_t _n = 0;
};
}3. 开散列增容
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。
5. 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
感谢大家的观看
扫一扫
320
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
