2024年数据结构学习笔记（七）：哈希表（Hash Table，从外包公司到今日头条offer

网上学习资料一大堆，但如果学到的知识不成体系，遇到问题时只是浅尝辄止，不再深入研究，那么很难做到真正的技术提升。

需要这份系统化资料的朋友，可以戳这里获取

一个人可以走的很快，但一群人才能走的更远！不论你是正从事IT行业的老鸟或是对IT行业感兴趣的新人，都欢迎加入我们的的圈子（技术交流、学习资源、职场吐槽、大厂内推、面试辅导），让我们一起学习成长！

定义一个 字典（哈希表）， 键-值 为上述列表的 索引-元素

dict_1 = {0:‘赵’, 1:‘钱’, 2:‘孙’, 3:‘李’}

再定义一个 字典（哈希表），键-值 为 拼音首字母-汉字

dict_2 = {‘z’:‘赵’, ‘q’:‘钱’, ‘s’:‘孙’, ‘l’:‘李’}

## 2 哈希函数（Hash Function）与哈希冲突（Hash Collision）


### 2.1 哈希函数及其设计方法


数组是顺序存储，可以顺序访问（即遍历），也可以随机访问；而哈希表则实现了**随机存取**，无论是存储还是取出数据都与数据所在的位置无关。实现随机存取依靠的是**哈希函数（Hash Function）**。


哈希函数的格式是：**addr = f(key)**。其中addr指的是数据的内存地址，key指的是数据值有关的关键字。存储时，通过关键字分配得一个内存空间；取出时，通过关键字定位到内存地址，从而得到数据值。


键值对为“索引-元素”的哈希表，哈希函数应写为：**addr = f(index) = index**。其实就是一个一元一次函数：y=x，这是一个线性函数，因此数组既能顺序访问，也能随机访问。但是数组的随机访问是有局限性的，访问元素只有基于顺序的索引这一个选择，不能根据数值本身包含的信息查找数据。我们来看下面的两个存储姓氏的哈希表，代码语言为Python：

family_name_1 = {1:‘赵’, 2:‘钱’, 3:‘孙’, 4:‘李’}

family_name_2 = {‘z’:‘赵’, ‘q’:‘钱’, ‘s’:‘孙’, ‘l’:‘李’}

第一个哈希表（字典）的关键字是姓氏在《百家姓》中的次序，第二个哈希表（字典）的关键字是姓氏的拼音首字母，如何定义关键字是根据需求来的。


哈希函数的设计是为了让“键值对”中的“键”具有**唯一性**，且符合数据检索的需求。设计哈希函数的常用方法包括：直接定制法、数字分析法、平方取中法、折叠法和除留取余法。


1. 直接定制：比如上面姓氏哈希表的“键”就是根据某种规则直接定制的；
2. 数字分析：比如存储个人信息的表中，取身份证后六位，因为这几位不容易重复；
3. 平方取中：即取平方再取中间的若干位，适用于重复位较多的数据，平方为了扩大差异；
4. 分段叠加：比如将18位身份证号三等分，再将三个六位数值叠加（舍去进位）；
5. 除留取余：将关键字与长度短于关键字的数字做除法，取余数为地址；
6. 随机数法：比如快递柜的六位取件码就是随机生成的。


从以上方法中不难看不出，对原数据值哈希函数可以起到**化长为短**的作用。比如18位的身份证号经过数字分析法后就变成了6位。 如果作为关键字的数据占空间很大，直接拿来用是很浪费内存的。


### 2.2 哈希冲突及其解决方案（含Java模拟）


任何一种哈希函数都很难保证得到的哈希值不会重复，一旦重复就会产生冲突。解决哈希冲突有两种常用的方法：开放地址法（openning addressing）和链表法（chaining）。


#### 2.2.1 开放地址法


开放地址法的思路很好理解，如果出现哈希冲突，就采用某种探测方法从发生冲突的位置依照某种探测顺序依次查找，直到找到哈希表中的空位，将关键字存入。探测方法包括**线性探测（Linear Probing）、二次探测（Quadratic Probing）、双重哈希（Double hashing）**等。最常用的是**线性探测**。


比如我们要存入一组关键字{10,12,13,14,22,21}，哈希函数采用除留取余法，除数为7，余数分别是{3,5,6,0,1,0}，我们发现有两个0，存在冲突，先进入的14占据了0位置，21不能再用这个位置。线性探测的过程如下图所示：


![](https://img-blog.csdnimg.cn/20210626020916450.png?x-oss-process=image/watermark,type_ZmFuZ3poZW5naGVpdGk,shadow_10,text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3dlaXhpbl80NTM3MDQyMg==,size_16,color_FFFFFF,t_70)


可以用**Java**简单地模拟一下这个过程，数组模拟哈希表，数组的索引模拟地址。

package com.notes.data_structure7;

public class LinearProbing {

public static void main(String[] args) {
	// 模拟 哈希表 的数组
	int[] table = new int[7];
	// 要存入的关键字
	int[] keys = {10,12,13,14,22,21};
	for(int i=0;i<keys.length;i++) {
		int key = keys[i];
		int addr = get_addr(key);
		if(table[addr]==0) { // 无哈希冲突
			table[addr] = key;
		}else { // 有哈希冲突
			int current_addr = addr;
			a:for(int j=0;j<table.length;j++) {
				current_addr++;
				if(current_addr==table.length) {
					current_addr=0;
				}
				if(table[current_addr]==0) { // 无哈希冲突
					table[current_addr] = key;
					break a;
			    }
		    }
	    }
    }
	// 打印表
	for(int i=0;i<table.length;i++) {
		System.out.println("addr:"+i+",key:"+table[i]);
	}
}

// 哈希函数
static public int get_addr(int key) {
	return key%7;
}

}

打印结果下，key值为0表示位置为空。

addr:0,key:14
addr:1,key:22
addr:2,key:21
addr:3,key:10
addr:4,key:0
addr:5,key:12
addr:6,key:13

线性探测也是有局限性的，加入的值越多，发生哈希冲突的可能性就越大，哈希表的性能就越差。比如上面的关键字21因为哈希冲突被调到了地址2的位置，如果再加一个关键字为23，经哈希函数计算地址为2，又与21发生哈希冲突，不得不再次线性探测。


为了弥补上述缺陷，又出现了**二次探测**、**双重哈希**等改进方法。**二次探测**在线性探测基础上增加了地址跳转的跨度，那上面的代码来说，线性探测的次序是current\_addr+1,+2,+3，二次探测次序是current\_addr+1,+4,+9。**双重哈希**是预设多个的哈希函数，一个发生冲突，就换一个，直到不冲突为止。


#### 2.2.2 链表法


链表法的思路是，哈希表的每一个槽(slot)都是一个链表，哈希函数计算的是槽位，将值根据相应的槽位存入对应的链表，这种解决方法比开放地址法要更加方便。


同样用**Java**模拟这个方法，该方法相比于开放地址法，省去判断是否有哈希冲突和遍历寻址的操作。链表的代码复用“数据结构学习笔记”系列的第一篇文章“链表”的代码，链接贴在下面：


<https://blog.csdn.net/weixin_45370422/article/details/116573863>


![](https://img-blog.csdnimg.cn/20210626031808960.png?x-oss-process=image/watermark,type_ZmFuZ3poZW5naGVpdGk,shadow_10,text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3dlaXhpbl80NTM3MDQyMg==,size_16,color_FFFFFF,t_70)


Java代码模拟的结果呈现方式是：由于链表里定义的打印结点的方法是不换行打印，因此不同的槽位用空行隔开，空位直接打印“空槽”两个字。

package com.notes.data_structure7;

public class Chaining {

public static void main(String[] args) {
	// 模拟 哈希表 的数组，表槽（slot）的数据类型是链表
	MyLink[] table = new MyLink[7];
	// 要存入的关键字
	int[] keys = {10,12,13,14,22,21};
	for(int i=0;i<keys.length;i++) {
		int key = keys[i];
		int addr = get_addr(key);
		if(table[addr]==null) {
			table[addr] = new MyLink();
		}
		table[addr].addNode(key);
	}
	// 打印表（链表的结点值打印不换行，不同的表槽用空行隔开，空位直接打印空槽）
	for(int i=0;i<table.length;i++) {
		MyLink link = table[i];
		try {

既有适合小白学习的零基础资料，也有适合3年以上经验的小伙伴深入学习提升的进阶课程，涵盖了95%以上大数据知识点，真正体系化！

由于文件比较多，这里只是将部分目录截图出来，全套包含大厂面经、学习笔记、源码讲义、实战项目、大纲路线、讲解视频，并且后续会持续更新

需要这份系统化资料的朋友，可以戳这里获取

础资料，也有适合3年以上经验的小伙伴深入学习提升的进阶课程，涵盖了95%以上大数据知识点，真正体系化！**

由于文件比较多，这里只是将部分目录截图出来，全套包含大厂面经、学习笔记、源码讲义、实战项目、大纲路线、讲解视频，并且后续会持续更新

需要这份系统化资料的朋友，可以戳这里获取