> 作者：დ旧言~
> 座右铭：松树千年终是朽，槿花一日自为荣。> 目标：手撕哈希表的闭散列和开散列
> 毒鸡汤：谁不是一边受伤，一边学会坚强。
> 专栏选自：C嘎嘎进阶
> 望小伙伴们点赞👍收藏✨加关注哟💕💕
🌟前言
谈到哈希表，大家都做过这样的题目，统计字符串的字母个数，像这样的题目可以创建一个数组，每个字母采用 a['ch']++ 计入数组中，这样的数组我们称之为哈希表，这种哈希表也是最简单的，如果说为了方便直接调用哈希表，那这个哈希表该如何模拟呢？这个问题也是今天我们所探讨的，手撕哈希表。
⭐主体
学习手撕哈希表的闭散列和开散列咱们按照下面的图解：
🌙哈希概念
知识回顾
在顺序结构以及平衡树中，由于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；比如顺序表中需要从表头开始依次往后比对寻找，查找时间复杂度为 O(N)，平衡树中需要从第一层开始逐层往下比对寻找，查找时间复杂度为 O(logN)；即搜索的效率取决于搜索过程中元素的比较次数。
分析探讨
如果构造一种存储结构，可以通过某种函数 (hashFunc) 使元素的存储位置与它的关键码之间能够建立一对一的映射关系，那么在查找时通过该函数就可以很快找到该元素；当向该结构中：
- 插入元素时：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；
- 搜索元素时：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。
总结归纳
该方法即为 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)。
注意事项
我们上面提到的不管是顺序搜索、平衡树搜索还是哈希搜索，其 key 值都是唯一的，也就是说，搜索树中不允许出现相同 key 值的节点，哈希表中也不允许出现相同 key 值的元素，我们下文所进行的所有操作也都是在这前提之上进行的。
🌙哈希冲突
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。
哈希冲突有两种常见的解决办法：
- 闭散列 (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；
- 开散列 (链地址法)：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 (哈希冲突) 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；也就是说，当发生哈希冲突时，把 key 直接链接在该位置的下面。
🌙哈希函数
哈希函数有如下设计原则：
- 哈希函数的定义域必须包括需要存储的全部关键码，而如果哈希表允许有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要尽量能均匀分布在整个空间中；
- 哈希函数应该比较简单。
💫直接定址法
什么是直接定址法：
直接定址就是根据 key 值直接得到存储位置，最多再进行一个简单的常数之间的转换。
分析：
- 直接定址法的优点是简单，且不会引起哈希冲突 ，由于直接定址法的 key 值经过哈希函数转换后得到的值一定是唯一的，所以不存在哈希冲突。
- 直接定址法适用于数据范围集中的情况，这样 key 值映射到哈希表后，哈希表的空间利用率高，浪费的空间较少
图解：
💫除留余数法
什么是除留余数法：
简单来说就是用 key 值除以哈希表的大小得到的余数作为哈希映射的地址，将 key 保存到该地址中
分析：
- 除留余数的优点是可以处理数据范围分散的数据
- 缺点是会引发哈希冲突
图解：
💫方法总结
直接定制法–(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
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
平方取中法–(了解)
- 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
折叠法–(了解)
- 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
随机数法–(了解)
- 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
数学分析法–(了解)
- 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。
🌙闭散列哈希
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？有两种方法 – 线性探测法和二次探测法。
💫线性探测法
什么是线性探测：
线性探测法是指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
图解：
💫哈希表的基本框架
框架搭建步骤：
- 在哈希表中我们使用了 vector 来存储数据，并增加了一个变量 n 来记录表中有效数据的个数；同时，哈希表的每个下标位置存储的数据都是一个 KV 模型的键值对
- 当key映射的下标位置被占用时，key会向后寻找下一个空位置进行插入，但如果key走到数组尾都还没找到空位置，那么key就会从数组起始位置重新往后寻找
- 在哈希表的每个位置的数据中还增加了一个 state 变量来记录该位置的状态 (存在、删除、空)
代码如下：
//标识每个存储位置的状态--空、存在与删除
enum State {
EMPTY,
EXIST,
DELETE
};
//哈希表每个下标位置存储的数据的结构
template<class K, class V>
struct HashData {
pair<K, V> _kv;
State _state = EMPTY; //默认为空
};
template<class K, class V>
class HashTable {
typedef HashData<K, V> Data;
private:
vector<Data> _tables;
size_t _n; //记录表中有效数据的个数
};
💫哈希表的插入删除与查找
插入：
通过哈希函数得到余数即数组下标，如果该下标的状态为删除或为空则插入，如果为存在则向后寻找下一个状态为删除/空的位置进行插入。
查找：
通过哈希函数得到余数即数组下标，取出小标位置的key与目标key进行比较，相等就返回该位置的地址，不相等就继续往后查找，如果查找到状态为空的下标位置就返回 nullptr。
删除：
复用查找函数，查找到就通过查找函数的返回值将小标位置数据的状态置为 删除，找不到就返回 false。
代码实现：
#pragma once
#include <vector>
#include <utility>
using std::pair;
using std::vector;
//标识每个存储位置的状态--空、存在与删除
enum State {
EMPTY,
EXIST,
DELETE
};
//哈希表每个下标位置存储的数据的结构
template<class K, class V>
struct HashData {
pair<K, V> _kv;
State _state = EMPTY; //默认为空
};
//哈希表
template<class K, class V>
class HashTable {
typedef HashData<K, V> Data;
public:
HashTable()
: _n(0)
{
//将哈希表的大小默认给为10
_tables.resize(10);
}
bool insert(const pair<K, V>& kv) {
if (find(kv.first))
return false;
//除留余数法 && 线性探测法
//将数据映射到 数据的key值除以哈希表的大小得到的余数 的位置，如果该位置被占用往后放
size_t hashi = kv.first % _tables.size();
//不能放在EXIST的位置，DELETE和EMPTY都能放
while (_tables[hashi]._state == EXIST) {
++hashi;
if (hashi == _tables.size()) hashi = 0; //如果探测到末尾则从头开始重新探测
}
_tables[hashi]._kv = kv;
_tables[hashi]._state = EXIST;
++_n;
return true;
}
//将find的返回值定义为Data的地址，可以方便我们进行删除以及修改V
Data* find(const K& key) {
Hash hash; //仿函数对象
size_t hashi = hash(key) % _tables.size();
//记录hashi的起始位置，避免哈希表中元素全为EXIST和DELETE时导致死循环
size_t starti = hashi;
//最多找到空
while (_tables[hashi]._state != EMPTY) {
//key相等并且state为EXIST才表示找到
if (_tables[hashi]._kv.first == key && _tables[hashi]._state == EXIST)
return &_tables[hashi];
++hashi;
//如果找到尾还没找到，就从0重新找
if (hashi == _tables.size()) hashi = 0;
//如果找一圈还没找到，就跳出循环
if (hashi == starti) break;
}
return nullptr;
}
bool erase(const K& key) {
//找不到就不删，找到就把状态置为DELETE即可
Data* ret = find(key);
if (ret) {
ret->_state = DELETE;
return true;
}
return false;
}
private:
vector<Data> _tables;
size_t _n; //记录表中有效数据的个数
};
💫哈希表的扩容
哈希表的扩容和普通顺序表容器的扩容不同，它不是容器满了才扩容，而是会有一个负载因子，也叫载荷因子，当载荷因子超过一定大小时就立即扩容。
代码如下：
bool insert(const pair<K, V>& kv) {
if (find(kv.first))
return false;
//如果大于标定的载荷因子就扩容，这里我们将载荷因子标定为0.7
//扩容现代写法--复用insert接口
if ((1.0 * _n / _tables.size()) >= 0.7) {
HashTable<K, V> newHT;
newHT._tables.resize(_tables.size() * 2);
for (auto& e : _tables)
newHT.insert(e._kv);
_tables.swap(newHT._tables);
}
//除留余数法 && 线性探测法
//将数据映射到 数据的key值除以哈希表的大小得到的余数 的位置，如果该位置被占用往后放
size_t hashi = kv.first % _tables.size();
//不能放在EXIST的位置，DELETE和EMPTY都能放
while (_tables[hashi]._state == EXIST) {
++hashi;
if (hashi == _tables.size()) hashi = 0; //如果探测到末尾则从头开始重新探测
}
_tables[hashi]._kv = kv;
_tables[hashi]._state = EXIST;
++_n;
return true;
}
💫哈希表的仿函数
模板参数是一个仿函数，仿函数分为设计者提供的默认仿函数和用户提供的仿函数，系统默认的仿函数可以将一些常见的 key 的类型全部转化为整形，比如字符串、指针、整数；而用户提供的仿函数则可以根据用户自己的 key 类型将其转化为整形，比如 People 类 (身份证号)、Date 类 等等
代码如下：
template<>
struct HashFunc<string> {
size_t operator()(const string& key) {
size_t sum = 0;
for (auto ch : key)
sum += ch;
return sum;
}
};
细节分析：
有了仿函数，解决了传字符串的问题
💫闭散列整体代码实现
#include <iostream>
#include <string>
#include <vector>
#include <map>
#include <set>
#include <unordered_set>
using namespace std;
// 哈希表的仿函数 ，通过上层容器提供的仿函数获取到元素的键值
template<class K>
struct HashFunc
{
size_t operator()(const K& key)
{
return (size_t)key;
}
};
// 类模板特化
template<>
struct HashFunc<string>
{
size_t operator()(const string& key)
{
size_t hash = 0;
for (auto e : key)
{
hash += e;
hash *= 131;
}
return hash;
}
};
// 闭散列哈希表
namespace open_address
{
enum State
{
EMPTY, // 空
EXIST, // 存在
DELETE // 删除
};
// 哈希表每个下标的位置存储的数据的结构
template<class K, class V>
struct HashData
{
pair<K, V> _kv;
State _state = EMPTY; // 默认为空
};
// 哈希表
template<class K, class V, class Hash = HashFunc<K>>
class HashTable
{
public:
// 默认开辟 10 个空间
HashTable(size_t size = 10)
{
_tables.resize(size);
}
// 查找
HashData<K, V>* Find(const K& key)
{
// 仿函数对象
Hash hs;
// 线性探测
size_t hashi = hs(key) % _tables.size();
while (_tables[hashi]._state != EMPTY)
{
// key相等并且state为EXIST（存在）才能表示找到
if (key == _tables[hashi]._kv.first
&& _tables[hashi]._state == EXIST)
{
return &_tables[hashi];
}
++hashi;
hashi %= _tables.size();
}
return nullptr;
}
// 插入
bool Insert(const pair<K, V>& kv)
{
// 为空就返回
if (Find(kv.first))
return false;
// 扩容
if (_n * 10 / _tables.size() >= 7)
{
// 扩容
HashTable<K, V, Hash> newHT(_tables.size() * 2);
// 遍历旧表，插入到新表
for (auto& e : _tables)
{
if (e._state == EXIST)
{
newHT.Insert(e._kv);
}
}
// 交换
_tables.swap(newHT._tables);
}
// 仿函数对象
Hash hs;
// 线性探测，找需要插入的地方
size_t hashi = hs(kv.first) % _tables.size();
while (_tables[hashi]._state == EXIST)
{
++hashi;
hashi %= _tables.size();
}
_tables[hashi]._kv = kv;
_tables[hashi]._state = EXIST;
++_n;
return true;
}
// 删除
bool Erase(const K& key)
{
// 查找
HashData<K, V>* ret = Find(key);
if (ret)
{
_n--; // 元素减一
ret->_state = DELETE;// 状态改为删除
return true;
}
else
{
return false;
}
}
private:
vector<HashData<K, V>> _tables;
size_t _n = 0; // 实际存储的数据个数
};
// 测试一
void TestHT1()
{
int a[] = { 1,4,24,34,7,44,17,37 };
// 创建哈希表
HashTable<int, int> ht;
for (auto e : a)
{
ht.Insert(make_pair(e, e)); // 插入元素
}
for (auto e : a)
{
auto ret = ht.Find(e);
if (ret)
{
cout << ret->_kv.first << ":E" << endl;
}
else
{
cout << ret->_kv.first << ":D" << endl;
}
}
cout << endl;
ht.Erase(34);
ht.Erase(4);
for (auto e : a)
{
auto ret = ht.Find(e);
if (ret)
{
cout << ret->_kv.first << ":E" << endl;
}
else
{
cout << e << ":D" << endl;
}
}
cout << endl;
}
// 测试二
struct Date
{
int _year;
int _month;
int _day;
};
struct HashFuncDate
{
// 2024/6/3
// 2024/3/6
size_t operator()(const Date& d)
{
size_t hash = 0;
hash += d._year;
hash *= 131;
hash += d._month;
hash *= 131;
hash += d._day;
hash *= 131;
return hash;
}
};
void TestHT2()
{
HashTable<string, string> dict;
dict.Insert(make_pair("sort", "排序"));
dict.Insert(make_pair("string", "字符串"));
HashTable<Date, string, HashFuncDate> DateHash;
}
}🌙开散列哈希
什么是开散列哈希：
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，即 key 映射的下标位置，具有相同地址的关键码 (哈希冲突) 归于同一子集合，每一个子集合称为一个桶 (哈希桶)，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；也就是说，当发生哈希冲突时，把 key 作为一个节点直接链接到下标位置的哈希桶中。
图解：
💫开散列的节点结构
由于开散列的不同冲突之间不会互相影响，所以开散列不再需要 state 变量来记录每个下表位置的状态；同时，因为开散列每个下标位置链接的都是一个哈希桶，所以 vector 中的每个元素都是一个节点的指针，指向单链表的第一个元素，所以 _tables 是一个指针数组；最后，为了是不同类型的 key 都能够计算出映射的下标位置，所以我们这里也需要传递仿函数。
代码如下：
//开散列
namespace hash_bucket {
//哈希表的节点结构--单链表
template<class K, class V>
struct HashNode {
pair<K, V> _kv;
HashNode<K, V>* next;
HashNode(const pair<K, V>& kv)
: _kv(kv)
, next(nullptr)
{}
};
//哈希表的仿函数
template<class K>
struct HashFunc {
size_t operator()(const K& key) {
return key;
}
};
//类模板特化
template<>
struct HashFunc<string> {
size_t operator()(const string& key) {
//BKDR字符串哈希算法
size_t sum = 0;
for (auto ch : key)
sum = sum * 131 + ch;
return sum;
}
};
//哈希表
template<class K, class V, class Hash = HashFunc<K>>
class HashTable {
typedef HashNode<K, V> Node;
private:
vector<Node*> _tables; //指针数组
size_t _n; //表中有效数据的个数
};
}
💫开散列的插入删除与查找
开散列的插入
开散列插入的前部分和闭散列一样，根据 key 与哈希表大小得到映射的下标位置，与闭散列不同的是，由于哈希表中每个下标位置都是一个哈希桶，即一个单链表，那么对于发现哈希冲突的元素我们只需要将其链接到哈希桶中即可，这里显然是选择将冲突元素进行头插，因为尾插还需要找尾，会导致效率降低：
// 插入函数
bool Insert(const pair<K, V>& kv)
{
// 查看元素是否存在
if (Find(kv.first))
return false;
// 仿函数对象
Hash hs;
// 负载因子到1就扩容
if (_n == _tables.size())
{
// 扩容
vector<Node*> newTables(_tables.size() * 2, nullptr);
for (size_t i = 0; i < _tables.size(); i++)
{
// 取出旧表中节点，重新计算挂到新表桶中
Node* cur = _tables[i];
while (cur)
{
Node* next = cur->_next;
// 头插到新表
size_t hashi = hs(cur->_kv.first) % newTables.size();
cur->_next = newTables[hashi];
newTables[hashi] = cur;
cur = next;
}
_tables[i] = nullptr;
}
_tables.swap(newTables);
}
// 调用仿函数的匿名对象来将key转换为整数
size_t hashi = hs(kv.first) % _tables.size();
// 头插
Node* newnode = new Node(kv);
newnode->_next = _tables[hashi];
_tables[hashi] = newnode;
++_n;
return true;
}开散列的查找
开散列的查找也很简单，根据余数找到下标，由于下标位置存储的是链表首元素地址，所以我们只需要取出首元素地址，然后顺序遍历单链表即可：
// 查找
Node* Find(const K& key)
{
// 仿函数对象
Hash hs;
size_t hashi = hs(key) % _tables.size();
Node* cur = _tables[hashi];
while (cur)
{
if (cur->_kv.first == key)
{
return cur;
}
cur = cur->_next;
}
return nullptr;
}开散列的删除
和闭散列不同的是，开散列的删除不能直接通过查找函数的返回值来进行删除，因为单链表在删除节点时还需要改变父节点的指向，让其指向目标节点的下一个节点，所以我们需要通过遍历单链表来进行删除：
// 删除
bool Erase(const K& key)
{
// 仿函数对象
Hash hs;
size_t hashi = hs(key) % _tables.size();
Node* prev = nullptr;
Node* cur = _tables[hashi];
while (cur)
{
// 删除还要分是否为头节点
if (cur->_kv.first == key)
{
// 删除
if (prev)
{
prev->_next = cur->_next;
}
else
{
_tables[hashi] = cur->_next;
}
delete cur;
--_n;
return true;
}
// 下一个结点
prev = cur;
cur = cur->_next;
}
return false;
}💫开散列整体代码实现
#include <iostream>
#include <string>
#include <vector>
#include <map>
#include <set>
#include <unordered_set>
using namespace std;
// 哈希表的仿函数 ，通过上层容器提供的仿函数获取到元素的键值
template<class K>
struct HashFunc
{
size_t operator()(const K& key)
{
return (size_t)key;
}
};
// 类模板特化
template<>
struct HashFunc<string>
{
size_t operator()(const string& key)
{
size_t hash = 0;
for (auto e : key)
{
hash += e;
hash *= 131;
}
return hash;
}
};
// 开散列哈希表
namespace hash_bucket
{
// 哈希表的节点结构 -- 单链表
template<class K, class V>
struct HashNode
{
HashNode<K, V>* _next;
pair<K, V> _kv;
// 初始化列表
HashNode(const pair<K, V>& kv)
:_next(nullptr)
, _kv(kv)
{}
};
// 哈希表
template<class K, class V, class Hash = HashFunc<K>>
class HashTable
{
typedef HashNode<K, V> Node;
public:
// 构造函数
HashTable()
{
_tables.resize(10, nullptr); // 开空间
_n = 0;
}
// 析构函数
~HashTable()
{
for (size_t i = 0; i < _tables.size(); i++)
{
Node* cur = _tables[i];
while (cur)
{
Node* next = cur->_next;
delete cur;
cur = next;
}
_tables[i] = nullptr;
}
}
// 插入函数
bool Insert(const pair<K, V>& kv)
{
// 查看元素是否存在
if (Find(kv.first))
return false;
// 仿函数对象
Hash hs;
// 负载因子到1就扩容
if (_n == _tables.size())
{
// 扩容
vector<Node*> newTables(_tables.size() * 2, nullptr);
for (size_t i = 0; i < _tables.size(); i++)
{
// 取出旧表中节点，重新计算挂到新表桶中
Node* cur = _tables[i];
while (cur)
{
Node* next = cur->_next;
// 头插到新表
size_t hashi = hs(cur->_kv.first) % newTables.size();
cur->_next = newTables[hashi];
newTables[hashi] = cur;
cur = next;
}
_tables[i] = nullptr;
}
_tables.swap(newTables);
}
// 调用仿函数的匿名对象来将key转换为整数
size_t hashi = hs(kv.first) % _tables.size();
// 头插
Node* newnode = new Node(kv);
newnode->_next = _tables[hashi];
_tables[hashi] = newnode;
++_n;
return true;
}
// 查找
Node* Find(const K& key)
{
// 仿函数对象
Hash hs;
size_t hashi = hs(key) % _tables.size();
Node* cur = _tables[hashi];
while (cur)
{
if (cur->_kv.first == key)
{
return cur;
}
cur = cur->_next;
}
return nullptr;
}
// 删除
bool Erase(const K& key)
{
// 仿函数对象
Hash hs;
size_t hashi = hs(key) % _tables.size();
Node* prev = nullptr;
Node* cur = _tables[hashi];
while (cur)
{
// 删除还要分是否为头节点
if (cur->_kv.first == key)
{
// 删除
if (prev)
{
prev->_next = cur->_next;
}
else
{
_tables[hashi] = cur->_next;
}
delete cur;
--_n;
return true;
}
// 下一个结点
prev = cur;
cur = cur->_next;
}
return false;
}
// 测试
void Some()
{
size_t bucketSize = 0;
size_t maxBucketLen = 0;
size_t sum = 0;
double averageBucketLen = 0;
for (size_t i = 0; i < _tables.size(); i++)
{
Node* cur = _tables[i];
if (cur)
{
++bucketSize;
}
size_t bucketLen = 0;
while (cur)
{
++bucketLen;
cur = cur->_next;
}
sum += bucketLen;
if (bucketLen > maxBucketLen)
{
maxBucketLen = bucketLen;
}
}
averageBucketLen = (double)sum / (double)bucketSize;
printf("load factor:%lf\n", (double)_n / _tables.size());
printf("all bucketSize:%d\n", _tables.size());
printf("bucketSize:%d\n", bucketSize);
printf("maxBucketLen:%d\n", maxBucketLen);
printf("averageBucketLen:%lf\n\n", averageBucketLen);
}
private:
vector<Node*> _tables; // 指针数组
size_t _n; // 元素个数
};
// 测试一
void TestHT1()
{
HashTable<int, int> ht;
int a[] = { 1,4,24,34,7,44,17,37 };
for (auto e : a)
{
ht.Insert(make_pair(e, e));
}
ht.Insert(make_pair(5, 5));
ht.Insert(make_pair(15, 15));
ht.Insert(make_pair(25, 25));
ht.Erase(5);
ht.Erase(15);
ht.Erase(25);
ht.Erase(35);
for (auto e : a)
{
auto ret = ht.Find(e);
if (ret)
{
cout << ret->_kv.first << ":E" << endl;
}
else
{
cout << ret->_kv.first << ":D" << endl;
}
}
cout << endl;
HashTable<string, string> dict;
dict.Insert(make_pair("sort", "排序"));
dict.Insert(make_pair("string", "字符串"));
}
// 测试二
void TestHT2()
{
const size_t N = 30000;
unordered_set<int> us;
set<int> s;
HashTable<int, int> ht;
vector<int> v;
v.reserve(N);
srand(time(0));
for (size_t i = 0; i < N; ++i)
{
//v.push_back(rand()); // N比较大时，重复值比较多
v.push_back(rand() + i); // 重复值相对少
//v.push_back(i); // 没有重复，有序
}
size_t begin1 = clock();
for (auto e : v)
{
s.insert(e);
}
size_t end1 = clock();
cout << "set insert:" << end1 - begin1 << endl;
size_t begin2 = clock();
for (auto e : v)
{
us.insert(e);
}
size_t end2 = clock();
cout << "unordered_set insert:" << end2 - begin2 << endl;
size_t begin10 = clock();
for (auto e : v)
{
ht.Insert(make_pair(e, e));
}
size_t end10 = clock();
cout << "HashTbale insert:" << end10 - begin10 << endl << endl;
size_t begin3 = clock();
for (auto e : v)
{
s.find(e);
}
size_t end3 = clock();
cout << "set find:" << end3 - begin3 << endl;
size_t begin4 = clock();
for (auto e : v)
{
us.find(e);
}
size_t end4 = clock();
cout << "unordered_set find:" << end4 - begin4 << endl;
size_t begin11 = clock();
for (auto e : v)
{
ht.Find(e);
}
size_t end11 = clock();
cout << "HashTable find:" << end11 - begin11 << endl << endl;
cout << "插入数据个数：" << us.size() << endl << endl;
ht.Some();
size_t begin5 = clock();
for (auto e : v)
{
s.erase(e);
}
size_t end5 = clock();
cout << "set erase:" << end5 - begin5 << endl;
size_t begin6 = clock();
for (auto e : v)
{
us.erase(e);
}
size_t end6 = clock();
cout << "unordered_set erase:" << end6 - begin6 << endl;
size_t begin12 = clock();
for (auto e : v)
{
ht.Erase(e);
}
size_t end12 = clock();
cout << "HashTable Erase:" << end12 - begin12 << endl << endl;
}
}
🌟结束语
今天内容就到这里啦，时间过得很快，大家沉下心来好好学习，会有一定的收获的，大家多多坚持，嘻嘻，成功路上注定孤独，因为坚持的人不多。那请大家举起自己的小手给博主一键三连，有你们的支持是我最大的动力💞💞💞，回见。
7041
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
