拉勾教育 重学数据结构与算法 10 | 哈希表：如何利用好高效率查找的“利器”？

学习资源：拉勾教育

哈希表的核心思想

• 哈希表的设计采用了函数映射的思想，将记录的存储位置与记录的关键字管理起来，这样的设计方式，能够快速定位到想要查找的记录，而且不需要与表中存在的记录的关键字比较后再来进行查找
• 如果有一种方法，可以实现“地址=f(关键字)”的映射关系，那么就可以快速完成基于数据的数值的查找了，这就是哈希表的核心思想
• 哈希表需要设计合理的哈希函数，并且对冲突有一套处理机制

如何设计哈希函数

1. 直接定制法：哈希函数为关键字到地址的线性函数。如，H(key) = a * key + b，这里a和b是设置好的常数
2. 数字分析法：假设关键字集合中的每个关键字key都是由s位数字组成（k1，k2，…，k_s）并从中提取分布均匀的若干位组成哈希地址
3. 平方取中法：如果关键字的每一位都有某些数字重复出现，并且频率很高，可以先求关键字的平方值，通过平方扩大差异，然后取中间几位作为最终存储地址
4. 折叠法：如果关键字的位数很多，可以将关键字分割为几个等长的部分，取它们的叠加和的值（舍去进位）作为哈希地址
5. 除留余数法：预先设置一个数p，然后对关键字进行取余运算，即地址为key mod p

如何解决哈希冲突

• 开放地址法：当一个关键字和另一个关键字发生冲突时，使用某种探测技术在哈希表中形成一个探测序列，然后沿着这个探测序列依次查找下去，当碰到一个空的单元时，则插入其中，常用的探测方法是线性探测法。
  
• 链地址法：将哈希表相同的记录存储在一张线性表中
  

哈希表的优劣势

• 哈希表的优势：它以提供非常快速的插入-删除-查找操作，无论多少数据，插入和删除值需要接近常量的时间。在查找方面，哈希表的速度比树还要快，基本可以瞬间查找到想要的元素
• 哈希表的不足：哈希表中的数据没有顺序概念的，所以不能以一种固定的方式（比如从小到大）来遍历其中的元素，哈希表中的key是不允许重复的

哈希表的基本操作

• 哈希表完成了关键字到地址的映射，可以在常熟级时间复杂度内通过关键字查找到数据
• 哈希表中的增加和删除数据操作，不涉及增删后对数据的挪移问题
• 哈希表查找的细节过程是：对于给定的key，通过哈希函数计算哈希地址H(key)，如果哈希地址对应的值为空，则查找不成功，反之则查找成功

哈希表的案例——存储关键字序列

将关键字序列{7,8,30,11,18,9,14}存储到哈希表中，哈希函数为：H(key) = (key * 3) % 7，处理冲突采用线性探测法

查找的流程：

• 查找7，输入7，计算得到H(7) = 0，
  • 根据哈希表，在0的位置，得到结果为7，跟待匹配的关键字一样，则完成查找。
• 查找18，输入18，计算得到H(18) = 5
  • 根据哈希表，在5的位置，得到的结果为11，跟待匹配的关键字不一样
  • 往后挪移一位，在6的位置，得到的结果为30，跟待匹配的关键字不一样
  • 往后挪移一位，在7的位置，得到的结果为18，跟待匹配的关键字一样，完成查找

哈希表的案例——记录关键字被提交的次数

假设有一个在线系统，可以实时接收用户提交的字符串型关键字，并实时返回给用户累计至今这个关键字被提交的次数。例如，用户输入"abc"，系统返回1；用户再输入“jk”，系统返回1；用户再输入“xyz”，系统返回1；用户再输入“abc”，系统返回2；用户再输入“abc”，系统返回3。
如果采用哈希表，则可以利用哈希表新增、查找的常数级时间复杂度，在O(1)时间复杂度内完成相应，预先定义好哈希表后，可以采用Map<String,Integer> d = new HashMap<>();

if(d.containsKey(key_str)) {
    d.put(key_str, d.get(key_str) + 1);
} else {
    d.put(key_str, 1);
}
System.out.println(d.get(key_str));

总结

• 利用哈希表查找、插入、删除只需要接近常量的时间，即O(1)的时间级
• 如果需要在一秒钟内查找上千条记录通常使用哈希表