数据结构- 哈希表、映射、集合

哈希表、映射、集合

哈希表、映射、集合的实现与特性

经常用的数据结构有：
数组
链表
map
set

map和set基本上底层是通过哈希表去实现的，也有部分是通过二叉树去实现

Hash table概述

Hash table(哈希表)，也称为散列表
	是根据关键码值(key valve)进而直接进行访问的数据结构
    其通过把关键码值映射到表中的一个位置来访问记录，进而加快查找的速度
    该映射函数称为散列函数(Hash Function)，存放记录的数组叫做哈希表(或散列表)
    
    
   	简而言之，有一个哈希函数，通过哈希函数可以把要存储的值能够映射到一个位置(下标)，进而存放数据到该索引位置来

Hash table实际应用

缓存 LRU Cache
键值对存储 Redis

Hash table基础

现在我们想要向一个哈希表中传入“lies”

“lies”使用散列函数之后，就会返回一个下标，这里的是9，因此就把“lies”存在9这个位置

哈希函数有很多种，重载hashCode方法就可以

一个简单的哈希函数：
把每一个字符的ASCII码加在一起，然后再mod上一个数

例如，lies ASCII码 mod 10
    
但是实际中哈希函数都是比较复杂的，而且哈希函数选的好的话，可以让数据存放的尽量分散，而不会发生碰撞

会存在不同属性值算出来的哈希值却是一样的情况

例如lies和foes

当两个不同的数据的哈希值却是一样的情况，我们称为哈希碰撞

发生哈希碰撞，有以下几种解决办法：
1.依次往下面抢占别人的位置

2.再增加一个维度（在该位置不再只是存一个数，而是多个数，链表）
	该方法称为 拉链式解决冲突法
	如果很多元素都在相同的位置，此时哈希表查询就需要遍历链表，该链表长度很大的时候，效率就会变低，退到O(n),但是如果哈希函数设计的很好的话，哈希函数碰撞的概率很小，平均而言，整个哈希函数的查询是O(1)

Hash table实际中完整的结构

现实中较为完美哈希表为：
大部分位置都只有一个元素，其他少数位置会有一些冲突，有冲突的话就把数据连接起来，串联起来形成一个链表

非常常用：优先队列、红黑树、AVL、哈希表、哈希函数

Hash table复杂度分析

增删查大部分都是O(1),最坏的情况：哈希函数选得非常不好或者哈希表的size太小了，经常发生冲突，它就变成了一个链表，复杂度也就退化成了O(n)

但是现在计算机内存越来越大，哈希表就可以开的特别大，哈希函数也在不断优化，因此一般而言，我们认为哈希表在正常情况下查询、删除、添加元素是O(1)

在工程代码中，我们经常使用的不再是哈希表，而是在哈希表基础上抽象出来的map和set

map和set区别：
map的话就是键值对，key是不可重复的，value可以重复
set是不可重复的集合


Java set classes:
TreeSet, HashSet,

ConcurrentSkipListSet, CopyOnWriteArraySet, EnumSet, JobStateReasons, LinkedHashSet

https://docs.oracle.com/en/java/javase/12/docs/api/java.base/java/util/Set.html


Java map classes:
HashMap, Hashtable, ConcurrentHashMap 

https://docs.oracle.com/en/java/javase/12/docs/api/java.base/java/util/Map.html

HashSet源码

public HashSet() {
    map = new HashMap<>();
}
//HashSet底层是HashMap


public boolean add(E e) {
	return map.put(e, PRESENT)==null;
}
//add一个元素就是在map里面把该元素放到key的位置里面去，value放的是一个在场的占位对象


public boolean remove(Object o) {
	return map.remove(o)==PRESENT;
}

HashMap重要的源码

1.put()
    putVal()
    
2.get()
    getNode()