从原理了解Hash

Hash

它是什么？

哈希表是又称散列表，一种以 “key-value” 形式存储数据的数据结构。所谓以 “key-value” 形式存储数据，是指任意的 key 都唯一对应到内存中的某个位置。只需要输入查找的值 key，就可以快速地找到其对应的 value。可以把哈希表理解为一种高级的数组，这种数组的下标可以是很大的整数，浮点数，字符串甚至结构体。

为什么存在？

有时关键码空间的数量级可能远远大于实际问题的空间，造成了巨大的浪费，我们使用桶(bucket)直接存放或间接指向一个词条。

---

优缺点？

优点:

>>>空间利用率 ：

问题空间N，关键码空间R，桶数组(bucket array)或散列表(hash table),容量为M，则：

N < M << R

空间 = O( N + M )=O(N)

M尽可能与N同阶，所以至少与使用关键码空间相比空间利用率大大的提高了。

>>>常数级的查找时间 ：

因为哈希表遵循的是循值访问，所以查找时间只需要O(1)，这是再好不过的了。

缺点：

>>>冲突：

hash(key) = key % M
冲突是无法避免的，但是我们可以尽量减少冲突，并从以下两个方向入手：

1. 精心设计散列表及散列函数，以尽可能降低冲突的概率；
2. 制定可行的预案，以便在发生冲突时，能够尽快予以排解。

---

怎么用？

>>>循值访问

>>>散列函数的设计：

• 除余法 ：hash(key) = key % M

M应当选取素数。步长为step，gcd(step,M)=G,当且仅当 G == 1时，足迹能够遍布整个散列表。又由于step不能确定，所以M应是一个素数。

• MAD法 (multiply-add-divide) ：hash(key) = ( a * key + b ) % M

除余法有两个缺陷。

一：它有不动点。无论表长M取值如何，总有hash(0) ≡ 0

二：零阶均匀。[ 0 ,R)的关键码，平均分配至M个桶；但相邻的关键码的散列地址也比相邻。

取M为素数，a > 0，b > 0，a % M != 0。hash(key) = ( a * key + b ) % M

• 平方取中 (mid-square) ：取 key^2的中间若干位，构成地址

原理：将平方运算分解为一系列的左移操作，以及若干次加法，思想类似于快速幂,如13^2=13 + (13)<<2 + (13)<<3。如果忽略进位，每个数位都是由原关键码若干次求和得到的，因此两侧的数位是由更少的原数位累积而得，而越是居中的数位是由更多的原数位累积，截取居中的若干位，可以使得原关键码各数位对最终地址的影响彼此更为接近。

• 多项式法 ：
  h a s h ( s = x 0 ， x 1 ， x 2 ， ⋅ ⋅ ⋅ ， x n − 1 ) = x 0 ∗ a n − 1 + x 1 ∗ a n − 2 + ⋅ ⋅ ⋅ + x n − 2 ∗ a 1 + x n − 1 hash( s = x_0，x_1，x_2，···，x_{n-1} ) = x_0*a^{n-1} + x_1*a^{n-2} + ··· + x_{n-2}*a^1 + x_{n-1} hash(s=x0​，x1​，x2​，⋅⋅⋅，x