解决哈希冲突

哈希表简介

哈希表是一种使用哈希函数组织数据的数据结构，它支持快速插入和搜索。

哈希表原理

哈希表（又称散列表）的原理为：借助 哈希函数，将键映射到存储桶地址。更确切地说，首先开辟一定长度的，具有连续物理地址的桶数组；当我们插入一个新的键时，哈希函数将决定该键应该分配到哪个桶中，并将该键存储在相应的桶中；当我们想要搜索一个键时，哈希表将使用哈希函数来找到对应的桶，并在该桶中进行搜索。

示例

 

在示例中，我们使用 y = x ％ 5 作为哈希函数，来完成插入和搜索策略。

1. 插入：我们通过哈希函数解析键，将它们映射到相应的桶中。

        例如，根据哈希函数，1987 将分配给桶 2，而 24 分配给桶 4。
2. 搜索：我们通过哈希函数解析键，得到桶地址，然后在该存储桶中搜索。

        如果我们搜索 1987，我们将使用哈希函数将 1987 映射到 2。因此我们在桶 2 中搜索，我们在那个桶中成功找到了 1987。

例如，如果我们搜索 23，将映射 23 到 3，并在桶 3 中搜索。我们发现 23 不在桶 3 中，这意味着 23 不在哈希表中。

注意到键 1987 和 2 被映射到了同一个桶中，我们称之为哈希冲突，哈希冲突与哈希函数有关，但又难以避免。

冲突解决

一般情况下，哈希函数会起到压缩键的地址空间的作用，设键的地址空间为 S，桶的地址空间为 T，则有 S≫T。

 

因此，经过映射之后，不同的数据会不可避免地分配到同一个桶中，这时便产生了冲突。例如，在哈希函数 y = x ％ 5 中，1987 和 2 都分配给了桶 2，这是一个冲突。

为了避免哈希冲突，我们简要介绍几种解决冲突的办法。

线性试探法

线性试探法属于开放定址法的一种，除此之外，开放定址法还包括二次探测法、双重哈希法等。

所谓线性试探法，就是当插入键 key 时，如果发现桶单元 bucket[hash(key)] 已经被占用，则向下线性寻找，直到找到可以使用的空桶。具体说来，经过第 i 次试探之后，桶单元应为：
bucket[(hash(key)+i) mod M],  i=1,2,3…

例如对于键的集合为 {8, 9, 21, 17, 34, 21, 4}，哈希函数为 y = x % 8，集合中的前三个数 8, 9, 21，它们分别映射到 0, 1, 5 号桶中。

而对于第四个数 17，它本应映射到 1 号桶中，由于 1 号桶中已经保存了 9，因此将 17 保存在下一个空桶—— 2 号桶中。同理，34 余数为 2，会保存在 3 号桶中。

 

当 查找 某个键时，首先会通过哈希函数计算出桶的地址，然后比较该桶中保存的值是否为该键，如果不是，则继续向下寻找。如果查找到末尾，则会从头开始查找。

而 删除 某个键时，为了避免查找过程中出现信息丢失，会将删除位置标记为 deleted，这样当进行线性查找时，遇到 deleted 会继续向下查找而不会中断。

 

链地址法

解决冲突的另一种办法是将桶内产生冲突的键串联成一个链表。仍以前一个方法中的冲突为例，实现方式如下图所示。

与线性探测法类似，发生冲突时，由于都需要进行线性查找，因此会导致查找的成本增加。

再哈希法

再哈希法比较典型的应用是双重哈希法，即发生冲突时，通过使用另一个哈希函数来避免冲突。不难想到，另一个哈希函数在构造时，需要具备一些约束条件才能避免再次冲突。

然而，双重哈希法同样存在一些问题：

（1）与线性试探法相比，双重哈希法会消耗较多的时间。

（2）在双重哈希法中，删除会使问题变复杂，如果逻辑删除数量太多，则应重新构造哈希表。

公共溢出区法

顾名思义，公共溢出区法就是建立另一个哈希表 dict_overflow 作为公共溢出区，当发成冲突时则将该键保存在该哈希表中。

如图所示，若查找的键发生冲突，则在公共溢出区进行线性查找。