Hash算法、Hash冲突以及冲突的解决方法

1. 什么是Hash

Hash叫做”散列表“，就是把任意长度的输入，通过散列算法，变成固定长度输出，该输出结果是散列值。

其实这种转换是一种压缩映射，散列表的空间通常小于输入的空间，不同的输入可能会散列成相同的输出，所以不能从散列表来唯一的确定输入值。这就出现了Hash冲突。

2. 什么是hash冲突？

假设hash表的大小为9（即有9个槽），现在要把一串数据存到表里：5,28,19,15,20,33,12,17,10

简单计算一下：hash(5)=5, 所以数据5应该放在hash表的第5个槽里；hash(28)=1，所以数据28应该放在hash表的第1个槽里；hash(19)=1，也就是说，数据19也应该放在hash表的第1个槽里——于是就造成了碰撞（也称为冲突，collision）。

根据key（键）即经过一个函数f(key)得到的结果的作为地址去存放当前的key value键值对(这个是hashmap的存值方式)，但是却发现算出来的地址上已经被占用了。这就是所谓的hash冲突。

2.1. Hash如何存数据

hash表的本质其实就是数组，hash表中通常存放的是键值对Entry。

如下图:

3.解决Hash冲突

3.1. 开放定址法

该方法也叫做再散列法，

3.1.1. 基本原理：

当关键字key的哈希地址p =H（key）出现冲突时，以p为基础，产生另一个哈希地址p1，若p1仍然冲突，再以p为基础，产生另一个哈希地址p2，…，直到找出一个不冲突的哈希地址pi ，将相应元素存入其中。

即：Hi=（H（key）+di）% m （i=1，2，…，n）

总结起来：开放寻址法和拉链法都是想办法找到下一个空位置来存发生冲突的值。

开放定址法有下边三种方式：

3.1.1.1. 线性探测再散列

顺序查看下一个单元，直到找出一个空单元或查遍全表
di=1，2，3，…，m-1

3.1.1.2. 二次(平方)探测再散列

在表的左右进行跳跃式探测，直到找出一个空单元或查遍全表
di=1^2，-12，2^2，-22，…，k^2，-k2 ( k<=m/2 )

3.1.1.3. 伪随机探测再散列

1. 建立一个伪随机数发生器，并给一个随机数作为起点
2. di=伪随机数序列。具体实现时，应建立一个伪随机数发生器，（如i=(i+p) % m），并给定一个随机数做起点。

例如，已知哈希表长度m=11，哈希函数为：H（key）= key % 11，则H（47）=3，H（26）=4，H（60）=5，假设下一个关键字为69，则H（69）=3，与47冲突。

如果用线性探测再散列处理冲突，下一个哈希地址为H1=（3 + 1）% 11 = 4，仍然冲突，再找下一个哈希地址为H2=（3 + 2）% 11 = 5，还是冲突，继续找下一个哈希地址为H3=（3 + 3）% 11 = 6，此时不再冲突，将69填入5号单元。

如果用二次探测再散列处理冲突，下一个哈希地址为H1=（3 + 12）% 11 = 4，仍然冲突，再找下一个哈希地址为H2=（3 - 12）% 11 = 2，此时不再冲突，将69填入2号单元。

如果用伪随机探测再散列处理冲突，且伪随机数序列为：2，5，9，………，则下一个哈希地址为H1=（3 + 2）% 11 = 5，仍然冲突，再找下一个哈希地址为H2=（3 + 5）% 11 = 8，此时不再冲突，将69填入8号单元。

3.1.2. 优点

• 容易序列化
• 若可预知数据总数，可以创建完美哈希数列

3.1.3. 缺点

• 占空间很大。（开放定址法为减少冲突，要求装填因子α较小，故当结点规模较大时会浪费很多空间）
• 删除节点很麻烦。不能简单地将被删结点的空间置为空，否则将截断在它之后填人散列表的同义词结点的查找路径。这是因为各种开放地址法中，空地址单元(即开放地址)都是查找失败的条件。因此在用开放地址法处理冲突的散列表上执行删除操作，只能在被删结点上做删除标记，而不能真正删除结点。

3.2. 再Hash法

这种方法就是同时构造多个不同的哈希函数： Hi=RH1（key） i=1，2，…，k。当哈希地址Hi=RH1（key）发生冲突时，再计算Hi=RH2（key）……，直到冲突不再产生。这种方法不易产生聚集，但增加了计算时间。

3.2.2. 优点

• 不易产生聚集

3.2.3. 缺点

• 增加了计算时间

3.3. 链地址法（Java就是采用这种方法）

3.3.1. 基本原理：

其基本思想: 将所有哈希地址为i的元素构成一个称为同义词链的单链表，并将单链表的头指针存在哈希表的第i个单元中，因而查找、插入和删除主要在同义词链中进行。链地址法适用于经常进行插入和删除的情况。

3.3.2. 优点

• 处理冲突简单，无堆积现象。即非同义词决不会发生冲突，因此平均查找长度较短；
• 适合总数经常变化的情况。（因为拉链法中各链表上的结点空间是动态申请的）
• 占空间小。装填因子可取α≥1，且结点较大时，拉链法中增加的指针域可忽略不计
• 删除结点的操作易于实现。只要简单地删去链表上相应的结点即可。

3.3.3. 缺点

• 查询时效率较低。（存储是动态的，查询时跳转需要更多的时间）
• 在key-value可以预知，以及没有后续增改操作时候，开放定址法性能优于链地址法。
• 不容易序列化

3.4. 建立公共溢出区

这种方法的基本思想是：将哈希表分为基本表和溢出表两部分，凡是和基本表发生冲突的元素，一律填入溢出表。

4. 方法对比

4.1. 拉链法与开放地址法相比的优缺点：

4.1.1. 拉链法的优点

与开放定址法相比，拉链法有如下几个优点：

1. 拉链法处理冲突简单，且无堆积现象，即非同义词决不会发生冲突，因此平均查找长度较短；

2. 由于拉链法中各链表上的结点空间是动态申请的，故它更适合于造表前无法确定表长的情况；

3. 开放定址法为减少冲突，要求装填因子α较小，故当结点规模较大时会浪费很多空间。而拉链法中可取α≥1，且结点较大时，拉链法中增加的指针域可忽略不计，因此节省空间；

4. 在用拉链法构造的散列表中，删除结点的操作易于实现。只要简单地删去链表上相应的结点即可。而对开放地址法构造的散列表，删除结点不能简单地将被删结 点的空间置为空，否则将截断在它之后填人散列表的同义词结点的查找路径。这是因为各种开放地址法中，空地址单元(即开放地址)都是查找失败的条件。因此在 用开放地址法处理冲突的散列表上执行删除操作，只能在被删结点上做删除标记，而不能真正删除结点。

4.1.2. 拉链法的缺点

1. 拉链法的缺点是：指针需要额外的空间，故当结点规模较小时，开放定址法较为节省空间，而若将节省的指针空间用来扩大散列表的规模，可使装填因子变小，这又减少了开放定址法中的冲突，从而提高平均查找速度。

5. 学习借鉴地址

• 哈希表(Hashtable)： https://zhuanlan.zhihu.com/p/34587466
• 常用哈希函数介绍：https://zhuanlan.zhihu.com/p/101390996