为什么需要hash_map
用过map吧?map提供一个很常用的功能,那就是提供key-value的存储和查找功能。例如,我要记录一个人名和相应的存储,而且随时增加,要快速查找和修改:
岳不群-华山派掌门人,人称君子剑
张三丰-武当掌门人,太极拳创始人
东方不败-第一高手,葵花宝典
…
这些信息如果保存下来并不复杂,但是找起来比较麻烦。例如我要找"张三丰"的信息,最傻的方法就是取得所有的记录,然后按照名字一个一个比较。如果要速度快,就需要把这些记录按照字母顺序排列,然后按照二分法查找。但是增加记录的时候同时需要保持记录有序,因此需要插入排序。考虑到效率,这就需要用到二叉树。讲下去会没完没了,如果你使用STL的map容器,你可以非常方便的实现这个功能,而不用
关心其细节。看看map的实现:
#include <map>
#include <string>
using namespace std;
map<string, string> namemap;
//增加
namemap["岳不群"]="华山派掌门人,人称君子剑";
namemap["张三丰"]="武当掌门人,太极拳创始人";
namemap["东方不败"]="第一高手,葵花宝典";
...
//查找
if(namemap.find("岳不群") != namemap.end()) { ... }
不仅使用起来容易,而且效率很高,100万条记录,最多也只要20次的string.compare的比较,就能找到你要找的记录;200万条记录事,也只要用21次的比较。
速度永远都满足不了现实的需求。如果有100万条记录,我需要频繁进行搜索时,20次比较也会成为瓶颈,要是能降到一次或者两次比较是否有可能?而且当记录数到200万的时候也是一次或两次的比较,是否有可能?而且还需要和map一样的方便使用。
答案是肯定的。这时需要用到hash_map. 虽然hash_map目前并没有纳入C++标准模板库中,但几乎每个版本的STL都提供了相应的实现。在正式使用hash_map之前,先看看hash_map的原理。
hash_map原理
hash_map基于hash table(哈希表)。哈希表最大的优点,就是把数据的存储和查找消耗的时间大大降低,几乎可以看成是常数时间;而代价仅仅是消耗比较多的内存。在当前可利用内存越来越多的情况下,用空间换时间的做法是值得的。另外,编码比较容易也是它的特点之一。
hash table基本原理是:使用一个下标范围比较大的数组来存储元素。可以设计一个函数(哈希函数,也叫做散列函数),使得每个元素的关键字都与一个函数值(即数组下标,hash值)相对应,于是用这个数组单元来存储这个元素;也可以简单的理解为,按照关键字为每一个元素“分类”,然后将这个元素存储在相应“类”所对应的地方,称为桶。
但是,不能够保证每个元素的关键字与函数值是一一对应的,因此极有可能出现对于不同的元素,却计算出了相同的函数值,这样就产生了“冲突”,换句话说,就是把不同的元素分在了相同的“类”之中。一般来说,“直接定址”与“解决冲突”是哈希表的两大特点。
hash_map,首先分配一大片内存,形成许多桶。是利用hash函数,对key进行映射到不同区域(桶)进行保存。
其插入过程是:
- 得到key
- 通过hash函数得到hash值
- 得到桶号(一般都为hash值对桶数求模)
- 存放key和value在桶内。
其取值过程是: - 得到key
- 通过hash函数得到hash值
- 得到桶号(一般都为hash值对桶数求模)
- 比较桶的内部元素是否与key相等,若都不相等,则没有找到。
- 取出相等的记录的value。
hash_map中直接地址用hash函数生成,解决冲突,用比较函数解决。如果每个桶内部只有一个元素,那么查找的时候只有一次比较。当许多桶内没有值时,许多查询就会更快了(指查不到的时候)。
由此可见,要实现哈希表,和用户相关的是:hash函数和比较函数。这两个参数刚好是我们在使用hash_map时需要指定的参数。
hash_map使用
hash_map的保存查找
不要着急如何把"岳不群"用hash_map表示,我们先看一个简单的例子:随机给你一个ID号和ID号相应的信息,ID号的范围是1~2的31次方。如何快速保存查找。
#include <hash_map>
#include <string>
using namespace std;
int main(){
hash_map<int, string> mymap;
mymap[9527]="唐伯虎点秋香";
mymap[1000000]="百万富翁的生活";
mymap[10000]="白领的工资底线";
...
if(mymap.find(10000) != mymap.end()){
...
}
够简单,和map使用方法一样。这时你或许会问?hash函数和比较函数呢?不是要指定么?你说对了,但是在你没有指定hash函数和比较函数的时候,你会有一个缺省的函数,看看hash_map的声明,你会更加明白。下面是SGI STL的声明:
template < class _Key, class _Tp, class _HashFcn = hash<_Key>, class _EqualKey = equal_to<_Key>, class _Alloc = __STL_DEFAULT_ALLOCATOR(_Tp) >
class hash_map
{
...
}
也就是说,在上例中,有以下等同关系:
hash_map<int, string> mymap;
//等同于:
hash_map< int, string, hash<int>, equal_to<int> > mymap;
hash_map的hash函数
hash< int >到底是什么样子?看看源码:
struct hash<int> { //int
size_t operator()(int __x) const { return __x; }
};
//原来是个函数对象。在SGI STL中,提供了以下hash函数:
struct hash<char*>
struct hash<const char*>
struct hash<char>
struct hash<unsigned char>
struct hash<signed char>
struct hash<short>
struct hash<unsigned short>
struct hash<int>
struct hash<unsigned int>
struct hash<long>
struct hash<unsigned long>
也就是说,如果你的key使用的是以上类型中的一种,你都可以使用缺省的hash函数。当然你自己也可以定义自己的hash函数。对于自定义变量,需要自定义hash函数,例如string。例如:
struct str_hash{
size_t operator()(const string& str) const
{
unsigned long __h = 0;
for (size_t i = 0 ; i < str.size() ; i ++)
__h = 5 * __h + str[i];
return size_t(__h);
}
};
如果希望利用系统定义的字符串hash函数,你可以这样写:
struct str_hash{
size_t operator()(const string& str) const
{
return __stl_hash_string( str.c_str() );
}
};
在声明自己的哈希函数时要注意以下几点:
- 使用struct,然后重载operator();
- 返回是size_t;
- 参数是你要hash的key的类型;
- 函数是const类型的。
现在可以对开头的"岳不群"进行哈希化了,直接替换成下面的声明即可:
map< string, string > namemap;
//改为:
hash_map< string, string, str_hash > namemap;
其他用法都不用变。当然不要忘了把str_hash的声明以及头文件改为hash_map。
hash_map的比较函数
在map中的比较函数,需要提供less函数。如果没有提供,缺省的也是less< Key >。
在hash_map中,要比较桶内的数据和key是否相等,因此需要是否等于的函数:equal_to< Key > 。先看看equal_to的源码:
//先看看binary_function 函数声明,其实只是定义一些类型而已。
template <class _Arg1, class _Arg2, class _Result>
struct binary_function {
typedef _Arg1 first_argument_type;
typedef _Arg2 second_argument_type;
typedef _Result result_type;
};
//看看equal_to的定义:
template <class _Tp>
struct equal_to : public binary_function<_Tp, _Tp, bool>
{
bool operator()(const _Tp& __x, const _Tp& __y) const { return __x == __y; }
};
如果你使用一个自定义的数据类型,如struct mystruct或const char* 的字符串,如何使用比较函数?
使用比较函数,有两种方法. 第一种是:重载==操作符,利用equal_to。看看下面的例子:
struct mystruct{
int iID;
int len;
bool operator==(const mystruct & my) const{
return (iID == my.iID) && (len == my.len) ;
}
};
这样,就可以使用equal_to< mystruct >作为比较函数了。另一种方法就是使用函数对象。自定义一个比较函数体:
struct compare_str{
bool operator()(const char* p1, const char*p2) const{
return strcmp(p1, p2)==0;
}
};
//有了compare_str,就可以使用hash_map
typedef hash_map<const char*, string, hash<const char*>, compare_str> StrIntMap;
StrIntMap namemap;
0
namemap["岳不群"]="华山派掌门人,人称君子剑";
namemap["张三丰"]="武当掌门人,太极拳创始人";
namemap["东方不败"]="第一高手,葵花宝典";
hash_map 函数
hash_map的函数和map的函数差不多,这里主要介绍几个常用函数。
- hash_map(size_type n)
长度参数的设置可以提高效率。n主要用来设置hash_map容器中hash桶的个数。桶个数越多,hash函数发生冲突的概率就越小,重新申请内存的概率就越小。n越大,效率越高,但是内存消耗也越大。 - const_iterator find(const key_type& k) const
用查找,输入为键值,返回为迭代器。 - data_type& operator[](const key_type& k)
最常用的一个函数,可像数组一样使用。需要注意的是,当你使用[ key ]操作符时,如果容器中没有key元素,这就相当于自动增加了一个key元素。因此当你只是想知道容器中是否有key元素时,你可以使用find。如果你希望插入该元素时,你可以直接使用[]操作符。 - insert()
在容器中不包含key值时,insert函数和[]操作符的功能差不多。但是当容器中元素越来越多,每个桶中的元素会增加,为了保证效率,hash_map会自动申请更大的内存,以生成更多的桶。因此在insert以后,以前的iterator有可能是不可用的。 - erase 函数
在insert的过程中,当每个桶的元素太多时,hash_map可能会自动扩充容器的内存。但在SGI STL中是erase并不自动回收内存。因此你调用erase后,其他元素的iterator还是可用的。
相关hash容器
hash容器除了hash_map之外,还有hash_set、hash_multimap、has_multiset,这些容器使用起来和set、multimap、multiset的区别与hash_map和map的区别一样。
其他
这里列几个常见问题,应该对你理解和使用hash_map比较有帮助。
-
hash_map和map的区别在哪里?
构造函数。hash_map需要hash函数,比较函数;map只需要比较函数。
存储结构。hash_map采用哈希表(Hash Table)存储,map一般采用红黑树(RB Tree)实现。因此其memory数据结构是不一样的。 -
什么时候需要用hash_map,什么时候需要用map?
总体来说,hash_map 查找速度会比map快,而且查找速度基本属于常数级别,而map的查找速度是log(n)级别。并不一定常数就比log(n)小,hash还有hash函数的耗时。
如果你考虑效率,特别是在元素达到一定数量级时,考虑hash_map。
但若你对内存使用特别严格,希望程序尽可能少消耗内存,那么一定要小心,hash_map可能会让你陷入尴尬,特别是当你的hash_map对象特别多时,你就更无法控制了,而且hash_map的构造速度较慢。
现在知道如何选择了吗?权衡三个因素: 查找速度, 数据量, 内存使用。 -
如何在hash_map中加入自己定义的类型?
你只要做两件事, 定义hash函数,定义比较函数。下面的代码是一个例子:
#include <hash_map>
#include <string>
#include <iostream>
using namespace std;
//define the class
class ClassA{
public:
ClassA(int a) : c_a(a){}
int getvalue() const {return c_a;}
void setvalue(int a){c_a;}
private:
int c_a;
};
//1 define the hash function
struct hash_A{
size_t operator()(const class ClassA & A)const{
//return hash<int>( classA.getvalue() );
return A.getvalue();
}
};
//2 define the equal function
struct equal_A{
bool operator()(const class ClassA & a1, const class ClassA & a2)const{
return a1.getvalue() == a2.getvalue();
}
};
int main()
{
hash_map<ClassA, string, hash_A, equal_A> hmap;
ClassA a1(12);
hmap[a1]="I am 12";
ClassA a2(198877);
hmap[a2]="I am 198877";
cout<<hmap[a1]<<endl; //I am 12
cout<<hmap[a2]<<endl; //I am 198877
return 0;
}
- 如何用hash_map替换程序中已有的map容器?
这个很容易,但需要你有良好的编程风格。建议你尽量使用typedef来定义你的类型:
typedef map<Key, Value> KeyMap;
当你希望使用hash_map来替换的时候,只需要修改:
typedef hash_map<Key, Value> KeyMap;
其他的基本不变。当然,你需要注意是否有Key类型的hash函数和比较函数。
- hash_map不是标准的
因为hash_map不是标准的,所以许多平台上安装了g++编译器,不一定有hash_map的实现。因此在使用这些非标准库的时候,一定要事先测试。另外,如果考虑到平台移植,还是少用为佳。