【手撕STL】unordered_set、unordered_map(用哈希表封装)

unordered系列关联式容器

在C++98中，STL提供了底层为红黑树结构的一系列关联式容器，在查询时效率可达到logN，即最差情况下需要比较红黑树的高度次，当树中的节点非常多时，查询效率也不理想。最好的查询是，进行很少的比较次数就能够将元素找到，因此在C++11中，STL又提供了4个unordered系列的关联式容器，这四个容器与红黑树结构的关联式容器使用方式基本类似，只是其底层结构不同

unordered_map

1. unordered_map是存储<key, value>键值对的关联式容器，其允许通过keys快速的索引到与其对应的value。
2. 在unordered_map中，键值通常用于惟一地标识元素，而映射值是一个对象，其内容与此键关联。键和映射值的类型可能不同。
3. 在内部,unordered_map没有对<kye, value>按照任何特定的顺序排序, 为了能在常数范围内找到key所对应的value，unordered_map将相同哈希值的键值对放在相同的桶中。
4. unordered_map容器通过key访问单个元素要比map快，但它通常在遍历元素子集的范围迭代方面效率较低。
5. unordered_maps实现了直接访问操作符(operator[])，它允许使用key作为参数直接访问value。
6. 它的迭代器至少是前向迭代器。

unordered_map的接口说明

unordered_map在线文档说明
注意：

• operator[]该函数中实际调用哈希桶的插入操作，用参数key与V()构造一个默认值往底层哈希桶中插入，如果key不在哈希桶中，插入成功，返回V()，插入失败，说明key已经在哈希桶中，将key对应的value返回。
• unordered_map中key是不能重复的，因此count函数的返回值最大为1

unordered_set

unordered_set在线文档说明

unordered系列关联式容器的使用

注：在功能上和map、set是一样的区别在于，这两个容器遍历出来不是有序的，他们是单向迭代器

void test_op()
{
   
	set<int> s;
	unordered_set<int> us;
	const int n = 100000000; //改变n的值
	vector<int> v;
	srand(time(0));
	for (size_t i = 0; i < n; ++i)
	{
   
		v.push_back(rand());
	}

	size_t begin1 = clock();
	for (auto e : v)
	{
   
		s.insert(e);
	}
	size_t end1 = clock();

	size_t begin2 = clock();
	for (auto e : v)
	{
   
		us.insert(e);
	}
	size_t end2 = clock();

	cout << "set insert:" << end1 - begin1 << endl;
	cout << "unordered_set insert:" << end2 - begin2 << endl;
	cout << "=====================" << endl;
	size_t begin3 = clock();
	for (auto e : v)
	{
   
		s.find(e);
	}
	size_t end3 = clock();

	size_t begin4 = clock();
	for (auto e : v)
	{
   
		us.find(e);
	}
	size_t end4 = clock();

	cout << "set find:" << end3 - begin3 << endl;
	cout << "unordered_set find:" << end4 - begin4 << endl;

	cout << "=====================" << endl;
	size_t begin5 = clock();
	for (auto e : v)
	{
   
		s.erase(e);
	}
	size_t end5 = clock();

	size_t begin6 = clock();
	for (auto e : v)
	{
   
		us.erase(e);
	}
	size_t end6 = clock();

	cout << "set erase:" << end5 - begin5 << endl;
	cout << "unordered_set erase:" << end6 - begin6 << endl;
}

运行结果：

注：unordered系列的关联式容器之所以效率比较高，是因为其底层使用了哈希结构。

总结：

• 当数据量小时，map/set容器与unordered_map/unordered_set容器增删查改的效率差异不大。
• 当数据量大时，map/set容器与unordered_map/unordered_set容器增删查改的效率相比，unordered系列容器的效率更高。

注： 当存储的数据没有特定说明需要排序时，一定要用unordered系列的关联式容器；当需要存储的序列为有序时，应该选用ordered系列的关联式容器

底层结构

顺序结构以及平衡树中，元素关键码与其存储位置之间没有对应的关系，因此在查找一个元素时，必须要经过关键码的多次比较。顺序查找时间复杂度为O(N)，平衡树中为树的高度，即O( logn)，搜索的效率取决于搜索过程中元素的比较次数。
理想的搜索方法：可以不经过任何比较，一次直接从表中得到要搜索的元素。 如果构造一种存储结构，通过某种函数(hashFunc)使元素的存储位置与它的关键码之间能够建立一一映射的关系，那么在查找时通过该函数可以很快找到该元素。
当向该结构中：
插入元素
根据待插入元素的关键码，以此函数计算出该元素的存储位置并按此位置进行存放
搜索元素
对元素的关键码进行同样的计算，把求得的函数值当做元素的存储位置，在结构中按此位置取元素比较，若关键码相等，则搜索成功
该方式即为哈希(散列)方法，哈希方法中使用的转换函数称为哈希(散列)函数，构造出来的结构称为哈希表(Hash Table)(或者称散列表)

哈希冲突

对于两个数据元素的关键字 ki和kj (i != j)，有ki !=kj ，但有：Hash( ki) == Hash(kj )，即：不同关键字通过相同哈希哈数计算出相同的哈希地址，该种现象称为哈希冲突或哈希碰撞。把具有不同关键码而具有相同哈希地址的数据元素称为“同义词”

引起哈希冲突的一个原因可能是：哈希函数设计不够合理。
哈希函数设计原则：

• 哈希函数的定义域必须包括需要存储的全部关键码，而如果散列表允许有m个地址时，其值域必须在0 到m-1之间
• 哈希函数计算出来的地址能均匀分布在整个空间中
• 哈希函数应该比较简单

常见哈希函数

1. 直接定制法

• 取关键字的某个线性函数为散列地址：Hash（Key）= A*Key + B
• 优点：简单、均匀
• 缺点：需要事先知道关键字的分布情况
• 使用场景：适合查找比较小且连续的情况

2. 除留余数法
   设散列表中允许的地址数为m，取一个不大于m，但最接近或者等于m的质数p作为除数，按照哈希函数：Hash(key) = key% p(p<=m),将关键码转换成哈希地址

3. 平方取中法
   假设关键字为1234，对它平方就是1522756，抽取中间的3位227作为哈希地址； 再比如关键字为4321，对它平方就是18671041，抽取中间的3位671(或710)作为哈希地址
   平方取中法比较适合：不知道关键字的分布，而位数又不是很大的情况

4. 折叠法
   折叠法是将关键字从左到右分割成位数相等的几部分(最后一部分位数可以短些)，然后将这几部分叠加求和，并按散列表表长，取后几位作为散列地址。
   折叠法适合事先不需要知道关键字的分布，适合关键字位数比较多的情况

5. 随机数法
   选择一个随机函数，取关键字的随机函数值为它的哈希地址，即H(key) = random(key),其中random为随机数函数。
   通常应用于关键字长度不等时采用此法

6. 数学分析法
   设有n个d位数，每一位可能有r种不同的符号，这r种不同的符号在各位上出现的频率不一定相同，可能在某些位上分布比较均匀，每种符号出现的机会均等，在某些位上分布不均匀只有某几种符号经常出现。可根据散列表的大小，选择其中各种符号分布均匀的若干位作为散列地址。
   数字分析法通常适合处理关键字位数比较大的情况，如果事先知道关键字的分布且关键字的若干位分布较均匀的情况

注意：哈希函数设计的越精妙，产生哈希冲突的可能性就越低，但是无法避免哈希冲突

哈希冲突解决

解决哈希冲突两种常见的方法是：闭散列和开散列

闭散列

闭散列：也叫开放定址法，当发生哈希冲突时，如果哈希表未被装满，说明在哈希表中必然还有空位置，那么可以把key存放到冲突位置中的“下一个”空位置中去。

线性探测

线性探测：从发生冲突的位置开始，依次向后探测，直到寻找到下一个空位置为止。
插入：

• 通过哈希函数获取待插入元素在哈希表中的位置

• 如果该位置中没有元素则直接插入新元素，如果该位置中有元素发生哈希冲突，使用线性探测找到下一个空位置，插入新元素

删除：

• 采用闭散列处理哈希冲突时，不能随便物理删除哈希表中已有的元素，若直接删除元素会影响其他元素的搜索（会影响该方法的插入和删除）。线性探测采用标记的伪删除法来删除一个元素。

线性探测的实现：

namespace close_hash
{
   
	enum State
	{
   
		EMPTY,
		DELETE,
		EXIST,
	};
	template<class K,class T>
	struct HashData
	{
   
		pair<K, T> _hd;
		State _s = EMPTY;
	};
	template<class K>
	struct HashFun
	{
   
		size_t operator()(const K& key)
		{
   
			return key;
		}
	};
	template<>
	struct HashFun<string>
	{
   
		//BKDR Hash思想
		size_t operator()(const string& key)
		{
   
			size_t n = 0;
			for (auto& e : key)
			{
   
				n *= 131;
				n += e;
			}
			return n;
		}
	};
	template<class K,class T,class Hash=HashFun<K>>
	class HashTable
	{
   
	public:
		HashData<K, T>* find(const pair<K, T>& kv)
		{
   
			if (_ht.size() == 0)
				return nullptr;
			Hash hs;
			size_t begin = hs(kv.first) % _ht.size();
			size_t i = 0;
			while (_ht[begin]._s != EMPTY)
			{
   
				if (_ht[begin]._hd == kv && _ht[begin]._s != DELETE)
					return &_ht[begin];
				else
				{
   
					i++;
					begin += i;
					begin %= _ht.size();
				}
			}
			return nullptr;

		}
		bool erase(const pair<K, T>& kv)
		{
   
			HashData<K, T>* phd=find(kv);
			if (phd == nullptr)
				return false;
			else
			{
   
				//伪删除法
				phd->_s = DELETE;
				_n--;
				return true;
			}
		}
		bool Insert(const pair<K, T>& kv)
		{
   
			if (find(kv))
				return false;
			if (_ht.size() == 0 || _n * 10 / _ht.size() >= 7)
			{
   
				size_t newsize = _ht.size() == 0 ? 10 : _ht.size() * 2;
				HashTable<K,T,Hash> nht;
				nht._ht.resize(newsize);
				for (const auto& e : _ht)
				{
   
					if(e._s==EXIST)
						nht.Insert(e._hd)</