Java数据结构：散列表

1、散列函数

将任意长度的二进制值串映射为固定长度的二进制值串，这个映射的规则就是哈希算法。如MD5,就是一种被广泛使用的密码散列函数。

MD5(12)=C20AD4D76FE97759AA27A0C99BFF6710  

MD5(123)=202CB962AC59075B964B07152D234B70

2、散列表

散列表（Hash table，也叫哈希表），就是通过散列函数将关键码值(key值)映射到数组中一个位置，该位置用于存储key对应的value，存放记录的数组叫做散列表。

可以通过key的散列函数，快速定位到数据的位置，取出value值。时间复杂度O（1）（hasn不冲突的情况）

3、为什么散列函数无法做到零冲突？

比如上面 MD5 的例子，哈希值是固定的 128 位二进制串，能表示的数据是有限的，最多能表示 2^128 个数据，而我们要哈希的key是无穷的。基于鸽巢原理，如果我们对 2^128+1 个数据求哈希值，就必然会存在哈希值相同的情况。所以哈希值越长的哈希算法，散列冲突的概率越低。

3、散列函数设计考虑的因素：

（1）基于数据安全性考虑，从哈希值不能反向推导出原始数据

（2）对输入数据非常敏感，哪怕原始数据只修改了一个 Bit位，最后得到的哈希值也大不相同；

（3）散列冲突的概率要很小，对于不同的原始数据，哈希值相同的概率非常小；

（4）哈希算法的执行效率要尽量高效，针对较长的文本，也能快速地计算出哈希值。

4、前人总结的比较优秀的hash函数的构造方式：

（1）直接定址法：取关键字的某个线性函数值为散列地址 f(key) = a × key + b

（2）除留余数法 (用的较多) ：f( key ) = key mod p ( p ≤ m )。mod是取模（求余数）的意思。事实上，这方法不仅可以对关键字直接取模，也可在折叠、平方取中后再取模。

（3）平方取中法

（4）折叠法：将关键字拆分成几部分，然后将这几部分组合在一起，以特定的方式进行转化形成Hash地址。假如知道图书的ISBN号为8903-241-23，可以将Hash(key)=89+03+24+12+3作为Hash地址

（5）数字分析法

（6）随机数法

（7）time33算法(PHP的数组就是把这个作为哈希函数）

以上hash函数感兴趣可以查询相关资料，了解其原理

5、散列函数的应用：

（1）安全加密：最常用于加密的哈希算法是MD5和SHA、DES、AES；利用散列函数散列值不能反向推导出原始数据的特性

（2）唯一标识：如海量图片中判断某张图片是否存在、数据库主键等应用

（3）负载均衡：

对客户端 IP 地址或者会话 ID 计算哈希值，将取得的哈希值与服务器列表的大小进行取模运算，最终得到的值就是应该被路由到的服务器编号。 这样，我们就可以把同一个 IP 过来的所有请求，都路由到同一个后端服务器上。

（4）分布式存储：数据根据哈希函数映射到某台机器上存储

6、散列表的应用：

工业级的散列表：HashMap

Redis的数据类型Hash，底层就是散列表

Redis的数据类型Set，内部实现是一个value永远为null的散列表

Redis的数据类型Sorted Set(有序集合)，底层编码实现ziplist和skiplist，skiplist底层就是跳跃链表+hash表

6、哈希表中哈希冲突解决方式：

（1）探测法

当key1和key2的hash值发生冲突时，使用某种探测技术在Hash表中形成一个探测序列，然后沿着这个探测序列依次查找下去，当碰到一个空的单元时，则插入其中。

探测技术有线性探测、二次探测、随机探测

这里以线性探测为例：

 

（2）再哈希法，同时构造多个不同的哈希函数，若对于k1和k2的hash函数的值相同，则为hash冲突，这是再用hash2函数计算k2的hash值，放入哈希表中。这种方式增加了计算时间

（2）链地址法

7、hash表的性能

查找或者插入的情况在大多数情况下可以达到O(1)，因为可以通过key的hasn函数，直接定位到数据存放位置。所以操作的时间主要花在计算hash上。

最坏的情况就是hash值全都映射到同一个地址上，这样哈希表就会退化成链表，查找的时间复杂度变成O(n)。这种情况有人蓄意攻击，需要了解基于哈希冲突的拒绝服务攻击。