散列表(Hash表)学习笔记

1.三列表用的是数组支持按照下标随机访问数据的特性, 所以散列表其实就是数组的一种扩展, 由数组演化而来. 

2.元数据, 我们可以称之为键(key)或者关键字, 经过散列函数(Hash函数)映射出一个散列值(hash值)， 即数组下标.

3.构建散列函数的三个要求:

   A.散列函数计算得到的散列值是一个非负整数;

   B.如果key1=key2, 那hash(key1)==hash(key2);

   C.如果key1≠key2, 那hash(key1)≠hash(key2);这一点 无法满足, 无法彻底避免散列冲突.

4.散列冲突的解决办法

   A.开放寻址法

      a.线性探测

      b.二次探测

      c.双重散列

   B.链表法

5.装载因子=填入表中元素的个数/散列表长度

6.散列冲突概率上升, 效率变慢.

7.散列函数的设计:

   A.散列函数设计不能太复杂

   B.散列函数生成的值尽可能随机并且均匀分布

8.装载因子过大/过小怎么解决? 

   给转载因子设置阀值,动态扩容/缩容

9.如何避免低效扩容?

   可以将扩容操作穿插在插入过程中, 分批完成. 当装载因子触达阀值后, 我们只申请新空间，但并不将老的数据搬移到新散列表中。当有新数据要插入时，我们将新数据插入新散列表中，并且从老的散列表中拿出一个数据放入到新散列表。

每次插入一个数据到散列表，我们都重复上面的过程。经过多次插入操作之后，老的散列表中的数据就一点一点全部搬移到新散列表中了。这样没有了集中的一次性数据搬移，插入操作就都变得很快了。这期间的查询操作怎么来做呢？

对于查询操作，为了兼容了新、老散列表中的数据，我们先从新散列表中查找，如果没有找到，再去老的散列表中查找。

10.如何选择散列冲突解决办法?

   A.我总结一下，当数据量比较小、装载因子小的时候，适合采用开放寻址法。这也是 Java 中的ThreadLocalMap使用开放寻址法解决散列冲突的原因。

   B.我总结一下，基于链表的散列冲突处理方法比较适合存储大对象、大数据量的散列表，而且，比起开放寻址法，它更加灵活，支持更多的优化策略，比如用红黑树代替链表。

转载于:https://www.cnblogs.com/it-szp/p/11435228.html