首先,利用hash桶是希望减少内存使用,使得程序更加的高效,今天谈谈hash桶的一步步演变。
1.假如有一堆数据,设为x[],范围是00-000-0000 - 99-999-9999,如果我需要查询这堆数据中的某个值,如果利用数组的做法,将会变成,s8 x[99999999 + 1],如此大的数组,这显然是不符合实际情况的做法。
2.假如还是一堆数据,设为x[],范围依然是00-000-0000-99-999-9999,里面的样本只有大概1000个,有没有一种做法可以不用定义每个可能元素的内存,就做到能查到任何一个样本中的数据呢。利用hash = f(x),将所有样本输入这个公式,得到每个元素对应的hash_id,但是每个x不一定对应唯一的hash_id的值,有可能不同的x对应相同的Y值,这样就产生了hash冲突,因为这样就无法做到通过hash_id找到对应的x的值了。
3.这时就需要hash桶的概念,如果遍历所有样本过程中,出现相同的对应关系,将此样本对应挂在该hash_id的下面,用一条链表来存储相同hash的情况。
具体的算法,在实际应用中可灵活变通,目前只在统计不同类别的url访问次数中用到了此类算法。
参考引用:https://www.cnblogs.com/gaochundong/p/hashtable_and_perfect_hashing.html