哈希的概念

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，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

• 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。
• 在unordered_map中，键值通常用于唯一地标识元素，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。
• 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。
• 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。
• unordered_map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。
• 它的迭代器至少是前向迭代器。

unordered_set，unordered_multimap和unordered_multiset在此就不在累赘描述了

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

哈希

• 哈希概念
  • 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。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 )
    • 例如：数据集合{1，7，6，4，5，9}；哈希函数设置为：hash(key) = key % capacity; capacity为存储元素底层空间总的大小。

    

用该方法进行搜索不必进行多次关键码的比较，因此搜索的速度比较快

那肯定会有朋友想到：如果按照上述哈希方式，向集合中插入元素44，会出现什么问题？

• 哈希冲突
  • 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”。

这又回到了上面的问题，发生哈希冲突该如何处理呢？

• 哈希函数
  • 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
    • 直接定制法--(常用)
      • 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 
    • 除留余数法--(常用)
      • 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
    • 平方取中法--(了解)
      • 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
    • 折叠法--(了解)
      • 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
    • 随机数法--(了解)
      • 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

• 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
    • 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。那如何寻找下一个空位置呢？
  • ​​​​​​​​​​​​​​线性探测
    • 比如之前中的场景，现在需要插入元素44，先通过哈希函数计算哈希地址，hashAddr为4，因此44理论上应该插在该位置，但是该位置已经放了值为4的元素，即发生哈希冲突。
    • 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。比如删除元素4，如果直接删除掉，44查找起来可能会受影响。因此线性探测采用标记的伪删除法来删除一个元  素。

• 开散列
  • ​​​​​​​开散列法又叫链地址法(开链法)，首先对关键码集合用散列函数计算散列地址，具有相同地址的关键码归于同一子集合，每一个子集合称为一个桶，各个桶中的元素通过一个单链表链接起来，各链表的头结点存储在哈希表中。
  • 开散列增容：
    • 桶的个数是一定的，随着元素的不断插入，每个桶中元素的个数不断增多，极端情况下，可能会导致一个桶中链表节点非常多，会影响的哈希表的性能，因此在一定条件下需要对哈希表进行增容，那该条件怎么确认呢？开散列最好的情况是：每个哈希桶中刚好挂一个节点，再继续插入元素时，每一次都会发生哈希冲突，因此，在元素个数刚好等于桶的个数时，可以给哈希表增容。
• 开散列与闭散列比较
  • 应用链地址法处理溢出，需要增设链接指针，似乎增加了存储开销。事实上： 由于开地址法必须保持大 量的空闲空间以确保搜索效率，如二次探查法要求装载因子 a <= 0.7 ，而表项所占空间又比指针大的多，所以使用 链地址法反而比开地址法节省存储空间 。

​​​​​​​