哈希表 基础理论

 

hash 哈希，有的也翻译为散列，哈希表通常基于数组实现，元素存取效率高。

java中常见的hash集合都是使用哈希表来存储元素

• map：HashMap、LinkedHashMap、Hashtable
• set：HashSet、LinkedHashSet

 

哈希表中的常见概念

桶 bucket：哈希表中存储元素的位置叫做桶，数组中的一个位置即一个 bucket。

哈希表的容量 capacity：即桶的个数、数组长度。

哈希冲突：又叫做哈希碰撞，多个元素计算得到的哈希地址相同。哈希冲突是否会导致一个bucket中存储多个元素，这要看哈希冲突的解决方式，比如链表法则会在一个bucket中以链表形式存储多个哈希地址相同的元素，开放地址法则不会，会重新寻找新的空桶（哈希地址）。

重哈希 rehashing：也叫作再散列，哈希表存储的元素数量超过阈值时，哈希表自动扩容，重新分配存储位置，将原有元素都复制到新哈希表中。重哈希对性能影响大，应该避免频繁重哈希。

 

哈希函数常见的构建方式（哈希算法）

哈希函数（hash function）的构建原则

• 便于计算，计算不能太复杂，以减少计算的时间开销。
• 计算得到的地址分布均匀，即对任一关键字key，f(key) 对应不同地址的概率相等，以尽可能减少冲突。

说明：参与计算的关键字key不是对象本身，而是对象的哈希值 obj.hashCode()，哈希函数 hash(key) 是对哈希值（整数）做计算、处理。
 

1、除留余数法

hash(key) = key % p

p<= 哈希表容量n。优点是可以使计算得到的哈希地址比较均匀、分散，HashMap使用的即除留余数法的变种。

 

2、平方取中法
先求出关键字key的平方值，然后按需取平方值的中间几位作为哈希地址。比如哈希表长度1000，数组下标都是三位数000~999，则取平方值的中间3位。取中的原因：平方后中间几位和关键字中每一位都相关，不同关键字会以较高的概率产生不同的哈希地址。

 

3、分段叠加法
按哈希表地址位数将关键字key分成位数相等的几部分，最后一部分较短的可以舍弃，然后将这些分段对齐相加，舍弃多余的高进位，即得到对应的哈希地址。叠加时可以直接叠加，也可以做一些特殊操作，比如奇数段正序、偶数段倒序。

示例：key=12360324711202065，哈希表长度为1000，数组下标都是三位数 000, 001…999，所以应该把关键字分成3位一段，舍弃最低的两位65

		1   2   3                    1   2   3
		6   0   3                    3   0   6
		2   4   7                    2   4   7
		1   1   2                    2   1   1
	+   0   2   0                +   0   2   0
	————————————————            ——————————————————
    1   1   0   5                	 9   0   7

		 特殊操作                      直接叠加

直接叠加得到 907，正好3位，得到哈希地址 907；特殊操作叠加得到 1105，结果只保留3位，舍弃最高位的1，得到哈希地址 105。

 

4、随机乘数法

hash(key) = n * random(key)

n是哈希表长度，采用随机函数生成一个 0~1 的随机小数，乘以哈希表长度分散到哈希表上，对结果取整得到哈希地址（要使用的数组下标）。

 

5、直接定址法

hash(key) = key + c

在key的基础上与常数进行数学运算。示例：哈希表长度10000，下标范围0~9999，要存储的元素是业务编号，编号范围1~10000，则可以使用 hash(key) = key - 1。

 

解析哈希冲突的常见方式

1、开放地址法
也叫作开放定址法，当关键字key的哈希地址 p=H(key) 出现冲突时，以p为基础生成另一个哈希地址p1，如果p1仍然冲突，再以p为基础生成另一个哈希地址p2…直到找出一个不冲突的哈希地址pi，将元素存入其中。这种方式有一个通用公式

Hi = ( H(key) + di ) % n

n是哈希表的表长（数组长度），di是增量序列，i=1, 2…n。di的取值有3种方式

• 线性探测再散列：逐渐+1，di = 1 , 2 , 3 , … , n-1
• 平方探测再散列：也叫作二次探测再散列，二次指的是二次方，di=1^2，-1^2，2^2，-2^2，…，k^2，-k^2 ( k<=n/2 )
• 随机探测再散列：di 是一组伪随机数列
   

2、拉链法
也叫作链地址法、链表法，将哈希地址相同的元素存储在一个链表中，将链表的头指针直接存储在哈希表（数组）中。
优点：实现简单，且链表中的节点使用的内存空间是动态申请的，避免了内存空间的浪费，十分适合添加元素前不好确定元素个数的情况。HashMap即使用此种方式解决哈希冲突。
 

3、再哈希法
也叫作再散列法，同时构建多个哈希函数，使用第一个哈希函数计算得到的地址存在冲突时，使用第二个哈希函数计算，以此类推，直到计算得到的地址不发生冲突。
缺点：可能需要进行多次哈希计算，增加了计算的时间开销。
 

4、使用公共溢出区
把哈希表（数组）作为基本表，建立一个公共溢出区，把和基本表中冲突的元素都存储在溢出区中。