初识哈希表

目录

是什么：

散列表功能：

什么是散列冲突：

解决散列冲突的方法：

哈希表的性能：

插播阿里面试题：

---

是什么：

散列表又名哈希表、hash表

Java中对应的数据结构有hashmap

Python中对应的数据结构叫做 字典

它是一种基于数组，借助散列函数进行扩展的数据结构，它利用数组支持下标随机访问的特性，使得我们寻找元素时，利用映射就可以知道元素的位置，查找的时间复杂度为O(1)（粗略的看）。

假如要将 牛奶的价格存入数组

牛奶 ----> 散列函数运算 -----> 表中的某一个位置------>在位置存储价格

当查找时，输入牛奶，得到数组位置，取出价格。

 

散列表功能：

1.模拟映射关系

2.防止重复

3.……

 

什么是散列冲突：

简单来说，就是不同键映射到不同数组位置，但是有几率映射到同一个位置。

好的散列函数就是将数据均匀的散列到各个位置。

 

解决散列冲突的方法：

1.开放寻址法open addressing

如果要插入的位置已经重复，那就从那个位置开始寻找新的位置，再插入

(1)线性探测Linear Probing 随着位置的减少，探测的时间增大，最坏情况达到o(n)

(2)二次探测Quadratic probing 步长变成 线性探测 的平方

(3)双重散列Double hashing 使用 一组 散列函数得到位置。

2.链表法 chaining

常用，相比更简单

原理：

当数组可用位置逐渐减少，冲突的几率就会增大，假如A位置已经放入了一个元素，那么就不能存放第二个元素了，所以数组在A位置上放置链表，当查找元素在A位置时，再索引链表中是否有这个元素，这样就暂时解决了冲突问题，但随着链表元素的增加，查询速度会变慢，那么整体效率又会急剧下降O(n)。

而java中的hashmap在之前就是使用的链表法，jdk1.8加入了红黑树，当链表达到一定长度转为红黑树。

 

哈希表的性能：

如何让散列冲突少，让数据均匀的散列到各个位置上，散列函数就很重要了，这也是衡量散列性能的重要依据

1.较低的装填因子load factor 已有数据个数/散列表长度

2.良好的散列函数

比如:SHA函数，MD5，SHA，CRC

一般的当装填因子大于0.7就需要扩充散列表了，调整长度

而数组的调整长度就是数组复制，会花费很长的时间，不需要频繁的调整，就需要刚开始的时候根据情景设定初始大小和装填因子

---

插播阿里面试题：

这是我春招阿里一面的hashmap相关面试题

1.听你说看了java源码了，那你讲讲hashmap的源码吧

2.刚听你讲hashmap是由数组加链表组成的，那你说说这么设计有什么好处？

3.说说jdk 1.8，hashmap有什么变化

4.哦，改为红黑树了啊，那你讲讲什么是红黑树，他的特点是什么？

5.为什么要改为红黑树？

6.讲讲红黑树的左旋和右旋

你说为啥后面没有了呢？因为到这里我就回答不出来了，面试官就问算法相关的知识了。

 

---

考资料：《算法图解》《数据结构与算法之美》——极客时间专栏