左 . 算法---哈希函数/哈希表/布隆过滤器/一致性哈希算法 专题

哈希函数：

常见的功能就是 打乱分布  均匀随机   输入无穷大  输出却在一定范围内    

即使出现碰撞 但是每个输出对应的输入个数 概率均匀分布   没有太大偏向

一个重要的性质：  如果在input域上均匀分布  那么经过哈希并%m 运算后（在0~m-1范围内)    在输出域上同样均匀分布

 

 

哈希表：

经典结构：

根据key算出具体的hashcode值（h)----决定了value的存放位置

若 h 位置处为空  则直接将key1-value1 放入

若h位置处不为空  检查是否已有key1     若已有  则更新其对应value值   否则 直接按照链表格式，节点连在上一节点后面

 

 

 

经典应用：

场景题：  如果现在有一个超级大的文件，需要统计其中重复的字符串 ，我们要怎么办？

目前已知的：  可以供给1000台计算机   读取细节不用关心 只需要设计大概系统

思路 ：哈希的分流特性  

具体操作：  将大文件读取很多行   每一行都计算哈希值  并模1000   则这些字符串均匀分布在0-999范围内

给电脑编号0-999   对应分布在一个范围内的一些字符串用同一台电脑进行处理  达到大数据分流的效果（类似于分布式）

每台电脑只统计自己处理的重复字符串  最后将结果进行汇总即可   

总结：

大数据相关的问题 有一半都是借助于哈希来解决  因为哈希具有“相同的肯定相同 不同的均匀分布”特性

在桶不够用时可以进行扩容   代价也还可以接受    一般是O(lognN)

 

 

 

 

 

 

设计一个RandomPool结构：

思路：

因为  getRandom()函数要求等概率随机返回结构中的任意一个key 

所以  一张哈希表在小样本情况下无法做到随机 需要至少两张哈希表

举例：

现在有26个字符串

分别按照顺序放入两个表中   两个表的key value 是对应的

用size统计此时表中数据个数   最后getRandom()时候直接 Math.random()*26  来获取map2中对应key的value

 

 

 

部分代码：

 

解决难点：  删除过程中会在原有随机结构中出现好多洞  导致随机性变差   如何解决此问题？

思路：  

 

z最终的总代码：