算法与数据结构之美—散列表

开篇思考

Word文档中的单词拼写检查功能是如何实现的？

散列思想

散列表，“Hash Table”,平时也叫“哈希表”，采用的是数组支持按照下标随机访问，相当于数组的一种扩展。

例如：学生参加学校运动会，100名选手每个人都有一个参赛编号，那么如何快速通过参赛编号找到运动员呢？那我们就可以将参赛编号与数组下标一一对应起来，当需要查询参赛编号x的时候，只需要将其从对应下标为x，从数组中取出来即可，就可以实现快速查找编号对应的选手信息了。

这里就用到了散列思想，参赛选手的编号作为key或者关键字，将编号映射为数组下标的方法就是散列函数，得到的值就是散列值；

散列函数

散列函数设计要求：

• 散列函数计算得到的散列值是一个非负整数，因为数组下标从0开始 ；
• 如果key1 = key 2,那么hash(key1)==hash(key2);
• 如果key1!= key 2,那么hash(key1)!=hash(key2);
  对于第三点，在实际情况中想要找到没有散列冲突的散列函数是不可能的，所以针对于散列冲突需要采取别的方式解决；

散列冲突

开放寻址法(open addressing)

开放寻址法的核心思想是，如果出现了散列冲突，就重新探测一个空闲位置将其插入；
探测方法

• 线性探测法
  从当前位置依次往后查找，看是否有空闲位置，直到找到为止。
  探测算法的弊端：
  当散列表中插入的数据越来越多时，散列冲突发生的可能性就越来越大，空闲位置会越来越少，线性探测的时间越久，在极端情况下的时间复杂度是O(n);

• 二次散列(Quadratic probing)
  线性探测的步长是1，那么它探测的下标序列就是hash(key)+0,hash(key)+1,hash(key)+2…，二次探测的步长就变成了原来的"二次方"，
  hash(key)+0，hash(key)+1^2…

• 双重散列(Double hashing)
  双重散列，就是不仅要使用一个散列函数，要用一组散列函数hash1(key),hash2(key),hash3(key)…我们先用第一个散列函数，如果计算得到的存储位置已经被占用，再用第二个散列函数，依次类推，直到找到空闲的存储位置。

当散列表中的空闲位置不多时，不管哪种探测方法，散列冲突的概率都会大大提高。

链表法

在散列表中，每个“桶(bucket)”或者"槽(slot)"都会对应一条链表，所有散列值相同的饿元素都会放到相同槽位对应的链表中。

当插入的时候，我们只需要通过散列函数计算出对应的散列槽位，将其插入到对应链表中即可，所以插入的时间复杂度是O(1)。当查找、删除一个元素时，我们同样通过散列函数计算出对应的槽，然后遍历链表查找或者删除。那查找或删除操作的时间复杂度是多少呢？

实际上，这两个操作的时间复杂度跟链表的长度k成正比，也就是O(k)。对于散列比较均匀的散列函数来说，理论上讲，k=n/m，其中n表示散列中数据的个
数，m表示散列表中“槽”的个数。

如何设计散列函数

散列函数的设计不能太复杂，需要考虑关键字的长度、特点、分布还有散列表的大小等，散列函数的设计方法有，直接寻址法、平方取中法、折叠法、随机数法等；

装载因子

装载因子 = 填入表中的元素个数/散列表的长度；
装载因子越大，说明散列表的元素越多，空闲位置越小，散列冲突的概率越大；
当散列因子过大时，我们也可以进行动态扩容

工业级散列表举例分析

Java中的HashMap

• 初始大小
  HashMap默认的初始值大小为16，可以修改默认初始大小，减少动态扩容次数，大大提高HashMap的性能；

• 装载因子和动态扩容
  最大装载因子为0.75，当HashMap中的元素个数超过0.75*capacity的时候就会启动自动扩容，每次扩容都会变为原来的两倍；

• 散列冲突解决方法
  HashMap的底层采用链表法来解决冲突，当链表长度过长(默认值为8)时，链表就转换为红黑树，可以利用红黑树快速增删改查，提高HashMap的性能

• 散列函数
  简单高效，分布均匀；

散列表和链表的组合

LRU缓存淘汰算法

借助散列表可以将LRU缓存淘汰算法的时间复杂度降低为O(1);
一个缓存**(cache)**系统主要包含以下几个操作：

• 往缓存中添加一个数据；
• 从缓存中删除一个数据；
• 在缓存中查找一个数据

Redis有序集合

在有序集合中，每个成员对象有两个重要的属性，key（键值）和score（分值）。我们不仅会通过score来查找数据，还会通过key来查找数据；

• 添加一个成员对象；
• 按照键值来删除一个成员对象；
• 按照键值来查找一个成员对象；
• 按照分值区间查找数据，比如查找积分在[100,356]之间的成员对象；
• 按照分值从小到大排序成员变量；

Java LinkedHashMap

LinkedHashMap也是通过散列表和链表组合在一起实现的。实际上，它不仅支持按照插入顺序遍历数据，还支持按照访问顺序来遍历数据;
以下面这段代码为例：

HashMap<Integer,Integer> m = new LinkedHashMap<>();
m.put(3,11);
m.put(1,12);
m.put(5,23);
m.put(2,22);
for(Map.Entry e:m.entrySet()){
	System.out.println(e.getKey());
}

最终输出的结果是3，1，2，5

//初始大小为10，0.75是装载因子，true是指按照访问时间排序
HashMap<Integer,Integer> m = new LinkedHashMap<>()(10,0.75f,true);
m.put(3,11);
m.put(1,12);
m.put(5,23);
m.put(2,22);

m.put(3,26);
m.get(5);
for(Map.Entry e:m.entrySet()){
	System.out.println(e.getKey());
}

这段代码的输出为1，2，3，5；
思考一下为啥会这样：
咱们看一下过程，当调用完前4个put函数的时候，链表中的数据如下图所示：

将键值为3的数据再次假如LinkedHashMap的时候，先查找这个值是否存在，将已经存在的(3,11)删除，并将新的(3,26)加入链表尾部，此时的链表数据如下图所示：

当执行m.get(5)的时候，需要将key为5的数据取出，插入链表的尾部，此时链表中的数据变为：

最终打印的数据就是1，2，3，5
LinkedHashMap是通过双向链表和散列表这两种数据结构组合实现的LinkedHashMap中的“Linked”实际上是指的是双向链表，并非指用链表法解决散列冲突。

解答开篇

Word文档中单词拼写检查功能如何实现？

常用的英文单词有20万个左右，假设单词的平均长度是10个字母，平均一个单词占用10个字节的内存空间，那20万英文单词大约占2MB的存储空间，就算放大10倍也就是20MB。对于现在的计算机来说，这个大小完全可以放在内存里面。所以我们可以用散列表来存储整个英文单词词典。

当用户输入某个英文单词时，我们拿用户输入的单词去散列表中查找。如果查到，则说明拼写正确；如果没有查到，则说明拼写可能有误，给予提示。借助散列表这种数据结构，我们就可以轻松实现快速判断是否存在拼写错误。