https://blog.csdn.net/asdzheng/article/details/70226007
https://blog.csdn.net/zeb_perfect/article/details/52574915
Hash碰撞冲突
我们知道,对象Hash的前提是实现equals()和hashCode()两个方法,那么HashCode()的作用就是保证对象返回唯一hash值,但当两个对象计算值一样时,这就发生了碰撞冲突。如下将介绍如何处理冲突,当然其前提是一致性hash。1.开放地址法
开放地执法有一个公式:Hi=(H(key)+di) MOD m i=1,2,…,k(k<=m-1)
其中,m为哈希表的表长。di 是产生冲突的时候的增量序列。如果di值可能为1,2,3,…m-1,称线性探测再散列。
如果di取1,则每次冲突之后,向后移动1个位置.如果di取值可能为1,-1,2,-2,4,-4,9,-9,16,-16,…k*k,-k*k(k<=m/2),称二次探测再散列。
如果di取值可能为伪随机数列。称伪随机探测再散列。
2.再哈希法
当发生冲突时,使用第二个、第三个、哈希函数计算地址,直到无冲突时。缺点:计算时间增加。
比如上面第一次按照姓首字母进行哈希,如果产生冲突可以按照姓字母首字母第二位进行哈希,再冲突,第三位,直到不冲突为止
3.链地址法(拉链法)
将所有关键字为同义词的记录存储在同一线性链表中。如下:
因此这种方法,可以近似的认为是筒子里面套筒子
4.建立一个公共溢出区
假设哈希函数的值域为[0,m-1],则设向量HashTable[0..m-1]为基本表,另外设立存储空间向量OverTable[0..v]用以存储发生冲突的记录。
拉链法的优缺点:
优点:
①拉链法处理冲突简单,且无堆积现象,即非同义词决不会发生冲突,因此平均查找长度较短;
②由于拉链法中各链表上的结点空间是动态申请的,故它更适合于造表前无法确定表长的情况;
③开放定址法为减少冲突,要求装填因子α较小,故当结点规模较大时会浪费很多空间。而拉链法中可取α≥1,且结点较大时,拉链法中增加的指针域可忽略不计,因此节省空间;
④在用拉链法构造的散列表中,删除结点的操作易于实现。只要简单地删去链表上相应的结点即可。而对开放地址法构造的散列表,删除结点不能简单地将被删结 点的空间置为空,否则将截断在它之后填人散列表的同义词结点的查找路径。这是因为各种开放地址法中,空地址单元(即开放地址)都是查找失败的条件。因此在 用开放地址法处理冲突的散列表上执行删除操作,只能在被删结点上做删除标记,而不能真正删除结点。
缺点:
指针需要额外的空间,故当结点规模较小时,开放定址法较为节省空间,而若将节省的指针空间用来扩大散列表的规模,可使装填因子变小,这又减少了开放定址法中的冲突,从而提高平均查找速度。
文章转自:https://www.byvoid.com/blog/string-hash-compare
常用的字符串Hash函数还有ELFHash,APHash等等,都是十分简单有效的方法。这些函数使用位运算使得每一个字符都对最后的函数值产生影响。另外还有以MD5和SHA1为代表的杂凑函数,这些函数几乎不可能找到碰撞。
常用字符串哈希函数有BKDRHash,APHash,DJBHash,JSHash,RSHash,SDBMHash,PJWHash,ELFHash等等。对于以上几种哈希函数,我对其进行了一个小小的评测。
Hash函数 数据1 数据2 数据3 数据4 数据1得分 数据2得分 数据3得分 数据4得分 平均分
BKDRHash 2 0 4774 481 96.55 100 90.95 82.05 92.64
APHash 2 3 4754 493 96.55 88.46 100 51.28 86.28
DJBHash 2 2 4975 474 96.55 92.31 0 100 83.43
JSHash 1 4 4761 506 100 84.62 96.83 17.95 81.94
RSHash 1 0 4861 505 100 100 51.58 20.51 75.96
SDBMHash 3 2 4849 504 93.1 92.31 57.01 23.08 72.41
PJWHash 30 26 4878 513 0 0 43.89 0 21.95
ELFHash 30 26 4878 513 0 0 43.89 0 21.95
其中数据1为100000个字母和数字组成的随机串哈希冲突个数。数据2为100000个有意义的英文句子哈希冲突个数。数据3为数据1的哈希值与1000003(大素数)求模后存储到线性表中冲突的个数。数据4为数据1的哈希值与10000019(更大素数)求模后存储到线性表中冲突的个数。
经过比较,得出以上平均得分。平均数为平方平均数。可以发现,BKDRHash无论是在实际效果还是编码实现中,效果都是最突出的。APHash也是较为优秀的算法。DJBHash,JSHash,RSHash与SDBMHash各有千秋。PJWHash与ELFHash效果最差,但得分相似,其算法本质是相似的。
在信息修竞赛中,要本着易于编码调试的原则,个人认为BKDRHash是最适合记忆和使用的。
BYVoid原创,欢迎建议、交流、批评和指正。
附:各种哈希函数的C语言程序代码
unsigned int SDBMHash(char *str)
{
unsigned int hash = 0;
while (*str)
{
// equivalent to: hash = 65599*hash + (*str++);
hash = (*str++) + (hash << 6) + (hash << 16) - hash;
}
return (hash & 0x7FFFFFFF);
}
// RS Hash Function
unsigned int RSHash(char *str)
{
unsigned int b = 378551;
unsigned int a = 63689;
unsigned int hash = 0;
while (*str)
{
hash = hash * a + (*str++);
a *= b;
}
return (hash & 0x7FFFFFFF);
}
// JS Hash Function
unsigned int JSHash(char *str)
{
unsigned int hash = 1315423911;
while (*str)
{
hash ^= ((hash << 5) + (*str++) + (hash >> 2));
}
return (hash & 0x7FFFFFFF);
}
// P. J. Weinberger Hash Function
unsigned int PJWHash(char *str)
{
unsigned int BitsInUnignedInt = (unsigned int)(sizeof(unsigned int) * 8);
unsigned int ThreeQuarters = (unsigned int)((BitsInUnignedInt * 3) / 4);
unsigned int OneEighth = (unsigned int)(BitsInUnignedInt / 8);
unsigned int HighBits = (unsigned int)(0xFFFFFFFF) << (BitsInUnignedInt - OneEighth);
unsigned int hash = 0;
unsigned int test = 0;
while (*str)
{
hash = (hash << OneEighth) + (*str++);
if ((test = hash & HighBits) != 0)
{
hash = ((hash ^ (test >> ThreeQuarters)) & (~HighBits));
}
}
return (hash & 0x7FFFFFFF);
}
// ELF Hash Function
unsigned int ELFHash(char *str)
{
unsigned int hash = 0;
unsigned int x = 0;
while (*str)
{
hash = (hash << 4) + (*str++);
if ((x = hash & 0xF0000000L) != 0)
{
hash ^= (x >> 24);
hash &= ~x;
}
}
return (hash & 0x7FFFFFFF);
}
// BKDR Hash Function
unsigned int BKDRHash(char *str)
{
unsigned int seed = 131; // 31 131 1313 13131 131313 etc..
unsigned int hash = 0;
while (*str)
{
hash = hash * seed + (*str++);
}
return (hash & 0x7FFFFFFF);
}
// DJB Hash Function
unsigned int DJBHash(char *str)
{
unsigned int hash = 5381;
while (*str)
{
hash += (hash << 5) + (*str++);
}
return (hash & 0x7FFFFFFF);
}
// AP Hash Function
unsigned int APHash(char *str)
{
unsigned int hash = 0;
int i;
for (i=0; *str; i++)
{
if ((i & 1) == 0)
{
hash ^= ((hash << 7) ^ (*str++) ^ (hash >> 3));
}
else
{
hash ^= (~((hash << 11) ^ (*str++) ^ (hash >> 5)));
}
}
return (hash & 0x7FFFFFFF);
}
#include <iostream>
using namespace std;
#define MAXSIZE 10//哈希链表 数组个数 当然可以适当的增加或者减少
/*
注意点!!!
1.key值一定不能重复的
2.解决地址冲突法 本例用链表解决冲突即闭址法
*/
/*
个人认为哈希表建表应当注意以下几个步骤:
1.首先应当建立哈希函数
2.建立初始化函数
3.建立查找函数 至于为什么先建立这个函数是为了 下面的插入key值函数做准备的 因为判断条件要用到
4.其它函数可以自己随意添加....
*/
struct Node
{
int nKey;//key 记住 一定不能重复 国内人大多忘记讲这些
int nCount;//key对应的 value 当然可以换成自己定义的数据类型
char cFlag;//状态 当前是否被占用
Node* pNext;//链表结构
};
struct hashTable//一般哈希表 都是这样的结构
{
Node *pFirst;
int nCount;//当前共有多少个key
};
int hash(int nKey)//1. 最简单的哈希函数
{
return nKey%MAXSIZE;//返回数组的索引
}
void createHash(hashTable&ht)//创建哈希表
{
//因为是c语言写的 结构体不能初始化指针 所以判断条件改为0xcccccccc
if (ht.pFirst==(Node*)0xcccccccc)//防止同一个指针被多次创建 c语言指针初始化的时候默认是0xccccccc 大家可以调试一下
{
ht.pFirst=new Node[MAXSIZE];
ht.nCount=0;
for (int i=0;i<MAXSIZE;i++)//初始化
{
ht.pFirst[i].cFlag=0;
ht.pFirst[i].pNext=0;
ht.pFirst[i].nCount=0;
}
}
}
//这里指针直接用的引用 这样操作起来方便
bool findKey(hashTable&ht,int nKey)//寻找key
{
int nBuf=hash(nKey);//根据哈希表计算索引
Node* pBuf=0;
if (ht.pFirst[nBuf].nKey==nKey)//查找一般分为两部分 如果数组里面 没有 那么就取链表里面查找
{
return true;
}
else//查找该数组对应的链表
{
pBuf=ht.pFirst[nBuf].pNext;
while (pBuf)
{
if (pBuf->nKey==nKey)
{
return true;
}
pBuf=pBuf->pNext;
}
}
return false;//没查到
}
void insertKey(hashTable&ht,int nKey)//插入key
{
int nBuf=hash(nKey);
Node* pBuf=0;
if (findKey(ht,nKey))//如果已经存在该 key了 那么直接返回 因为 key肯定不能重复!!!
{
return;
}
if (ht.pFirst[nBuf].cFlag==0)//如果数组里面还没插入 此时没有冲突 那么直接插入到数组里面即可
{
ht.pFirst[nBuf].nKey=nKey;
ht.pFirst[nBuf].cFlag=1;//标记状态已经被占用了
}
else//数组里面已经有了 所以用链表解决地址冲突法
{
pBuf=new Node;//这里的链表采用的是前段插入方式 这样就只需要维护一个头结点即可
pBuf->nKey=nKey;
pBuf->cFlag=1;//状态已经被用了
pBuf->pNext=ht.pFirst[nBuf].pNext;//前端插入
ht.pFirst[nBuf].pNext=pBuf;//前段插入
}
ht.nCount++;
}
void showAll(hashTable&ht)//全部显示出来方便观察
{
int nBuf=0;
Node* pBuf=0;
for (int i=0;i<MAXSIZE;i++)//先遍历数组
{
cout<<"数组值:"<<ht.pFirst[i].nKey<<""<<"链表值 :";
pBuf=ht.pFirst[i].pNext;
while (pBuf)//遍历链表
{
cout<<""<<pBuf->nKey<<" ";
pBuf=pBuf->pNext;
}
cout<<endl;
}
cout<<"一共有:"<<ht.nCount<<"个key值"<<endl;
}
void main()
{
hashTable ht;
ht.pFirst==(Node*)0xcccccccc
createHash(ht);//初始化
for (int i=0;i<100;i++)
{
insertKey(ht,i);//插入key 注意key不能重复!!!!
}
showAll(ht);
}