文章目录
- 来玩个游戏,找不同
unordered与有序序列的关联式容器之间的区别
-
从存储的顺序来说:普通关联式容器(set/map/multimap/multiset)内部存储的顺序是有序的,而unordered系列的容器内部存储的数据是无须的且随机的.
-
从底层结构来说:普通序列式容器底层是通过封装红黑树来维持关联式容器的有序性,而unordered系列的关联式容器底层是通过 封装哈希表的方式维持其特性
-
unordered系列的关联式容器之所以效率比较高,是因为其底层使用了哈希结构
哈希
一:哈希介绍
1.1:哈希概念
- 顺序结构以及平衡树中,元素关键码与其存储位置之间没有对应的关系,因此在查找一个元素时,必须要经过关键码的多次比较。顺序查找时间复杂度为O(N),平衡树中为树的高度,即O(logN),搜索的效率取决于搜索过程中元素的比较次数。
- 理想的搜索方法:可以不经过任何比较,一次直接从表中得到要搜索的元素。 如果构造一种存储结构,通过某种函数(hashFunc)使元素的存储位置与它的关键码之间能够建立一 一 映射的关系,那么在查找时通过该函数可以很快找到该元素。
- hash table 可以提供任何有名项的存取操作和删除操作.由于操作对象都是有名项,所以hash table也可以被视为是一种 字典结构 ,这种结构的用意在于 常数时间之基本操作
1.2:对该结构的操作
- 插入元素
- 根据带插入元素的关键码,以此函数计算出该元素的存储位置并按此位置进行存放
例如:将哈希函数设置为:hash(key)=key%capacity;(capacity为存储元素底层空间总的大小)
该过程中key值通过哈希函数进行计算决定插入位置
- 搜索元素
- 对元素的关键码进行同样的计算,把求得的函数值当做元素的存储位置,在结构中按此位置取元素比较,若关键码相等,则搜索成功.
以上操作方式即为哈希(散列)方法,哈希方法中使用的转换函数称为哈希(散列)函数,构造出来的结构称为哈希表(Hash Table)(或者称为散列表)
- 那么往上述的列表中插入44会发生什么情况呢?
1.3:哈希冲突
对于两个数据元素的关键字 Ki和 Kj (i != j),有Ki != Kj ,但有:Hash( Ki) == Hash( Kj),即:不同关键字通过相同哈希哈数计算出相同的哈希地址,该种现象称为哈希冲突或哈希碰撞。把具有不同关键码而具有相同哈希地址的数据元素称为“同义词”。
-
向上例中4与44插入的时候,通过哈希函数计算两者要插入的位置相同,发生冲突–>哈希冲突.
-
那么该怎么解决哈希冲突带来的困扰呢?
1.4:哈希函数
- 引起哈希冲突的一个原因可能是:哈希函数设计不合理,
1.4.1:哈希函数设计原则
- 哈希函数的定义域必须包括需要存储的全部关键码,而如果散列表允许有m个地址时,其值域必须在0~m-1之间
- 哈希函数计算出来的地址能均匀分布在整个空间中
- 哈希函数应该比较简答
1.4.2:常用的两种哈希函数
- 1.直接定值法
取关键字的某个线性函数为散列地址:Hash(Key)=A*Key+B
- 优点:简单、均匀、
- 缺点:需要事先知道关键字的分布情况,
- 使用场景:合适查找比较小且连续的情况
- 2.除留余数法
设散列表中允许的地址数为m,取一个不大于m,但是接近或者等于m的质数p作为除数,按照哈希函数:Hash(Key)=key%p(p<=m),将关键码转换成哈希地址
- 注意
哈希函数设计的越精妙,产生哈希冲突的可能性就越低,但是无法避免哈希冲突的发生
1.5:哈希冲突解决
- 解决哈希冲突两种常见的方法是:闭散列和开散列
1.5.1:闭散列
- 闭散列:也叫开放定址法,当发生哈希冲突时,如果哈希表未被装满,说明在哈希表中必然还有空位置,那么可以把key存放到冲突位置中的“下一个” 空位置中去。
那如何寻找下一个空位置呢?
- 解决办法有两种线性探测和除留余数法
1.线性探测:从发生冲突的位置开始,依次往后探测,直到寻找到下一个空位置为止
- 插入
- 1.通过哈希函数获取待插入元素的在哈希表中的位置
- 2.如果该位置中没有元素就直接插入新的元素,如果该位置中有元素会发生哈希冲突,使用线性探测找到下一个空位置,插入新的元素
- 在插入了元素(1,4,5,6,7,9)之后继续往哈希表中插入新的元素44,插入过程中发现hash(44)结果也为4,而下标为4的位置已经被占用了(发生哈希冲突),所以继续往后寻找合适的位置插入(5,6,7)位置均被占用,但是下标为8的位置还空着,就将44插入到该位置
- 删除
采用闲散列处理哈希冲突时,不能随便物理删除哈希表中已有的元素,若直接删除元素会影响其他元素的搜索.比如直接删除元素4,如果直接删除掉,44查找起来可能会受影响.因此线性探测采用标记的伪删除法来删除一个元素
//哈希表每个空间给个标记
//EMPTY此位置为空,EXIST此位置已经有元素,DELETE元素已经删除
enum State{EMPTY,EXIST,DELETE};
2.除留余数法:最好模一个素数,如何每次快速去一个类似两倍关系的素数?
const int PRIMECOUNT = 28;
const size_t primeList[PRIMECOUNT] = {
53ul, 97ul, 193ul, 389ul, 769ul,
1543ul, 3079ul, 6151ul, 12289ul, 24593ul,
49157ul, 98317ul, 196613ul, 393241ul, 786433ul,
1572869ul, 3145739ul, 6291469ul, 12582917ul, 25165843ul,
50331653ul, 100663319ul, 201326611ul, 402653189ul, 805306457ul,
1610612741ul, 3221225473ul, 4294967291ul
};
size_t GetNextPrime(size_t prime) {
size_t i = 0;
for(; i < PRIMECOUNT; ++i)
{
if(primeList[i] > primeList[i])
return primeList[i];
}
return primeList[i];
}
3.什么时机进行增容,如何增容?
- 散列表的载荷因子定义为: α =填入表中的元素个数 / 散列表的长度
α时散列表中装满程度的标志因子,由于表长为定值,α与"填入表中的元素个数" 成正比,所以α越大,表明填入表中的元素就越多,产生冲突的可能性就越大;反之,α越小,表明填入表中的元素越少,产生冲突的可能性就越小,实际上,散列表的平均查找长度是载荷因子α的函数,只是不同处理冲突的方法有不同的函数
对于开放定址法,载荷因子是特别重要因素,应严格限制在0.7-0.8以下,超过0.8查表时的CPU缓存不命中,按照指数曲线上升,因此,一些采用开放定址法的hash库.
void CheckCapacity()
{
if(_size * 10 / _ht.capacity() >= 7)
{
HashTable<K, V, HF> newHt(GetNextPrime(ht.capacity));
for(size_t i = 0; i < _ht.capacity(); ++i)
{
if(_ht[i]._state == EXIST)
newHt.Insert(_ht[i]._val);
}
Swap(newHt);
}
}
- 线性探测优点:实现非常简单,
- 线性探测缺点:一旦发生哈希冲突,所有的冲突连在一起,容易产生数据“堆积”,即:不同关键码占据了可利用的空位置,使得寻找某关键码的位置需要许多次比较,导致搜索效率降低。如何缓解呢?
4.二次探测
线性探测的缺陷是产生冲突的数据堆积在一块,这与其找下一个空位置有关系,因为找空位置的方式就是挨着往后逐个去找,因此二次探测为了避免该问题,找下一个空位置的方法为: Hi= (Ho +i^2 )% m,或者:Hi = (Ho - i ^2)% m。其中:i = 1,2,3…, 是通过散列函数Hash(x)对元素的关键码 key 进行计算得到的位置,m是表的大小。 如果要插入44,产生冲突,使用解决后的情况为:
实验表明:当表的长度为质数且表装载因子a不超过0.5时,新的表项一定能够插入,而且任何一个位置都不会被探查两次。因此只要表中有一半的空位置,就不会存在表满的问题。在搜索时可以不考虑表装满的情况,但在插入时必须确保表的装载因子a不超过0.5,如果超出必须考虑增容。
因此:闭散列最大的缺陷就是空间利用率比较低,着也是哈希的缺陷
1.5.2:开散列
- 1.开散列:又叫链地址法(开链法),首先对关键码集合用散列函数计算散列地址,具有相同地址的关键码归于同一子集合,每一个子集合称为一个哈希桶 ,各个桶中的元素通过一个单链表链接起来,各链表的头结点存储在哈希表中
- 上图可以看出,开散列中每个桶中放的都是发生哈希冲突的元素
开散列增容
桶的个数是一定的,随着元素的不断插入,每个桶中元素的个数不断增多,极端情况下,可能会导致一个桶中链表节点非常多,会影响的哈希表的性能,因此在一定条件下需要对哈希表进行增容,那该条件怎么确认呢?
- 开散列最好的情况是:每个哈希桶中刚好挂一个节点,再继续插入元素时,每一次都会发生哈希冲突,因此,在元素个数刚好等于桶的个数时,可以给哈希表增容。
void CheckCapacity(){
if(_size==_table.size()){
size_t newC=_table.size()==0?10:2*_table.size();
KeyOfValue Kov;
vector<pNode> newHt;
//新建一个表,将原来表中的元素赋值到新的表中
newHt.resize(newC);
for(size_t i=0;i<_table.size();i++){
pNode cur=_table[i];
while(cur){
pNode next=cur->_next;
//位置要重新计算
size_t index=( Kov(cur->_data) )%newHt.size();
//头插
cur->_next=newHt[index];
newHt[index]=cur;
cur=next;
}
_table[i]=nullptr;
}
//新表和原来的表进行交换
_table.swap(newHt);
}
}
1.6 :开散列与比散列比较
应用链地址法处理溢出,需要增设链接指针,似乎增加了存储开销.事实上: 由于开地址法必须保持大量的空闲空间以确保搜索效率,如二次探查法要求装载因子a <= 0.7,而表项所占空间又比指针大的多,所以使用链地址法反而比开地址法节省存储空间。