详谈哈希表

一、基本概念

根据设定的哈希函数$H(key)$ 和处理冲突的方法将一组关键字映射到一个有限的连续的地址集（区间）上，并以关键字在地址集中的“像”作为记录在表中的存储位置，这种表便称为 哈希表，这一映像过程称为哈希造表 或散列，所得存储位置称哈希地址 或 散列地址。

二、哈希函数的构造方式

什么是好的哈希函数？

若对于关键字集合中的任何一个关键字，经哈希函数映射到地址集合中任何一个地址的概率是相等的，则称此类哈希函数为 均匀的哈希函数 。换句话说，就是使关键字经过哈希函数得到一个“随机的地址”，以便使一组关键字的哈希地址均匀分布在整个区间中，从而减少冲突。

常用的构造哈希函数的方法有：

1、直接定址法

取关键字或关键字的某个线性函数值为哈希地址。即：

$$H(key)=key或H(key)=a\ast key+b$$

其中$a$ 和$b$为常数（这种哈希函数叫做自身函数）。

例如：有一个从1岁到100岁的人口数字统计表，其中，年龄作为关键字，哈希函数取关键字减一常数1：$H(key)=key+(-1)$。结果如下图所示：

2、数字分析法

假设关键字是以 $r$ 为基的数（如：以10位基的十进制），并且哈希表中可能出现的关键字都是事先知道的，则可取关键字的若干数位组成哈希地址。

例：假设有80记录，其关键字为8位十进制数。假设哈希表的表长为100，则可取两位十进制数组成哈希地址。取哪两位？原则是使得到的哈希地址尽量避免产生冲突。

对关键字分析发现，第1、2位都是“8 1”，第3位只能取1、2、3或4，第8位只能取2、5或7，因此这4位都不可取。由于中间的4位可看成是近乎随机的，因此可取其中任意两位，或取其中两位与另外两位的叠加求和后舍去进位作为哈希地址。可通过下面的式子获取4、5两位数。
$$H(key)=key\%100000/1000$$

3、平方取中法

取关键字平方后的中间几位为哈希地址。这是一种较常用的构造哈希函数的方法。通常在选定哈希函数时不一定能知道关键字的全部情况，取其中哪几位也不一定合适，而一个数平方后的中间几位数和数的每一位都相关，由此使随机分布的关键字得到的哈希地址也是随机的。取的位数由表长决定。

4、折叠法

将关键字分割成位数相同的几部分（最后一部分的位数可能不同），然后取这几部分的叠加和（舍去进位）作为哈希地址，这方法称为折叠法。关键字位数很多，而且关键字中每一位上数字分布大致均匀时，可以采用折叠法得到哈希地址。

（1）移位叠加：移位叠加是将分割后的每一部分的最低位对齐，然后相加。

（2）间界叠加：间界叠加是从一端向另一端沿分割界来回折叠，然后对齐相加。

例：设某图书馆的馆藏图书不足10000种，现欲以国际标准图书编号为关键字构造哈希表，试用折叠法设计哈希函数。如有国际标准图书编号0-442-20586-4分别用（a）移位叠加法和（b）间界叠加法的哈希地址分别如下所示：

5、除留余数法

取关键字被某个不大于哈希表表长$m$的数 $p$除后所得余数为哈希地址。即
$$H(key)=keyMODp,p\le m$$

这是一种最简单，也最常用的构造哈希函数的方法。它不仅可以对关键字直接取模（MOD），也可在折叠、平方取中法等运算后取模。

例：设有一组关键字如下：（19,14,23,01,68,20,84,27,55,11,10,79），试用除留取余法设计哈希函数。

可令$p$ 为13，即令$H(key)=key\%13$。

注：对$p$ 要加一个限制：即 $p$一定要为质数。不然会增加冲突的可能。

6、随机法

选择一个随机函数，取关键字的随机函数值为它的哈希地址，即$H(key)=random(key)$,其中 $random$ 为随机函数。通常，当关键字长度不等时采用此法构造哈希函数较恰当。

实际工作中需视不用的情况采用不同的哈希函数。通常，考虑的因素有：

（1）计算哈希函数所需时间（包括硬件指令的因素）；

（2）关键字的长度；

（3）哈希表的大小

（4）关键字的分布情况；

（5）记录的查找频率

三、处理冲突的方法

处理冲突是指对于一个待插入哈希表的数据元素，若按给定的哈希函数求得的哈希地址已被占用，则按一定规则求下一个哈希地址，如此反复，直至找到一个可用的地址以保存该元素。

通常用的处理冲突的方法有以下几种：

1、开放定址法：

$$H_i=(H(key)+d_i)MODm;i=1,2,...,k(k\le m-1)$$

其中：$H(key)$ 为哈希函数；$m$为哈希表表长；$d_i$为增量序列，可有下列3中取法；（1） $d_i=1,2,3,...,m-1$，称 线性探测再散列 ； （2） $d_i=1^2,-1^2,2^2,-2^2,3^2,...,\pm k^2，(k\le m/2)$ 称 二次探测再散列 ；(3) $d_i=$ 伪随机数序列，称伪随机探测再散列。

例：设有一组关键字如下：（67,84,18,26,34,28），哈希函数为 $H(key)=key$, 用线性探测再散列法处理冲突，试画出哈希表存储结构示意图。
已知：

    哈希函数：$H(key)=key\%7$

    有冲突时：$H_i=(H(key)+d_i)\%7$

2、再哈希法

$$H_i=R{H}_i(key)i=1,2,...,k$$

$R{H}_I$均是不同的哈希函数，即在同义词产生地址冲突时计算另一个哈希函数地址，直到冲突不再发生。这种方法不易产生“聚集”，但增加了计算的时间。

3、链地址法

将所有关键字为同义词的记录存储在同一线性链表中，假设某哈希函数产生的哈希地址在区间 $[0,m-1]$ 上，则设立一个指针型向量
$$ChainChainHash[m]$$

其每个分量的初始状态都是空指针。凡哈希地址为$i$的记录都插入到头指针为$ChainHash[i]$ 的链表中。在链表中的插入位置可以在表头或表尾；也可以在中间，以保持同义词在同一线性表中按关键字有序。

例：已知一组关键字为（67,84,18,26,34,28），哈希函数为$H(key)=key\%7$ ，用链地址法处理冲突，试画出哈希表存储结构示意图。

已知：

   哈希函数：$H(key)=key\%7$

   有冲突时，在对应链表中插入新节点

4、公共溢出区法

这也是处理冲突的一种方法。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，每个分量存放一个记录，另设立向量$OverTable[0..v]$ 为溢出表。所有关键字和基本表中关键字为同义词的记录，不管它们由哈希函数得到的哈希地址是什么，一旦发生冲突，都填入溢出表。

例：设有一组关键字如下：（67,84,18,26,34,28），哈希函数为$H(key)=key\%7$ ,用公共溢出区法处理冲突，试画出哈希表存储结构示意图。

已知：

   哈希函数：$H(key)=key\%7$

   有冲突时，保存到公共溢出区

四、在哈希表中查找元素

在哈希表上进行查找的过程和哈希造表的过程基本一致。给定$K$ 值，根据造表时设定的哈希函数求得哈希地址。

• 若表中此位置上没有记录，则查找不成功；
• 否则比较关键字，若和给定值相等，则查找成功；
• 否则根据造表时设定的处理冲突的方法找“下一地址”，直至哈希表中某个位置为“空”或者表中所填记录的关键字等于给定值时为止。