对Hash表的一些见解

  记得是在大二上学习数据结构这一门课程时，高航老师向我们介绍了Hash表以及如何构造一个Hash表。如今我正准备找实习工作，而Hash表在实际应用中非常广泛，所以最近准备再次深入学习Hash表，并将这次所学记录在此博客。

一.什么是Hash表

	维基百科上是这样介绍Hash表的:	散列表（Hash table，也叫哈希表），是根据关键字（Key value）而直接访问在内存存储位置的数据结构。也就是说，它通过计算一个关于键值的函数，将所需查询的数据映射到表中一个位置来访问记录，这加快了查找速度。这个映射函数称做散列函数，存放记录的数组称做散列表。

	个人理解为：通过构造一个散列函数(哈希函数)，将 键-值 进行对应，达到一种非常快速、高效的查询数据的结构。这种结构是相较于普通的数据结构(如线性表、树等)来说，普通结构中记录的位置是随机的，和记录的关键字之间不存在确定的关系，所以在具体的查询操作的时候，需要一一进行关键字的比较，这样复杂度就大于O(1)；而对于Hash表来说，只需知道"键"和散列函数就能立即知道"值"的位置，从而达到O(1)的复杂度。

关于Hash函数：

		Hash操作的本质即为将一个数据映射成另一个数据，通常情况下原数据容量大于映射后数据容量，这种映射关系我们称为Hash函数。

二.Hash表的构造方法

构造Hash表之前要先确定Hash函数。

在严蔚敏版的《数据结构》一书中，提出了6种构造方法，分别是：直接定址法、数字分析法、平方取中法、折叠法、除留余数法和随机数法。

三.Hash冲突

Hash冲突产生的原因

如果有有key值哈希之后对应的地址已经存放了数据，这种情况就被称为Hash冲突。如果有一个Hash函数使得每一个输入值都能对应唯一的一个储存单元(没有冲突)，这个Hash函数就可以称为完美Hash函数。但实际情况中为了是Hash函数简单、运行速度快，往往不会采用完美哈希函数，所以肯定会冲突，为了减少冲突，我们希望哈希之后的结果能够均匀的存储在地址空间中，这样可以有效地减少冲突。

如何解决Hash冲突

在《数据结构》教材上，我们学习了4种解决办法，分别是：开放地址法、再哈希法、链地址法和建立公共溢出区。其中常用的办法是开放地址法和链地址法。

开放地址法

	基本思想是：哈希之后找到对应的存储单元，如发生冲突，则再通过某种方法探寻表中其他储存空间单元，直至找到可用的单元为止。

	Hi  = ( H(key) + di ) MOD m          i为下标，i = 1， 2，...，k (K <= M - 1)

	其中 H(key) 为哈希函数，m为哈希表表长， 

	di为增量序列，可有三种取法

		(1) di = 1, 2, 3,...,m-1,这种被称为线性探测再散列；

		(2) di = 1^2, -1^2, 2^2, -2^2, 3^2,..., -k^2，(k <=  m/2),这种被称为二次探测再散列；

		(3) di = 伪随机数序列，称为伪随机探测再散列。

	例如：现在第i个空间已经被存放了M元素，又来了一个元素N，元素N哈希之后也应被分配到第i个单元，这时冲突发生：

	如果是线性探测再散列方法: 

			1.j = 1

			2.若第 (i+j) % m 个单元可用则存入

						3.若不可用，则 j++

						4. goto 2

	对于二次探测散列和伪随机探测再散列方法，只需改变上述个别步骤即可。

链地址法：

		基本思想：将所有哈希地址为i 的元素构成一个称为同义词链的链表，并将链表的头指针存在哈希表的第i个单元中，因而查找、插入和删除主要在同义词链中进行。 

链地址法是将数组和链表组合而成，如果发生冲突，只需将冲突元素加入其同义词的链表之中。

这里借用教材上的一张图片，应该很好理解。

两种方法对比：

链地址优势有：

		①链接法处理冲突简单，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由于链接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。而链接法中可取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在用链接法构造的散列表中，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。

开放地址法相较链地址法优势是：不需要用到额外空间。