一个简单的问题:有一个庞大的字符串数组,然后给你一个单独的字符串,让你从这个数组中查找是否有这个字符串并找到它,你会怎么做?有一个方法最简单,老老 实实从头查到尾,一个一个比较,直到找到为止,我想只要学过程序设计的人都能把这样一个程序作出来,但要是有程序员把这样的程序交给用户,我只能用无语来 评价,或许它真的能工作,但 ... 也只能如此了。
最合适的算法自然是使用 HashTable (哈希表),先介绍介绍其中的基本知识,所谓 Hash ,一般是一个整数,通过某种算法,可以把一个字符串 " 压缩 " 成一个整数。当然,无论如何,一个 32 位整数是无法对应回一个字符串的,但在程序中,两个字符串计算出的 Hash 值相等的可能非常小,下面看看在 MPQ 中的 Hash 算法:
Blizzard 的这个算法是非常高效的,被称为 "One-Way Hash"( A one-way hash is a an algorithm that is constructed in such a way that deriving the original string (set of strings, actually) is virtually impossible) 。举个例子,字符串 "unitneutralacritter.grp" 通过这个算法得到的结果是 0xA26067F3 。
是不是把第一个算法改进一下,改成逐个比较字符串的 Hash 值就可以了呢,答案是,远远不够,要想得到最快的算法,就不能进行逐个的比较,通常是构造一个哈希表 (Hash Table) 来解决问题,哈希表是一个大数组,这个数组的容量根据程序的要求来定义,例如 1024 ,每一个 Hash 值通过取模运算 (mod) 对应到数组中的一个位置,这样,只要比较这个字符串的哈希值对应的位置又没有被占用,就可以得到最后的结果了,想想这是什么速度?是的,是最快的 O(1) ,现在仔细看看这个算法吧:
看到此,我想大家都在想一个很严重的问题:“如果两个字符串在哈希表中对应的位置相同怎么办?” , 毕竟一个数组容量是有限的,这种可能性很大。解决该问题的方法很多,我首先想到的就是用“链表” , 感谢大学里学的数据结构教会了这个百试百灵的法宝,我遇到的很多算法都可以转化成链表来解决,只要在哈希表的每个入口挂一个链表,保存所有对应的字符串就 OK 了。事情到此似乎有了完美的结局,如果是把问题独自交给我解决,此时我可能就要开始定义数据结构然后写代码了。然而 Blizzard 的程序员使用的方法则是更精妙的方法。基本原理就是:他们在哈希表中不是用一个哈希值而是用三个哈希值来校验字符串。
MPQ 使用文件名哈希表来跟踪内部的所有文件。但是这个表的格式与正常的哈希表有一些不同。首先,它没有使用哈希作为下标,把实际的文件名存储在表中用于验证,实际上它根本就没有存储文件名。而是使用了 3 种不同的哈希:一个用于哈希表的下标,两个用于验证。这两个验证哈希替代了实际文件名。
当然了,这样仍然会出现 2 个不同的文件名哈希到 3 个同样的哈希。但是这种情况发生的概率平均是 1:18889465931478580854784 ,这个概率对于任何人来说应该都是足够小的 。现在再回到数据结构上, Blizzard 使用的哈希表没有使用链表,而采用 " 顺延 " 的方式来解决问题,看看这个算法:
1. 计算出字符串的三个哈希值(一个用来确定位置,另外两个用来校验 )
2. 察看哈希表中的这个位置
3. 哈希表中这个位置为空吗?如果为空,则肯定该字符串不存在,返回
4. 如果存在,则检查其他两个哈希值是否也匹配,如果匹配,则表示找到了该字符串,返回
5. 移到下一个位置,如果已经移到了表的末尾,则反绕到表的开始位置起继续查询
6. 看看是不是又回到了原来的位置,如果是,则返回没找到
7. 回到 3