【C++】哈希详解--哈希冲突解决办法

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(log2N )，搜索的效率取决于搜索过程中元素的比较次数。

所以我们期待有没有一种方法，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。

该方式即为哈希(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)(或者称散列表)
当向哈希结构中：

• 插入元素

根据待插入元素的关键码，以此函数计算出该元素的存储位置并按此位置进行存放

• 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

借助哈希函数，将数据与其存储位置之间建立一一对应的关系，然后再查找时按照类似的方式进行查找可以达到时间复杂度为O（1）
简单来说

如果在存储数据时，通过某种方式，将数据与其存储结构之间建立一种一一对应的映射关系，查找时再按照该种映射方式来进行查找，就称为哈希

---

2.哈希碰撞（哈希冲突）

• 不同的元素，在往哈希表中存储时，通过哈希函数计算出了相同的位置，即多个元素要插在同一个位置，该种现象称为哈希冲突或哈希碰撞

2.1哈希冲突产生原因

• 产生哈希冲突首先要考虑到哈希函数是否设计的合理，如果不合理要重新设计一款哈希函数

2.1.1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到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单

2.1.2常见哈希函数

1.直接定址法

• 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：适合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，但最接近或者等于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

3. 平方取中法

• 假设关键字为1234，对它平方就是1522756，抽取中间的3位227作为哈希地址
• 再比如关键字为4321，对它平方就是18671041，抽取中间的3位671(或710)作为哈希地址
• 平方取中法比较适合：不知道关键字的分布，而位数又不是很大的情况

4. 折叠法

• 折叠法是将关键字从左到右分割成位数相等的几部分(最后一部分位数可以短些)，然后将这几部分叠加求和，并按散列表表长，取后几位作为散列地址。
• 折叠法适合事先不需要知道关键字的分布，适合关键字位数比较多的情况

5. 随机数法

• 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为随机数函数。
• 随机数法适合关键字长度不等时使用
  无论一个哈希函数设计的多精妙，都无法绝对的解决哈希冲突，哈希函数设计的越精妙，让发生冲突的概率降低

2.2 处理哈希冲突的方法

1.闭散列

定义

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？

1.1线性探测

• 找下一个空位置的方式
  逐个挨着依次往后进行查找,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在哈希表的位置
  2.如果该位置没有元素则直接插入新元素，如果该位置中有发生哈希冲突，使用线性探测找到下一个空位置，插入新元素

• 删除
  1.采用闭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。
  2.因此线性探测采用标记的伪删法来删除一个元素

• 优点
  简单

• 缺点
  容易产生数据的堆积，一旦发生哈希冲突，冲突的元素容易堆积在一起,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?

1.2二次探测

• 找下一个空位置方式
  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
  二次探测不是探测两次， 查找删除插入线性探测第一步都相同，通过哈希函数计算元素在表格中的位置，假设计算出来的位置是H0，假设是第i次探测，H(i) = H(0) + i^2，找下一个空位置的方法为： = ( + )% m,或者： = ( - )% 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

• 越界
  随着i的不断增大， H(0) + i^2可能会超过哈希的容量，如果越界了，我们该怎么解决？
  我们不能把哈希地址放到0号位置（可能造成死循环），因为探测的次数越多，i比较大，2*i+ 1可能已经超过表格大小
  越界的解决办法是让哈希地址%哈希容量

• 删除
  删除时不能直接将EXIST修改为EMPTY，否则会导致改位置之后发生冲突的元素无法找到了
  所以需要第三种状态，DELETE，表明该位置元素已经被删除了

// 哈希表每个空间给个标记
// EMPTY此位置空， EXIST此位置已经有元素， DELETE元素已经删除
enum State{
   EMPTY, EXIST, DELETE};

❓那删除的位置可以插入新元素吗?

• 如果要求哈希表元素唯一，则删除的位置不能插入新元素

• 如果没有要求，则可以插入新元素

哈希负载因子

• 哈希负载因子的计算方式：有效元素的个数/表格的总容量的比率，所以负载因子永远都是小于1的

• 一般情况下：线性探测的负载因子控制在0.7，二次探测的负载因子控制在0.5~0.6

随着哈希表中元素的不断增多，产生哈希冲突的概率也在不断的上升，当元素插入到一定程度，哈希冲突的概率可能会急剧上升，因此哈希表中元素是不会将表格填充满的,但是如果给哈希表太大的空间，会造成空间的浪费,因此闭散列最大是缺点是空间利用率比较低，这也是哈希的缺点

2.开散列

1.定义

开散列法又叫链地址法(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。

可以看出开散列每个桶中放置的元素都是哈希冲突的元素

2.实现

HashBucket.hpp

#pragma once
#include <vector>
#include "Common.h"
#include <iostream>
using namespace std;
//哈希桶中管理的是一个一个的链表
template<class T>
struct HashBucketNode
{
   
	HashBucketNode(const T& x = T())
		:next(nullptr)
		, data(x)
	{
   }
	HashBucketNode<T>* next;
	T data;
};
//前置声明
template<class T, class KOFD, class DToI = DToIntDef<T>>
class HashBucket;

template<class T, class DToI = DToIntDef<T>>
struct HashBucketIterator
{
   
	typedef HashBucketNode<T> Node;
	typedef HashBucketIterator<T, DToI> Self;
public:
	HashBucketIterator(Node* node = nullptr, HashBucket<T, DToI>* _ht = nullptr)
		:_node(node)
		, _ht(_ht)
	{
   }
	//具有指针类似的操作
	T& operator*()
	{
   
		return _node->data;
	}
	T* operator->()
	{
   
		return &(operator*());
	}
	//迭代器要能够移动
	//单链表只能单向
	Self& operator++()
	{
   
		Self temp(*this);
		Next();
		return temp;
	}
	//需要能够比较
	bool operator