数据结构：Map和Set

一.Map和Set

1.1主要的数据结构

Set:其实就是披着Set外衣的Map
也是Collection接口的子接口，一次保存一个元素，和List集合最大的区别在于List集合保存的元素不能重复。
Set:使用Set集合来进行去重处理
只要是Collection的子类都能使用for-each进行遍历

1.2Set集合的基础使用

Set集合元素不重复，使用Set集合去重处理

添加一个元素，若该元素不存在，则添加成功，返回true，若该元素已经存在了，添加失败，返回false

判断一个元素o是否在当前set中存在

在set集合中删除指定的元素o，若该元素不存在，删除失败，返回false，否则删除该元素，返回true

没有提供修改方法，若需要修改元素，只能先把要修改的元素删除，再添加新元素

遍历集合使用for-each循环即可

1.3Map集合的基础使用

HashMap:基于哈希表实现

TreeMap：基于RBTree（红黑树-二分平衡搜索树）实现

Map接口=》一对键值对元素 key=value

根据相应的k值取出相应的value值

添加一个新的键值对=》若k不存在，就新增一个Map.Entry对象，保存到Map中，若k已经存在，修改原来的value值为新的value值，返回修改前的value值。
新增&修改

删除指定k值的这一对键值对，返回删除的value值

返回当前Map接口中所有的k值集合=》返回值是一个Set
key不能重复=》Set接口中就保存不重复的元素

返回当前Map接口中所有的value值集合，返回值是一个Collection接口
Value可以重复

在Map接口元素添加的循序和保存的循序没有必然联系

1.4关于Map接口常见子类的添加问题

1.在Map接口中，元素的添加的循序和保存的循序没有必然联系
不想List,添加顺序和保存顺序一致，先添加1,1这个元素一定保存在2之前，逻辑连续

在HashMap中保存的元素顺序由hash函数来决定

由TreeMap中的compareTo方法决定，要能使用TreeMap保存元素，该类必须要么实现comparable接口，要么传入一个比较器。

1.5关于保存null值的说明

HashMap的key和value都能为null
若key值为null，有且只有一个

TreeMap中key不能为null
value可以为null

二.哈希函数

2.1什么是哈希函数

‘a’=>0
‘b’=>1
‘c’=>2
…=>唯一转为一个数字
将数据类型obj=》整型 哈希函数
数组中，若知道数组的索引，访问速度为o（1）

哈希表中需要一种方法将任意的数据类型转为数组的索引，这样的一种方法称之为哈希函数。
char=>int可以转换
int=>int(取模，摸一个素数)
String=>int字符串的内部就是字符数组，因此还是按照字符转为int的方式MD5
其他数据类型=》int任意类型都有toString=》String=》int

2.2哈希函数查找

哈希表的高效查找的秘诀就在于数组的随机访问能力，在数组中，若知道索引，可以在O（1）时间复杂度获取到该元素。
用空间换取时间

要在[9,5,2,7,3,6,8]中查找元素是否存在？
就建立一个长度为10的boolean数组，遍历原数组，若该元素在原数组中存在，boolean对应的位置置为true。
boolean[] hash = new boolean[10];
hash[9] = true;
hash[5] = true;
…知道扫描完整个集合。
查询元素3是否在原集合存在，判断hash[3] == true=>O（1）
任意的数字映射为数组的索引
数字值为多少，对应boolean数组的索引为多少~~
此时我们开辟的新哈希数组的大小是按照原数组的最大数值+1，若此时原数组中的数字跨度非常之大，包含负数，现在的这种方式就不再适用

[9,10001,-2,800,55,3000000]，没发创造一个一一对应的索引。
若数字本身的值较大，就需要让原数字和下标建立一个映射关系（hash）,让跨度较大的一组数据转为跨度很小的一组数据。高效利用有效空间。

哈希函数=将任意的数据类型key=>索引
字符c f© = ‘c’-‘a’=>作为索引
一个班的学号[1…30]=>直接将学号数值作为索引值
身份证号18位=》将大整数=》小整数
一般来说我们将任意的正整数映射为小区间数字的最常用做法“取模”
[10,20,30,40,50]=>[0,1,2,3,4]对原数组进行%4
分布严重不平衡，冲突严重
10%4=2
20%4=0
30%4=2
40%4=0
50%4=2

2.3哈希冲突

哈希冲突：不同的key值经过hash函数的计算得到了相同的值。
在理论上，数学中任意函数法（x），两个不相同的x都一定有可能会映射到相同的y

模一个素数！数论
模一个素数7
分布平均，哈希冲突较少
10%7=3
20%7=6
30%7=2
40%7=5
50%7=1
此时这个数组内的元素被一一映射到不同的小数字

2.4哈希函数设计

哈希函数的设计：哈希冲突在数学领域理论上一定存在
哈希函数最核心的原则：尽可能在空间和时间上求平衡，利用最少的空间获取一个较为平均的数字分布。

模的数字就是开辟的空间大小

对于一般场景下的哈希函数的设计：
一般来说不用咱自己写，用现成的即可。
MD5，MD4,MD3
SHA1,SHA256
MD5一般用在字符串计算hash值
MD5的特点：
1.定长，无论输入的数据有多长，得到的MD5值固定
2.分散，如果输入的数据稍有偏差，得到的MD5值相差很大（冲突概率非常低，工程领域忽略不计）
3.不可逆，根据字符串计算一个MD5很容易，想通过得到的MD5还原字符串到底是啥，非常之难（基本不可能）
4.根据相同的数据计算的MD5值是稳定的，不会发生变化，稳定性是所有哈希函数都要满足的特点

MD5用途非常广泛：
1.作为hash运算
2.用于加密
3.对比文件内容(内容稍有修改，得到的MD5值天差万别)文件上传下载
我给铭哥发送大小为2G的文件，原文件算MD5值
铭哥在收到后咋知道这个文件内容是否有变化，传输是否成功？
铭哥在收到之后，再把收到的文件计算一个MD5值
原MD5==新MD5=》传输成功
就用的MD5

2.5哈希函数解决

闭散列：当发生冲突时，找到冲突位置的旁边是否存在空闲位置，直到找到第一个空闲位置放入元素，好存难查更难删，工程中很少使用此方案。
当放入元素1时，1%101=1
当放入元素2时，2%101=2
当放入元素3时。3%101=3
当放入元素19时，19%101=19
当放入元素120时，120%101=19而19这个位置已经保存了元素，则继续向后寻找（一个个寻找|再哈希，二次哈希），发现20是一个位置为空，则将120放入20这个位置
当放入元素121时，121%101 = 20，向后寻找找到第一个空闲位置21放入元素

查找：
要查找120时，先120%101=19，发现19这个位置存放的不是120，则继续向后找，知道找到120位置，若一直向后遍历，走完整个数组还没找到，则这个元素不存在。
221%101=19，19这个位置没有此元素，走完整个数组都没找到221，221不存在。
若整个哈希表冲突非常严重，此时查找一个元素从O(1)=>O(n)

开散列：
若出现哈希冲突，就让这个位置变为链表；
开散列方式下的哈希表：数组+链表
当存入120时，120%10119就将120这个元素连到19的后面（此时和19构成链表）
当存入121时，121%10120
查找任意元素就是取模后若冲突，遍历链表。
最坏情况下，开散列方案遍历小链表

相较于闭散列方案查找次数会大大降低，元素的存储删除和查找，链表的对应操作，相较于闭散列来说，会容易很多
若当前哈希表中某个位置，图中19这个位置冲突非常严重，恰好每个元素取模后都是19，某个数组对应的链表的长度过长导致查找效率降低。
解决方案：1.针对整个数组进行扩容处理（现在数组长度101，扩容到202）就会由原先的%101=>%202,很多原来同一个链表上的元素就会均分到其他新的位置，降低哈希冲突。c++STL的Map
2.将这个冲突严重的链表再次变为新的哈希表/二分搜索树（将O(n)=>O(logn)），不会用整张哈希表进行处理，只处理冲突严重的链表,JDK

2.6基于开散列方式实现的哈希表

哈希表：数组+链表，哈希数组元素就是每个子链表的头节点

扩容：采用整表扩容的方式
什么时候需要对整个数组的扩容？冲突严重
哈希表最大的特点就是查询快
计算对应的hash，拿到索引，数组查询
我咋知道哈希表冲突严重？
负载因子loadFactor=哈希表的有效元素个数/哈希表长度
这个值越大就说明冲突严重一些
这个值越小说明冲突越小，数组利用率越低
有效元素个数*loadFactor越大，此时哈希表中保存的元素较多
扩容与否就根据负载因子来决定，数组的长度 * 负载因子<=有效元素个数，就需要扩容

假设此时数组长度为16，负载因子=0.75（JDKHashMap的默认负载因子，最高效的查询）
160.75=12，当保存的元素个数>=12，就需要扩容，基本上不冲突，每个链表长度1左右，利用率低
假设此时数组长度=16，负载因子=10（阿里巴巴实验数据，空间利用率较高）；
1610=160，保存的元素个数>=160（每个子链表平均长度为10）需要扩容，冲突较上面比较严重，每个链表平均都有10个节点
负载因子就是空间和时间取平衡
负载因子的取舍需要根据我们现实的需求去做实验