【散列表】设计一个工业级别的散列表

• 工业级的散列表具有的特性

  支持快速的查询、插入、删除操作

  内存占用合理，不能浪费过多的内存空间

  性能稳定，极端情况下，散列表的性能也不会退化到无法接收的情况

• 散列表的设计思路

  设计一个合适的散列函数

  定义装载因子阈值，并设计动态扩容策略

  选择合适的散列冲突解决方法

• 装载因子过大怎么办？

  针对散列表，当装载因子过大时，可以进行动态扩容，重新申请一个更大的散列表，将数据搬移到这个新散列表。但是，数据搬移操作对于散列表要复杂很多，因为散列表的大小变了，数据存储位置也变了，所以需要通过散列函数重新设计每个数据的存储位置。这样插入一个数据最坏情况下的时间复杂度为O(n)

  当装载因子超过某个阈值时，就需要扩容。装载因子阈值的设置要权衡时间、空间复杂度。如果内存空间不紧张，对执行效率要求很高，可以降低负载因子的阈值；相反，如果内存空间紧张，对执行效率要求又不高，可以增加负载因子的值，甚至可以大于1（最大装载因子默认是0.75）

• 如何避免低效地扩容？

  为了解决一次性扩容的机制导致耗时过多的情况，可以将扩容操作穿插在插入操作的过程中，分批完成。

  当装载因子触达阈值之后，我们只申请新空间，但并不将老的数据搬移到新散列表中。当有新数据要插入时，我们将新数据插入新散列表中，并且从老的散列表中拿出一个数据放入到新散列表。经过多次插入操作后，老的散列表中的数据就一点点搬移到新散列表中。

  这期间的查询操作怎么做呢？先从新散列表中查找，如果没有找到则找老散列表。

  通过这样均摊的方法，在任何情况下，插入一个数据的时间复杂度都是O(1)

• 如何选择冲突解决方法？

  java中LinkedHashMap采用了链表法解决冲突，ThreadLocalMap是通过线性探测的开放寻址法来解决

  • 1.开放寻址法

    优点：

    散列表中的数据都存储在数组中，可以有效的利用CPU缓存加快查询速度，而且序列化起来比较简单。

    缺点：

    删除数据的时候比较麻烦，需要特殊标记已经删除掉的数据。而且所有的数据都存储在一个数组中，比起链表冲突的代价更高。因此它的装载因子的上限不能太大。这也导致这种方法比链表法更浪费内存空间

    开放寻址法只能适用装载因子小于1的情况。接近1时，就可能会有大量的散列冲突，导致大量的探测、再散列等，性能会下降很多。

    当数据量比较小、装载因子小的时候，适合采用开放寻址法。

  • 2.链表法

    优点：

    链表法对内存的利用率比开放寻址法要高，因为链表结点可以在需要的时候再创建。

    链表法比起开放寻址法，对大装载因子的容忍度更高。只要散列函数的值随机均匀，即便装载因子变成10，也就是链表的长度变长而已，虽然查询效率有所下降，但比起顺序查找还是快很多。

    缺点：

    链表因为要存储指针，所以对于比较小的对象的存储，是比较消耗内存的，还有可能会让内存的消耗翻倍。而且，因为链表中的结点是零散分布在内存中的，不是连续的，所以对CPU缓存不是很友好（但是存储的是大对象时，对象的大小远远大于一个指针的大小，那么链表中指针的内存消耗在大对象面前就忽略了）

    实际上，将链表改成跳表、红黑树，这样即便出现散列冲突，极端情况下，所有的数据都散列到同一个桶内，最终退化成的散列表的查找时间也不过是O(logn)，这样就有效避免了散列碰撞攻击

    基于链表的散列冲突处理方法比较适合存储大对象、大数据量的散列表，而且，比起开放寻址法，它更加灵活，支持更多的优化策略，比如用跳表代替链表