哈希表如何避免冲突

Petrichor-瑾

已于 2024-09-08 19:30:24 修改

阅读量922

点赞数 40

分类专栏：数据结构文章标签：散列表数据结构

于 2024-09-08 19:30:02 首次发布

本文链接：https://blog.csdn.net/m0_62055442/article/details/141927945

版权

数据结构专栏收录该内容

7 篇文章 0 订阅

订阅专栏

系列文章：

1. 先导片--Map&Set之二叉搜索树

1.概念

在探讨数据结构的效率时，我们常常关注于查找操作的速度。 在顺序结构中，如数组或列表，查找一个元素通常需要遍历整个结构，这样的时间复杂度为O(N)，其中N是元素的总数。 类似地，在平衡树结构中，查找的时间复杂度与树的高度相关，也大致是O(N)。显然，这两种结构的查找效率都依赖于搜索过程中进行的比较次数。

理想的搜索方法应该能够无需任何比较，直接从表中获取所需元素。这可以通过构造一种特殊的存储结构来实现，即通过一种称为哈希函数（hashFunc）的映射关系，将元素的关键码直接映射到其存储位置。这样，在查找时，只需通过哈希函数即可快速定位到元素的具体位置。

具体操作如下：

- 插入元素：根据待插入元素的关键码，使用哈希函数计算出该元素的存储位置，并按此位置存放元素。
- 搜索元素：对待查找元素的关键码应用相同的哈希函数，将得到的函数值作为元素的存储位置。在结构中按此位置取元素进行比较，如果关键码相等，则搜索成功。

这种方法被称为哈希（散列）方法，使用的转换函数称为哈希（散列）函数，而构造出来的数据结构称为哈希表（Hash Table）或散列表。哈希表的优势在于，它能够在平均情况下提供近乎常数时间的查找效率，即O(1)，从而极大地优化了数据的访问速度。

哈希函数：hash(key) = key % capacity; capacity为存储元素底层空间总的大小。

根据上面这个公式，我们将1,2,3,6,7,8放入下面这个表格中，得到：

在使用哈希表进行搜索时，由于通过哈希函数可以直接计算出数据存储的位置，因此通常不需要进行多次关键码的比较，这使得搜索速度非常快。然而，尽管这种方法看起来非常有效，但它并非没有潜在的问题。例如，当我们尝试向表中插入一个关键码为33的元素时，可能会出现哈希冲突问题。这是因为33计算的哈希值和3计算得出的哈希值相同，导致它们在哈希表中的位置发生冲突。

2. 冲突-概念

对于两个数据元素，其关键字分别为i和j，如果它们通过哈希函数计算得出的哈希地址相同，即Hash(i) == Hash(j)，这种现象称为哈希冲突或哈希碰撞。在这种情况下，具有不同关键字但具有相同哈希地址的数据元素被称为“同义词”。

3. 冲突-避免

首先，我们需要明确一点，由于哈希表底层数组的容量通常小于实际要存储的关键字的数量，冲突的发生是不可避免的。然而，我们可以通过一些方法来尽量降低冲突率。

3.1 冲突-避免-哈希函数设计

引起哈希冲突的一个主要原因可能是哈希函数的设计不够合理。在设计哈希函数时，应遵循以下几个原则：

定义域覆盖：哈希函数的定义域必须包括需要存储的全部关键码。

值域适配：如果散列表允许有m个地址，哈希函数的值域必须在0到m-1之间。

均匀分布：计算出来的地址应能均匀分布在整个空间中，以避免某些区域过于拥挤，而其他区域则几乎没有数据。

简单高效：哈希函数应该比较简单，便于计算和实施。

常见的哈希函数包括：

1. 直接定制法（常用）：
取关键字的某个线性函数为散列地址，例如：Hash(Key) = A*Key + B。这种方法简单且能使得散列地址较均匀，但需要事先知道关键字的分布情况。适合查找比较小且连续的情况。

2. 除留余数法（常用）：
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（了解）：
假设关键字为1234，对它平方得到1522756，抽取中间的3位227作为哈希地址。这个方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（了解）：
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。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（了解）：
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。通常应用于关键字长度不等时采用此法。

6. 数学分析法（了解）：
设有n个d位数，每一位可能有r种不同的符号。这些符号在各位上出现的频率不一定相同，可能在某些位上分布比较均匀，每种符号出现的机会均等；在某些位上分布不均匀只有某几种符号经常出现。可根据散列表的大小，选择其中各种符号分布均匀的若干位作为散列地址。

通过这些方法，我们可以尝试减少哈希冲突的发生，但在实际应用中，冲突仍然是无法完全避免的。因此，选择合适的冲突解决方法，如链地址法或开放定址法，对于提高哈希表的性能同样重要。

3.2 冲突-避免-负载因子调节

散列表的载荷因子定义：α = 填入表中的元素个数 / 散列表的长度

一般情况下，我们的哈希表会有一个默认的负载因子--0.75f 。

负载因子和冲突率的关系粗略演示

负载因子和冲突率成反比，所以当冲突率达到一个无法忍受的程度时，我们需要通过降低负载因子来变相的降低冲突率。

已知哈希表中已有的关键字个数是不可变的，那我们能调整的就只有哈希表中的数组的大小。

4. 冲突-解决

解决哈希冲突 两种常见的方法是： 闭散列 和 开散列

4.1 冲突-解决-闭散列

闭散列：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？

4.1.1 线性探测

以下是处理哈希冲突的线性探测法的具体步骤：

以插入元素33为例，我们首先使用哈希函数计算出其理论上的存储位置，即下标为3。按照预期，33应该被插入到这个位置。然而，在该位置我们发现已经存在一个值为3的元素，这时就发生了哈希冲突。

为了解决这种冲突，我们采用线性探测的方法。这意味着我们从发生冲突的位置（下标3）开始，依次向后查找，直到找到一个空的位置。假设这个空位置的下标为j，我们就将新元素33插入到这个位置。

具体步骤如下：

1. 计算哈希地址：通过哈希函数确定待插入元素的目标位置。
2. 检查冲突：如果计算出的位置已经有元素存在，说明发生了哈希冲突。
3. 线性探测：从冲突发生的位置开始，顺序探测下一个位置，直至找到一个空位。
4. 插入元素：在找到的空位处插入新元素。

在闭散列技术中，处理哈希冲突时需要特别注意，不能简单地物理删除哈希表中已有的元素。这是因为直接删除一个元素可能会影响其他元素的搜索。例如，如果我们直接删除了元素3，那么在查找元素33时，可能会因为缺少原始键值3的信息而受到影响。

为了解决这个问题，线性探测采用了一种标记的伪删除法。这种方法不真正删除元素，而是将其标记为“已删除”。具体操作如下：

1. 标记删除：当需要“删除”一个元素时，实际上并不从哈希表中移除它，而是在该位置做一个特殊标记，比如将该位置的值设置为一个特殊状态（如“null”或其他标识）。

2. 更新搜索：在搜索时，如果遇到被标记为“已删除”的位，则跳过该位继续探测，就像处理哈希冲突时的线性探测一样。

3. 插入和查找：对于插入和查找操作，遇到被标记为“已删除”的位置，也按照线性探测的方式处理，即继续向后寻找合适的位置。

这种方法的优点在于，它避免了因删除元素而导致的连锁反应，即一系列的元素都需要移动来填补被删除空间的情况。这样可以保持哈希表的稳定性，并减少由于元素移动引起的潜在错误。

总结来说，闭散列中的线性探测通过标记的伪删除法来处理元素的删除，确保了哈希表的完整性和搜索的正确性，同时最小化了由于删除操作带来的复杂性和性能损耗。

4.1.2.二次探测

线性探测的缺陷在于，当发生哈希冲突时，会导致数据在表中堆积起来。这是因为线性探测在寻找下一个空位置时，会顺序地检查表中的每个位置，直到找到空位为止。为了解决这个问题，二次探测方法被提出来改善这一状况。

二次探测方法在寻找下一个空位置时，采用的计算公式为：Hi = (H0 + i^2) \% m，或者 Hi = (H0 - i^2) \% m。其中，i = 1, 2, 3…，H0 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。

例如，如果要插入元素33，而初始哈希位置已经有冲突，使用二次探测方法可以找到合适的插入位置。

研究表明，当表的长度为质数且表的装载因子 a 不超过0.5时，新的表项总是能够被插入，并且不会重复探查任何一个位置。这意味着只要表中有至少一半的空位置，就不会出现表满的情况。在搜索时，我们不需要担心表是否已满，但在插入时，必须确保表的装载因子 a 不超过0.5。如果超过这个阈值，就必须考虑增大表的容量。

因此，相比于线性探测，二次探测的最大优点在于减少了冲突的发生，提高了空间利用率。然而，哈希表的这些方法都有其固有的缺陷，即空间利用率相对较低。