[哈希表基础知识]

什么是哈希表

哈希表（Hash table，也叫散列表），是根据关键码值(Key value)而直接进行访问的数据结构。也就是说，它通过把关键码值映射到表中一个位置来访问记录，以加快查找的速度。这个映射函数叫做散列函数，存放记录的数组叫做散列表。

官方的解释可能有点懵，直白来讲其实数组就是一张哈希表。

哈希作为一个非常常用的查找数据结构，它能够在O(1) 的时间复杂度下进行数据查找。
比方说我有一个集合有如下数据，而我想要快速查找一个数据在不在这个集合中，我应该采取什么办法？

一般情况下可以使用遍历的方式，但是如果数据量太多，则每次遍历的代价将不可接受。

那么，如果它们是有序的，则可以使用树形数据结构进行二分查找，效率也是非常的高，但很不巧我们这些数据是无序的。

所以就有人想到一个很巧妙的办法来寻找它，就是将要寻找的数据（下文称为键）进行一次计算得到一个数组下标值，然后将这个值放到对应的数组里。

以后我们每次寻找的时候都对键进行计算从而得到一个数组下标值，然后通过下标拿到数组对应的数据，就能知道它是否存在于这个数组中了。

这种数据查找的数据结构就叫做哈希表，对键的计算的方法叫做哈希函数。

什么是哈希函数

哈希函数可以把给定的数据转换成固定长度的无规律数值。转换后的无规律数值可以作为数据摘要应用于各种各样的场景。

我们可以把哈希函数想象成搅拌机，如下图所示。

将数据放入搅拌机里

经过哈希函数计算后，搅拌机会输出固定长度的无规律数值。输出的无规律数值就是“哈希值”。哈希值虽然是数字，但多用十六进制来表示。

计算机使用二进制管理所有数据，虽然哈希值是用十六进制表示的，但它也是数据，计算机在存储哈希值时，会通过计算将其转换为二进制进行管理。

哈希函数的特征

1. 哈希值的长度与输入数据的大小的无关
2. 输入相同的数据，输出的哈希值也必定相同
3. 输入相似的数据，输出的哈希值必定不同
4. 输入的数据完全不同，但输出的哈希值可能是相同的。这种情况被称作“哈希冲突”
5. 哈希值是不可逆的，通过哈希值不可能反向推算出原本的数据。

哈希冲突

哈希冲突是指多个不同的键散列到了同一个数组下标位置上，案例如下：

在上图中，耳、朵、不 这三个字经过散列之后的数组下标都是0，而且因为是三个不同的值，所以也不能直接在数组上覆盖，那么我们就需要有一个办法把这三个值存起来。

一般哈希冲突有两种解决方法， 拉链法和开放地址法。

拉链法：就是在冲突的下标元素处维护一个链表，所有冲突的元素都依次放到这个链表上去：

在上图中，将冲突的两个键就按照顺序放在了链表中，下次寻找时只需要查看该数组元素以及遍历这个链表即可。
其实拉链法就是要选择适当的哈希表的大小，这样既不会因为数组空值而浪费大量内存，也不会因为链表太长而在查找上浪费太多时间。

开放地址法：是一种比较简单的解决冲突的方法，它的原理非常简单：

就是在第一个耳字已经占用了下标0之后，第二个朵字则向后进行寻找空余的下标，找到之后将自己设置进去，所以朵字在下标1处，而不字在下标2处。

根据寻找下标的方式不同，开放地址法可以分为以下几种：

其实原理都差不多，都是在当前下标的基础上向后寻找空余的下标，不过步长不一样罢了。

常见的三种哈希结构

1. 数组（array)
2. 集合（set）
3. 映射（map）
   在C++中，set 和 map 分别提供以下三种数据结构，其底层实现以及优劣如下表所示：
   
   

哈希表的缺点

1.哈希冲突太多会导致部分查找线性。
2.不能进行范围查找。

对于第一个缺点，一般正常使用是不会出现太多冲突

对于第二个缺点，这是哈希表一个无法回避的硬伤，在需要范围的查找的需求下，还是树类数据结构更能兼顾范围查找与指数级速度。

当然哈希表在记录数据量很大的时候，处理记录的数据很快，平均操作时间是一个不太大的常数。这足以掩盖很多缺点。