Hash表
1、Hash概念
哈希表(hash table)也叫做散列表,这种数据结构提供了键(Key) 和 值(Value) 的映射关系。只要给出一个Key,就可以高效查找到它所匹配的Value,时间复杂度接近于O(1)。
2、Hash函数
基于Hash表的特性,采取了查询效率最高的一种数据结构来实现——数组。哈希表本质上也是一个数组。通过哈希函数,把Key和数组下标进行转换。
在不同的语言中,哈希函数的实现方式是不一样的。这里以Java的常用集合HashMap为例,来看一看哈希函数在Java中的实现。
在Java及大多数面向对象的语言中,每一个对象都有属于自己的hashcode,这个hashcode是区分不同对象的重要标识。无论对象自身的类型是什么,它们的hashcode都是一个整型变量。
既然都是整型变量,想要转化成数组下标就不难实现了。最简单的转化方式是按照数组的长度进行取模运算。
index = HashCode (Key) % Array.length
实际上,JDK中的哈希函数并没有直接采用取模运算,而是利用了位运算的方法来优化性能。不过在这里可以姑且简单理解成取模操作。
通过哈希函数,我们可以把字符串或其他类型的Key,转化为数组的下标index。
如给出一个长度为8的数组,则当
Key = 001121时,
index = HashCode(“001121”) % Array.length = 1420036703 % 8 = 7
Key = this时,
index = HashCode(“this”) % Array.length = 3559070 % 8 = 6
3、哈希表的读写操作
3.1、写操作(put)
写操作就是在哈希表中插入新的键值对(在JDK中叫做Entry)。
如调用hashMap.put(“002931”, “王五”),意思是插入一组Key为002931、Value为王五的键值对。
具体的做法如下:
-
通过哈希函数,把Key转化为数组下标5.
-
如果数组下标5对应的位置没有元素,就把这个Entry填充到数组下标5的位置。
但是,由于数组的长度是有限的,当插入的Entry越来越多时,不同的Key通过哈希函数获得的下标有可能是相同的。例如002936这个Key和002947这个Key对应的数组下标都是2。这时,就产生了哈希冲突,也叫碰撞。哈希冲突是无法避免的。
常见的解决方法由:开放寻址法(Java中的Threadlocal)、链地址法(Java中的ConcurrentHashMap)、再哈希法(布隆过滤器)、建立公共溢出区。后两种用的比较少,重点看前两个。
3.1.1、开放寻址法
开放寻址法就是一旦发生了冲突,就去寻找下一个空的散列地址,只要散列表足够大,空的散列地址总能找到,并将记录存入。
例如上面要继续存7、8、9时,7可以直接存到索引0的位置。8本来应该存到索引1的位置,但是已经满了,所以继续向后找,索引3的位置是空的,所以8存到3位置。同理索引9存到6位置。
3.1.2、链地址法
HashMap数组的每个元素不仅是一个Entry对象,还是一个链表的头节点。每一个Entry对象通过next指针指向它的下一个Entry节点。当新来的Entry映射到与之冲突的数组位置时,只需要插入到对应的链表中即可。
3.2、读操作(get)
与写操作对应,读操作就是通过给定的Key,在散列表中查找对应的Value。
例如调用hashMap.get(“002936”),意思是查找Key为002936的Entry在散列表中所对应的值。
以链地址法为例,步骤如下:
-
通过哈希函数,把Key转化为数组下标2
-
找到数组下标2对应的元素,如果这个元素的Key是002936,那么就找到了对应的Value;如果这个Key不是002936,由于数组的每一个元素都与一个链表对应,可以顺着链表慢慢往下找,看看能否找到与Key相匹配的节点。
在上图中,首先查到的节点Entry6的Key是002947,和带查找的Key002936不符。接着定位到链表的下一个节点Entry1,发现Entry1的Key002936正是我们要寻找的,所以返回Entry1的Value即可。
3.3、扩容(resize)
当经过多次元素插入,散列表达到一定饱和度时,Key映射位置发生冲突的概率会逐渐提高。这样一来,大量的元素拥挤在相同的数组下标位置,形成很长的链表,对后续插入操作和查询操作的性能都有很大影响。
这时,散列表就需要扩展它的长度,也就是进行扩容。
对于JDK中的散列表实现类HashMap来说,影响其扩容的因素有两个。
-
Capacity,即HashMap当前的长度
-
LoadFactor,即HashMap的负载因子,默认值为0.75f
当==HashMap.Size >= Capacity * LoadFactor==时,HashMap需要扩容。
扩容步骤如下:
- 扩容,创建一个新的Entry空数组,长度是原数组的两倍
- 重新Hash,遍历原Entry数组,把所有的Entry重新Hash到新数组中。为什么要重新Hash?因为长度扩大后,Hash的规则也随之改变。
经过扩容,原本拥挤的散列表重新变得稀疏,原有的Entry也重新得到尽可能均匀的分配。
扩容前的HashMap如下
扩容后的HashMap如下