hash表的一点小小的总结

在大数据和数据库的很多地方都会用到hash方法，hash方法由hash表，hash函数，冲突处理几大“硬件”组成。

这是july的博客，但是内容很多很杂，所以想结合书本中的内容做些简单的总结，供自己和大家随时复习一下！

一般我们查找都是通过二分查找，二叉排序树查找等等，这些查找都是要通过比较的，而且有些算法还是要比较很多次的，非常好的情况就是通过某种映射，直接找到要查找东西的地址。这听起来很诱人啊，无需多次比较，直接找到，省了多少事啊！这就是hash方法产生的动机。但是天下没有免费的午餐，hash也是要付出一定代价，但是这不妨碍它的广阔用途，比如说数据库中就用了很多hash。

1.什么是hash表？

hash表的实质就是一个数组，为什么要使用数组呢？因为数组有其他数据结构一个没有的优势，它可以立即寻址。只有立即寻址，才能体现hash的速度。这个数组里存的是什么呢？可以是要查找的内容（当然这种情况一般很少出现），还有一种就是该键值对应的数据的地址，简单的可以理解为数组中存的就是一个指针。

2.hash函数的构造方法

hash函数的意义就是通过key找到hash地址，再通过hash地址找到我们要的数据。

2.1直接定址法

取关键字或关键字的某个线性函数值为hash地址。即

           H(key)= key 或 H(key) = a*key + b；

其中a和b为常数。

2.2数字分析法

     书中举的例子就是，假如我们的Key是个长数字，分析哪些是重复的，选取不重复的位置作为hash地址。

2.3 平方取中法

     就是取关键字平方后的中间几位为hash地址。

2.4 折叠法

    将关键字分割成位数相同的几部分（最后一部分的位数可以不同），然后取这几部分的叠加和作为hash地址。这种方法适合于key的位数很多，而且key中每一位上数字分布大致相同。书中的例子是图书编号。

2.5 除留余数法

取关键字被某个不大于hash表表长m的数p除后所得余数为hash地址。即

                            H(key) = key MOD p  ，   p<= m

这是一种最简单，也最常用的构造hash函数的方法。这里的p的取法很有讲究，一般选p为质数或不包含小于20的质因子的合数。《算法导论》中提到p不能为2的n次方，这样会带来很多问题。但是有些人好像对这个提出了反对意见。知道的欢迎留言啊。

3处理冲突的方法

3.1开放地址法：

这是书里面的东西，懒得敲了。

3.2再hash法

就是要是遇到了冲突，用另外一个hash重新选择地址。

3.3链地址法

将所有关键字为同义词的记录存储在同一线性表中。

3.4建立一个公共溢出区

将所有冲突的都填入公共的溢出区。这种貌似没见用过。

4 hash的性能取决于：设计良好的hash函数，处理冲突的方法，装填因子。

装填因子 = 表中填入的记录数/hash表长度