趣谈 Hash。

    面试官： 聊聊HashMap的底层实现。

答： 这就得从hash算法说起了。

查找速度的困扰

算法国自建立起，就以快速为至高的荣誉，O(n^2) 时间复杂度的设计常常被人嫌弃，一般都想着弄个O(logn)

算法国最近遇到了一个问题，就是随着处理数据的逐步增大，查找的时间越来越大了

之前用的数组和链表，最后改成二叉查找树，可是这些都需要和其中的元素进行比较，比较的次数越多，查询的速度就越慢

国王想着能不能有一种办法，查找某个元素的时候，不需要比较，直接就得到这个元素，时间复杂度直接就为O(1),和集合中的元素个数就没有关系了

初次的方案

国王召集各大臣讨论此事

“如果不需要比较，我们可以借鉴数组下标访问的思路来做”，经验老道的王大臣发话了

“哦，怎么个设计？”何大臣问道

“你看，我们要访问数组中某个元素怎么访问？”

“只需要知道起始位置和下标值就可以了，不管数组中有多少个元素，都可以一次访问到，这正是因为起始位置和下标值组成了元素的存储位置，从这个存储位置就可以直接找到元素”，王大臣自问自答起来

左丞相接着道，“所以说，给定一个元素，我们只要得到该元素的位置，也就是说将元素和元素位置建立一种一一对应的关系，就可以迅速定位要查的元素了”，说着说着，王大臣在纸上画起了图

Hash函数的出现

“这也太理想了吧，现实生活中要存储的元素（key）的取值范围一般很大，比如说正整数，不可能为无穷多个正整数分配无穷大的数组吧，这不现实

就算有无穷大的数组，但实际存储的元素的范围可能很小，比如输入大多数在1-100之间，只有极少数的是其他数，那预先分配的那些空间不是浪费了吗？”，何大臣立马驳回了王大臣的想法

“那依你看，如何是好？”王大臣问道

“我看，既然输入的元素的范围可能很大甚至无穷，而我们的内存有限，所以说我们需要一种函数映射关系，将这些无限的元素映射到我们有限的内存地址上”，说着说着画了一个图

“很显然，多个数据有可能被映射到同一个地址上，我们暂且称为冲突吧”，何大臣说道

“我们给这个函数映射起一个名字，就叫Hash函数吧，这个Hash函数代表着一类函数，即把任意范围的元素可以通过映射关系压缩成固定范围的元素”何大臣说道，大家一致同意

Hash函数的选择

“那现在的问题就很清晰了，一个是这个Hash函数该选择什么样具体的函数，另一个就是出现冲突该怎么办？”王大臣说道

“如果是正整数，我们可以用这个正整数数除以某个数，取其余数，即我们常用的 k % m，k为正整数，m 为除数

这样一来，范围就缩小了很多，比如说 15%10=5,26%10=6,...,所有的正整数经过运算，都变成了 0-9 范围之间的数了，这样范围就缩小了很多”何大臣发挥了他数学的才能

大家一致称赞

m 的选择

“如果是这种做法，m 的选择就非常重要了，如果 k 值分布均匀还无所谓，如果 k 值具有某些特征

比如说 k 的个位基本上不变，而高位分布均匀，如 15,25,45,65,85,95,155,这么一组数据，经过你刚才的 k%10不就全部落在5这个位置上了吗？”一直没有说话的另一个李大臣发话了

 这个李大臣虽少言寡语，但非常有才能

“对对对”，何大臣连声说道

“我们必须要使得经过Hash函数后关键字的分布均匀，尽量减少冲突，所以针对不同类型的关键字要有自己特定的Hash函数，整数应该有整数的Hash函数，字符串应该有字符串的Hash函数

就算针对同一类型的关键字，如果它具有某种规律，我们也要具体情况具体设计，刚才李大臣说的那种情况，我们就得选取其他分布均匀的高位来进行Hash”右丞相补充道

“那为何不优化一下我们的Hash函数来使得关键字分布均匀，比如说 m 取一个素数，这样就不会出现刚才的情况了，比如说m取11，15,25,45,65,85,95,155，这些数Hash后就会变成这个”，李大臣说着说着画了一个表

“这样就分布均匀，冲突很少，所以我们只需要用一个长度为11的数组来存储就行，只比你原先的10多了一个长度”李大臣补充道

“如果事先知道元素的分布情况，那我们可以针对特定的元素来设计Hash函数，如果不知道的话，那我们就提前想一个比较好的Hash函数，来应对各种可能出现的情况

不管怎样，我们最终的目的就是让各个关键字均匀的Hash到不同的位置”。

“Hash函数的选择我们已经有了具体的方案了，那就只剩下冲突的解决问题了”，王大臣发话。

“要解决冲突其实也不难，既然会有多个元素被Hash到同一个位置，而这个位置只能存储一个元素，那么我让这个位置可以存储多个元素不就可以了吗？”，何大臣说道

“哦，怎么个弄法？”王大臣问道

“用链表啊，来一个元素加一个，让这个位置存储一个指针，指向一个链表，让所有相同位置的元素都放在这个链表中”，何大臣回答道，接着又画了一个图

 

“在存储的时候，如果多个元素被Hash到同一位置，那么就加入到该位置所指向的链表中，如果该位置没有元素，则为null(指向空)”，何大臣解释道

“那个 1 和 6 谁先存放进来呢？”，思维缜密的王大人问道

“这个当然是6了，因为这个插入链表的时候要采用‘头插’的方式，也就是插入链表的最前面（图中里数组最近的元素）”，何大人说道

"哦，这是为什么呢？"，王大人追问道

“因为经常发生这样的事情：新加入的元素很可能被再次访问到，所以放到头的话，如果查找就不用再遍历链表了”，见多识广的何大人解释道

rehash

“这样解决冲突固然好，但是也有瓶颈啊”，寡言的李大臣又发言了

“哦，什么瓶颈？”，何大人问道

“你看啊，假设咱们的Hash函数设计的非常好，能够将元素均匀Hash（散列）开来，但是当我们实际存入的值越来越多的时候，这个链表也势必越来越长，那当我们进行查找的时候，势必就会遍历链表，效率也就越来越慢”，李大臣回应道，顺便画了一个图

“这样的话，随着链表的不断增长，查询某一个元素的时间也就增加了，如果链表长度远远大于数组长度，不就和用链表存储一样了吗？”，李大臣说道

“恩恩，对，李大臣说的极是，李大臣有何高见？”，何大臣问道

“现在只能扩大数组的长度大约为原来的两倍

然后选取一个相关的新的Hash函数（比如之前使用 key % m，现在只改变一下m的值）

将旧Hash表中所有的元素通过新的Hash函数计算出新的Hash值，并将其插入到新表中（仍然使用链表），这就叫rehash吧”，李大臣说完又画了一个图

这里的数组就扩大了近两倍，由于要大小要选素数，那就选原数组大小两倍后的第一个素数7，旧Hash表和新Hash表采用了不同的Hash函数，但相关，只是m的取值变了”李大臣解释道

“哦，这样做确实是一种办法，但是问题随之而来，就是什么时候开始rehash”，何大臣说道

装载因子 α 

“我们可以定义这样一个变量 α = 所有元素个数/数组的大小，我们叫它装载因子吧，它代表着我们的Hash表（也就是数组）的装满程度，在这里也代表链表的平均长度

比如说，我们的数组大小为 5 ，我们给里面存入 3个元素，那么  α = 3/5 =0.6， 这个Hash表装满程度为60%，平均每条链有0.6个元素，当然 α 也可以等于和大于 1 ”,李大臣说道

“哦，引入这个装载因子有何用意？”，何大臣问道

“这个装载因子代表了Hash表的装满程度，这里也可以代表链表的平均长度，那么也就可以代表查询时的时间长短了

基于此，我们为了不让查询时间长，也就是查询性能低，我们可以设置一个临界 α 值，当随着存入元素导致 α 大于这个临界 α 值的时候

我们可以通过rehash来调整当前的 α 值，使之低于我们设定的 临界 α 值，从而使我们的查询性能保持在较好的范围之内”，李大臣答道

“比如说，我们设定 临界 α = 0.7，对于一个Hash表大小为5的Hash表而言

当存入存入第四个元素的时候，α 就超出了临界 α 值，我们可以将数组长度变为11进行rehash（因为11是原表两倍后的第一个素数），使得装载因子 α 小于 0.7”，李大臣举了一个例子并画了一个图

“通过rehash我们可以使得装载因子在一定范围内，那我们的查询性能也就得到了保证了”，李大臣说道

“哦，那这个 临界的 α 值应该选择多大呢？”何大臣追问道

“这个 临界 α 如果选的小了，那数组的空间利用率就会太低，就比如说数组大小为100，α = 0.01，那装满程度为1%，99%还没有被利用

如果 α 太大了，那冲突就会很多，比如说 数组大小为 5，α = 10, 那平均每条链有10个元素，装满程度为1000%

即使Hash函数设计的合理，基本上每次存放元素的时候就会冲突，所以鉴于两者之间我觉得 0.6 - 0.9 之间是一个不错的选择，不妨选0.75吧”，李大臣回答道

大家一致同意

最后的总结

“这两天辛苦众爱卿了，你们的方案非常好，我也听了听

我们这种用Hash函数将关键字和关键字地址建立起来的映射，对我们的查找非常有帮助

其中非常重要的关键点就是：哈希函数的选择、处理冲突的方法以及装载因子调整，接下来我们把这个点子应用到我国的查找行业，我相信一定会有很大的提高”，国王做了最后的总结。

                                                                                                           

                                                                                                                         转发：  微信公众号：趣谈编程