哈希表概念
散列表(Hash table,也叫哈希表),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。
给定表M,存在函数f(key),对任意给定的关键字值key,代入函数后若能得到包含该关键字的记录在表中的地址,则称表M为哈希(Hash)表,函数f(key)为哈希(Hash) 函数。
简单来说,解决存储空间的考虑。试想,将100个关键字存入大小为100的数组里,此时肯定是不需要哈希函数的,一对一的放,肯定是可以实现的。但是当数据量增大,将1000个关键字,存入大小为100的数组里呢?此时一个一个的放,那剩下的怎么办呢,所以,我们需要某种计算方法,既能把这1000个关键字存进去,而且最主要是还能取出来。这就是哈希函数要做的事情,给每一个关键字找一个合适的位置,让你既能存进去,又能取出来。注意,哈希表里面一般存放的是字典数据类型,即(key,value)的数据,是根据key 去存取value。
哈希碰撞
哈希表的设计最主要就是解决哈希碰撞,当存储一个数据,该数据的哈希值已经在数组中存在,此时就会产生哈希碰撞,而解决哈希碰撞的方式有很多,例如链地址法,开放地址法,再哈希,这里,我们用链地址法解决哈希碰撞,通常的做法就是使用链表,当出现碰撞时,将该数据存储在链表中,这样,就可以根据hash值以及在链表中的位置查找元素,但当哈希碰撞增多时,如在索引1的位置中链表有很多个元素,这样对后续元素的查找效率会降低,此时我们可以将链表改造成红黑树,红黑树的时间复杂度要比链表高,其效率就会更高。
链地址法
哈希冲突后,用链表去延展来解决。
这个图中h(x) = x mod 10 ;是一个哈希函数,可见代入x=91和x=1的时候都会到映射到键值为1的slot,那么这样就会引发冲突,在链地址法中,用链表延展去存储同键值的数据。
优点:
链地址法处理冲突简单,且无堆积现象,即非同义词决不会发生冲突,因此平均查找长度较短;
在用链地址法构造的散列表中,删除结点的操作易于实现
代码实现
package HashTable;
import java.util.Map;
import java.util.TreeMap;
public class HashTable<K, V> {
private static final int upperTol = 10;//哈希冲突向上阀值
private static final int lowerTol = 2;//哈希冲突向下阀值
private static final int initCapacity = 7;//初始数组容量
private TreeMap<K, V>[] hashtable;
private int size;
private int M;
public HashTable(int M) {
this.M = M;
size = 0;
hashtable = new TreeMap[M];
for (int i = 0; i < M; i++)
hashtable[i] = new TreeMap<>();
}
public HashTable() {
this(initCapacity);
}
//设置哈希值
private int hash(K key) {
return (key.hashCode() & 0x7fffffff) % M;
}
public int getSize() {
return size;
}
//添加元素
public void add(K key, V value) {
TreeMap<K, V> map = hashtable[hash(key)];
if (map.containsKey(key))
map.put(key, value);
else {
map.put(key, value);
size++;
//数组扩容,当元素大于哈希冲突向上阀值与数组容量乘积时,进行扩容
if (size >= upperTol * M)
resize(2 * M);
}
}
//删除元素
public V remove(K key) {
V ret = null;
TreeMap<K, V> map = hashtable[hash(key)];
if (map.containsKey(key)) {
ret = map.remove(key);
size--;
//数组缩容
if (size <= lowerTol * M && M > initCapacity)
resize(M / 2);
}
return ret;
}
//修改value
public void set(K key, V value) {
TreeMap<K, V> map = hashtable[hash(key)];
if (!map.containsKey(key))
throw new IllegalArgumentException(key + " doesn't exist!");
map.put(key, value);
}
//判断该位置是否有值
public boolean contains(K key) {
return hashtable[hash(key)].containsKey(key);
}
//获取该位置元素
public V get(K key) {
return hashtable[hash(key)].get(key);
}
//数组大小调整
private void resize(int newM) {
TreeMap<K, V>[] newHashTable = new TreeMap[newM];
for (int i = 0; i < newM; i++)
newHashTable[i] = new TreeMap<>();
for (int i = 0; i < M; i++)
for (K key : hashtable[i].keySet())
newHashTable[hash(key)].put(key, hashtable[i].get(key));
this.M = newM;
this.hashtable = newHashTable;
}
}