1、散列思想
散列表用的是数组支持按照下标随机访问数据的特性,所以散列表其实就是数组的一种扩展,由数组演化而来。可以说,如果没有数组,就没有散列表。
2、散列函数
它是一个函数。我们可以把它定义成hash(key),其中 key 表示元素的键值,hash(key) 的值表示经过散列函数计算得到的散列值。
三点散列函数基本要求:
- 散列函数计算得到的散列值是一个非负整数;
- 如果 key1 = key2,那 hash(key1) == hash(key2);
- 如果 key1 ≠ key2,那 hash(key1) ≠ hash(key2)。 再好的散列函数也无法避免散列冲突
3、散列冲突
3.1 开放寻址法
开放寻址法的核心思想是,如果出现了散列冲突,我们就重新探测一个空闲位置,将其插入 。
-
线性探测 : 往散列表中插入数据时,如果某个数据经过散列函数散列之后,存储位置已经被占用了,从当前位置开始,依次往后查找,看是否有空闲位置,直到找到为止 。
-
二次探测 : 跟线性探测很像,线性探测每次探测的步长是 1,而二次探测探测的步长就变成了原来的“二次方”。
-
双重散列 : 不仅要使用一个散列函数。我们使用一组散列函数, 如果计算得到的存储位置已经被占用,再用第二个散列函数,依次类推,直到找到空闲的存储位置
3.2 链表法
链表法是一种更加常用的散列冲突解决办法,相比开放寻址法,它要简单很多。
在散列表中,每个“桶(bucket)”或者“槽(slot)”会对应一条链表,所有散列值相同的元素我们都放到相同槽位对应的链表中 。
![](https://i-blog.csdnimg.cn/blog_migrate/73e7bf5e4206b2e102f9f066944636b5.png)
3.3 适用场景
- 当数据量比较小、装载因子小的时候,适合采用开放寻址法。这也是 Java 中的ThreadLocalMap使用开放寻址法解决散列冲突的原因。
- 基于链表的散列冲突处理方法比较适合存储大对象、大数据量的散列表,而且,比起开放寻址法,它更加灵活,支持更多的优化策略,比如用红黑树代替链表。
4、优化散列表
4.1 设计合适的散列函数
- 散列函数的设计不能太复杂 ;
- 散列函数生成的值要尽可能随机并且均匀分布 ;
- 综合考虑各种因素:关键字的长度、特点、分布、还有散列表的大小
4.2 优化装载因子过大
装载因子越大,说明散列表中的元素越多,空闲位置越少,散列冲突的概率就越大 。
- 没有频繁插入和删除的静态数据集合来说,直接初始化合适的散列表长度。
- 对于动态散列表来说,数据集合是频繁变动的 ,进行动态扩容。随着数据的删除,散列表中的数据会越来越少,空闲空间会越来越多,可以选择动态缩容。
为了解决一次性扩容耗时过多的情况,我们可以将扩容操作穿插在插入操作的过程中,分批完成。当装载因子触达阈值之后,我们只申请新空间,但并不将老的数据搬移到新散列表中 。
4.3 Java HashMap 举例分析
- **初始大小:**HashMap 默认的初始大小是 16, 事先知道大概的数据量有多大, 修改默认初始大小,减少动态扩容的次数 ;
- **装载因子和动态扩容:**最大装载因子默认是 0.75;
- **散列冲突解决方法:**采用链表法来解决冲突, 在 JDK1.8 版本中, 做进一步优化,引入了红黑树。
5、 哈希算法
任意长度的二进制值串映射为固定长度的二进制值串( 哈希值 ),这个映射的规则就是哈希算法 。 业界著名的哈希算法也有很多,比如 MD5、SHA 等。
- 从哈希值不能反向推导出原始数据(所以哈希算法也叫单向哈希算法);
- 对输入数据非常敏感,哪怕原始数据只修改了一个 Bit,最后得到的哈希值也大不相同;
- 散列冲突的概率要很小,对于不同的原始数据,哈希值相同的概率非常小;
- 哈希算法的执行效率要尽量高效,针对较长的文本,也能快速地计算出哈希值。
哈希算法的应用:
- 安全加密:最常用于加密的哈希算法是MD5、SHA、DES、AES
- 唯一标识: 比如给每一个图片取一个唯一标识,或者说信息摘要
- 数据校验: 文件下载,网络传输是不安全的,下载的文件块有可能是被宿主机器恶意修改过的 。
- 散列函数
- 负载均衡: 负载均衡算法有很多,比如轮询、随机、加权轮询等
- 数据分片:
- 分布式存储