简单哈希表（散列表）的理解

散列表

在线性表、树等数据结构中，记录在结构中的相对位置是随机的，和记录的关键字之间不存在确定的关系，因此在结构中查找记录时需进行一系列和关键字的比较。它们查找的效率都依赖于查找过程中所进行的比较次数。

1、散列表的强大

即使是二分查找，查找的时间复杂度也是 O（log₂N)。
但是——散列表，理想的情况下有没有不经过任何比较，一次存取便能得到所查记录。时间复杂度是 O（1）。

2、散列表的实现

1、使用散列函数将给定键转化为一个“数组的索引”，数组内可以存储记录对应的值，这个函数，我们称之为散列（哈希）函数；
2、但对于不同的关键字，可能得到同一哈希地址，即k1≠ k2，而f(k1) = f(k2)，这种现象我们称之为冲突。冲突只能尽可能的少，但是不能完全避免；

2.1 散列函数描述

哈希表的容量一般设置为素数，因为无论按照何种步长，总可以遍历素数。

2.1.1 散列函数特征

1、相同输入映射到相同索引；
2、不同输入映射到不同索引；
3、散列表知道数组多大，只返回有效索引

构造方法:

直接定址法：

					Hash(key) = a × key + b

数字分析法：

			比如手机号前三位是接入号，中间四位是 HLR 识别号，只有后四位才是真正的用户号，此时我们选择后四位作为散列地址就是不错的选择；
			数字分析法通常适合处理关键字位数比较大的情况，如果事先知道关键字的分布且关键字的若干位分布较均匀，就可以考虑用这个方法。

平方取中法：

			如果事先知道关键字的分布且关键字的若干位分布较均匀，就可以考虑用这个方法
			平方取中法比较适合于不知道关键字的分布，而位数又不是很大的情况

折叠法：

			1、将关键字从左到右分割成位数相等的几部分（注意最后一部分位数不够时可以短些）
			2、然后将这几部分叠加求和
			3、按散列表表长，取后几位作为散列地址

除留余数法

					Hash(key) = key / a ... b  ,b即为数组地址

随机数法

2.2冲突处理

2.2.1 拉链法

如果多个键映射到了同一位置，就在这个位置存储一个链表。

2.2.2 开放地址法

数据项具有相同下标时，在数组中其他地方寻找一个空白单元放置要插入的数据项。

2.2.2.2 线性探测：

在用除留余数法时：Hi = (Hash(key) + di) mod m           di为增量序列
线性探测中di每次冲突都加1，知道找到空序列；
删除操作：删除操作复杂，这里不进行讨论
查找操作：

线性探测是逐步搜索空的位置。缺点：数据项聚集，越来越大，越后面找到空位插入数据项需要时间越多。

2.2.2.3 二次探测法：

Hi = (Hash(key) + di) mod m           di为增量序列
di先后取(±1)² ，(±2)²，(±3)……

2.2.2.4 伪随机探测法：

di为伪随机数

2.2.3 再散列法（双散列函数）

2.2.4 建立公共溢出区

3、应用

3.1 DNS解析

如：在访问像http://adit.io这样的网站时，计算机必须将adit.io转换为IP地址：

					ADIT.IO -> 173.255.248.55

无论哪个网站，网址都要转化为IP地址：

					GOOGLE.COM  ->  74.125.239.133
					FACEBOOK.COM -> 173.252.120.6

这是将网址映射到IP地址，这过程被成为DNS解析，散列表是提供这种功能方式之一。

3.2 缓存内放入散列表加快访问速度

3.3 总结：

散列函数在查找、加密、海量数据处理过程都有强大优势；
如果在能提前预测数据量的大小。那么哈希表在速度和易用性方面——无与伦比！！！
缺点：数组创建后难于扩展，某些哈希表被基本填满时，性能下降得非常严重

链接: 开放地址法描述.

链接: 开放地址法哈希表代码篇.

链接: 散列函数描述.