Hash基础知识点

概念：

 Hash 是“杂乱信息”的意思。

 Hash表是将一堆杂乱得信息，根据它们的关键词特点，将其映射到一个连续的空间上。这种映射关系称作索引方法 ，对应的实现函数叫哈希函数，同时将关键词映射后的值叫做关键词的索引。

  索引实际上就是数组的下标，数组的每一个位置习惯上也被称作桶(bucket)，在哈希表中桶和索引的叫法是等价的。

哈希表的索引方法：

• 整除取余法

/** 哈希表的计算整数的索引函数
@param UINT uKey——关键词
@param UINT uBucketCount——哈希表的大小，用来做整除的模 
@return UINT——索引值
*/

UINT HashIndexClac_Int(UINT KeyValue, UINT ModelValue)
{
    UINT Index = 0;
    Index = KeyValue % ModelValue;
    return Index;
}

优点 ：一个连续的序列或者接近一个连续系列，效果最好。
缺点 ：1）需要求出一个使关键词索引尽量不相同的最小 nMod 来。当然 nMod 不能太大，因为最后得出的余数可能为 nMod－1，所以表的大小必须大于 nMod－1，当 nMod 太大时意味着需要表的辅助空间太大。
       2）只能对计算机硬件能够处理的整数进行计算，如32 位 CPU 硬件最大能处理的整数是 2^32 ＝4294964296

• 折叠法

       当关键词位数很多时，可以将关键词分割成位数相同的几部分，每部分可以转换成一个计算机可以处理的整数，然后将各部分转换后的整数相加，得到一个新的整数，这就是折叠法。折叠法最后得到的那个新的整数不能直接作为关键词的索引，还需要使用整除取余法来得到关键词的索引。
/** 字符串类型数据的关键词索引计算函数，将字符串折叠成每 5 个字符一段，每段看成
八进制整数，将各段相加后再取余数
@param void *pStr——字符串指针 
@param UINT uBucketCount——最大 bucket 的个数，被用来做为整除的模 
@return UINT——字符串关键词的索引 
*/
UINT HashIndexClac_String(VOID * StringValue, UINT ModelValue)
{
        unsigned char *psz;
        UINT HashValue = 0;
        UINT Ret       = 0;
        UINT i         = 0;
        UINT t         = 0;
        psz = (unsigned char *)StringValue;
        while (*psz != '\0')
        {
            if (i == 5)
            {
                i = 0;
                Ret += HashValue;
                HashValue = 0;
            }
            t = HashValue << 3;
            HashValue = HashValue + t;
            HashValue = HashValue + (UINT)(*psz);
                psz++;
                i++;
        }
    Ret += HashValue;
        return HashIndexClac_Int(Ret, ModelValue) ;
}
       采用折叠法的计算开销比整除取余法大很多，因为它要将关键词中的每个字节都计算一遍，但它的好处是计算出的索引很少会重复。在数据较多的情况下，使用这种方法效果是很好的。

• 平方取中法

       顾名思义，平方取中法是将关键词进行平方运算后，再取运算结果的中间几位作为索引。通常一个数经平方运算后，其结果的中间几位和数的每一位都相关，具体取多少位则需要由表的长度来决定。

• 随机函数法 

       随机函数法是设计一个产生随机数的函数，以关键词作为随机函数的输入，函数的计算结果作为索引。采用随机函数法，在产生随机数时一般也要用到整除取余，实际上是整除取余法的一个扩展。

不管采用何种方法计算索引，都会对以下几个方面产生影响：
① 计算索引所需要的时间(建议最大不要超过 12 次比较的时间)；
② 每次查找关键词的平均比较次数(建议最大不要超过 5 次)；
③ 最坏情况下的比较次数(建议最大不要超过 50 次)；
④ 哈希表所需要的辅助空间 (建议不要超过实际关键词个数的两倍大小)。 

哈希冲突

  原因：由于哈希算法被计算的数据是无限的，而计算后的结果范围有限，因此总会存在不同的数据经过计算后得到的值相同，这就是哈希冲突。

解决方法：

• 开放定址法

      将所有的输入都元素全部放在哈希表中，不需要任何链表来完成，当发生哈希冲突饿时，根据再寻址方法，去寻找下一个地址，直到找到一个空位置。

       再寻址方法：

• 线性探测

   按顺序决定哈希值时，如果某数据的哈希值已经存在，则在原来哈希值的基础上往后加一个单位，直至不发生哈希冲突。　

• 二次探测

   按顺序决定哈希值时，如果某数据的哈希值已经存在，则在原来哈希值的基础上先加1的平方个单位，若仍然存在则减1的平方个单位。随之是2的平方，3的平方等等。直至不发生哈希冲突。

• 伪随机探测

  按顺序决定哈希值时，如果某数据已经存在，通过随机函数随机生成一个数，在原来哈希值的基础上加上随机数，直至不发生哈希冲突。

 

• 链地址法

   对于相同的哈希值，使用链表进行连接。

优点：

　　（1）拉链法处理冲突简单，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；

　　（2）由于拉链法中各链表上的结点空间是动态申请的，故它更适合于造表前无法确定表长的情况；

　　（3）开放定址法为减少冲突，要求装填因子α较小，故当结点规模较大时会浪费很多空间。而拉链法中可取α≥1，且结点较大时，拉链法中增加的指针域可忽略不计，因此节省空间；

　　（4）在用拉链法构造的散列表中，删除结点的操作易于实现。只要简单地删去链表上相应的结点即可。
　　缺点：

　　指针占用较大空间时，会造成空间浪费，若空间用于增大散列表规模进而提高开放地址法的效率。

 

• 公共溢出区

  将所有产生哈希冲突的数据储存再公共溢出区。

• 再HASH法

   对产生哈希冲突的数据，重新哈希计算，直到没有哈希冲突。时间、性能会有影响。