哈希

哈希概念

在顺序结构或者平衡树中，找到一个元素要经过多次比较，在顺序结构中可能要经历O(N)次，在平衡树中也要经过 O(log2N)。而哈希则建立了一种映射关系，比如说在ASCII码中，小写字母’a’对应的ASCII码是97，'a’和97便是一种映射关系，通过这种映射关系，就能更快的找到一个元素。

哈希冲突

哈希中找到映射关系所使用的转换函数称为哈希函数，构造出来的结构称为哈希表。
例如如下的哈希函数：hash(key) = key % capacity。

不同的关键字通过相同的哈希函数计算出了相同的哈希地址，这种现象就称为哈希碰撞或者哈希冲突。

哈希冲突的解决

闭散列

闭散列：也叫开放定址法，当发生哈希冲突时，如果哈希表未被装满，说明在哈希表中必然还有空位置，那么可以把key存放到冲突位置中的“下一个” 空位置中去。

查找： 先找到要查找的元素经过哈希函数之后映射的位置，如果有元素存在不是要查找的，则依次往后查找，如果映射的位置没有元素存在，则要查找的元素也不存在。

但是这样又出现了一个问题。当删除4时，44的位置不就出问题了？当表中仅有44时，对应的哈希地址应该是4，现在却对应了5，查找44的时候，就会出问题。

删除： 所以要在每个位置做相应的标记，如果要删除一个元素，则删除之后，把相应的位置标记为删除，而不是不存在。如果一个位置不存在，那就标记为不存在。现在如果删除4这个元素，那就要在这个位置标记为删除，当查找44的时候，首先查找到4这个位置，这个位置如果标记为不存在，则直接返回无44，如果标记为删除，则依次往后查找。

增容
闭散列中，如果产生哈希冲突，就会插入到下一个空的位置，那迟早哈希表会满的，为了减少哈希冲突和解决哈希表满的情况，当负载因子（哈希表中元素个数 / 哈希表容量）（假如元素个数为7，容量为10，负载因子就是0.7）达到一定程度，就进行增容，并且对哈希表中的元素重新分配位置。

开散列

开散列法又叫链地址法(开链法)，首先对关键码集合用散列函数计算散列地址，具有相同地址的关键码归于同一子集合，每一个子集合称为一个桶，各个桶中的元素通过一个单链表链接起来，各链表的头结点存储在哈希表中

增容： 开散列最好的情况是：每个哈希桶中刚好挂一个节点，再继续插入元素时，每一次都会发生哈希冲突，因此，在元素个数刚好等于桶的个数时，可以给哈希表增容

哈希的应用

unordered_map 和 unordered_set

unordered_map在线文档
unordered_set在线文档

位图

位图，就是用每一位来存放某种状态，适用于海量数据，数据无重复的场景。通常是用来判断某个数据存不存在的。数据是否在给定的整形数据中，结果是在或者不在，刚好是两种状态，那么可以使用一个二进制比特位来代表数据是否存在的信息，如果二进制比特位为1，代表存在，为0代表不存在

例如：给40亿个不重复的无符号整数，没排过序。给一个无符号整数，如何快速判断一个数是否在这40亿个数中。
如果用int型的数组来存，那40亿个数，数组会耗费很大的空间，如果用位图来存，可以减少32倍！

布隆过滤器

如果想表示某个元素存不存在，如果单独用哈希，则浪费空间，单独用位图则不能处理哈希冲突，所以将哈希和位图结合起来，便有了布隆过滤器。
如果要表示一个元素存在，则用多个哈希函数，将一个数据映射到位图上即可。

查找：
用多个哈希函数，找到映射的多个位置，如果都为1，则可能存在，如果有一处为0，则肯定不存在。因为有可能不同的元素映射到相同的位置上，所以只能判断一个元素不存在或者可能存在

删除： 不能单独去将某个元素用多个哈希映射的位置的删除，因为可能别的元素也对应在这个位置，可以将每一个比特位扩展成计数器，删除的时候，计数减一即可。