数据结构10之哈希表

TreeMap分析
◼ 时间复杂度（平均）
添加、删除、搜索：O(logn)
◼ 特点
Key 必须具备可比较性
元素的分布是有顺序的
◼ 在实际应用中，很多时候的需求
Map 中存储的元素不需要讲究顺序
Map 中的 Key 不需要具备可比较性
◼ 不考虑顺序、不考虑 Key 的可比较性，Map 有更好的实现方案，平均时间复杂度可以达到 O(1)
那就是采取哈希表来实现 Map

需求分析：
设计一个写字楼通讯录，存放所有公司的通讯信息
座机号码作为 key（假设座机号码最长是 8 位），公司详情（名称、地址等）作为 value
添加、删除、搜索的时间复杂度要求是 O(1)


◼ 存在什么问题？
空间复杂度非常大
空间使用率极其低，非常浪费内存空间
其实数组 companies 就是一个哈希表，典型的【空间换时间】

哈希表也叫做散列表（ hash 有“剁碎”的意思）

◼ 它是如何实现高效处理数据的？
put(“Jack”, 666);
put(“Rose”, 777);
put(“Kate”, 888);

添加、搜索、删除的流程都是类似的

1. 利用哈希函数生成 key 对应的 index【O(1)】
2. 根据 index 操作定位数组元素【O(1)】

哈希表是【空间换时间】的典型应用
◼ 哈希函数，也叫做散列函数
◼ 哈希表内部的数组元素，很多地方也叫 Bucket（桶），整个数组叫 Buckets 或者 Bucket Array

哈希冲突（Hash Collision）
◼ 哈希冲突也叫做哈希碰撞
2 个不同的 key，经过哈希函数计算出相同的结果
key1 ≠ key2 ，hash(key1) = hash(key2)

◼ 解决哈希冲突的常见方法

1. 开放定址法（Open Addressing）
   ✓ 按照一定规则向其他地址探测，直到遇到空桶
2. 再哈希法（Re-Hashing）
   ✓ 设计多个哈希函数
3. 链地址法（Separate Chaining）
   ✓ 比如通过链表将同一index的元素串起来

JDK1.7和JDK1.8的哈希冲突解决方案区别？
JDK1.7：
hash表是数组加单向链表：没有所谓的树化（链表转为树）概念
JDK1.8：
1、默认使用单向链表将元素串起来
2、在添加元素时，可能会由单向链表转为红黑树来存储元素（数组容量大于64 且链表的节点数量大于8）
3、当红黑树节点数量少到一定程度时，又会转为单向链表
4、所以JDK1.8中的哈希表是使用链表+红黑树解决哈希冲突

思考：这里为什么使用单链表？
1、每次都是从头节点开始遍历
2、单向链表比双向链表少一个指针，可以节省内存空间

哈希函数
◼ 哈希表中哈希函数的实现步骤大概如下

1. 先生成 key 的哈希值（必须是整数）
2. 再让 key 的哈希值跟数组的大小进行相关运算，生成一个索引值
   
   ◼ 为了提高效率，可以使用 & 位运算取代 % 运算【前提：将数组的长度设计为 2 的幂（ 2 n ）】

良好的哈希函数
让哈希值更加均匀分布 → 减少哈希冲突次数 → 提升哈希表的性能

如何生成key的哈希值：
整数、浮点数、字符串、自定义对象
不同种类的 key，哈希值的生成方式不一样，但目标是一致的
✓ 尽量让每个 key 的哈希值是唯一的
✓ 尽量让 key 的所有信息参与运算

◼ 在Java中，HashMap 的 key 必须实现 hashCode、equals 方法，也允许 key 为 null

◼ 整数
整数值当做哈希值
比如 10 的哈希值就是 10

◼ 浮点数
将存储的二进制格式转为整数值

◼ 浮点数
将存储的二进制格式转为整数值

Long和Double的哈希值

◼ >>> 和 ^ 的作用是？
高32bit 和 低32bit 混合计算出 32bit 的哈希值
充分利用所有信息计算出哈希值

字符串的哈希值
◼ 整数 5489 是如何计算出来的？
5 ∗ 10 3 + 4 ∗ 10 2 + 8 ∗ 10 1 + 9 ∗ 10 0
◼ 字符串是由若干个字符组成的
比如字符串 jack，由 j、a、c、k 四个字符组成（字符的本质就是一个整数）
因此，jack 的哈希值可以表示为 j ∗ n 3 + a ∗ n 2 + c ∗ n 1 + k ∗ n 0 ，等价于 [ ( j ∗ n + a ) ∗ n + c ] ∗ n + k
在JDK中，乘数 n 为 31，为什么使用 31？
31 是一个奇素数，JVM会将 31 * i 优化成 (i << 5) – i(jvm会高效读取)

关于31的探讨：
◼ 31 * i = (2^5 – 1) * i = i * 2^5 – i = (i << 5) – i
◼ 31不仅仅是符合2^n – 1，它是个奇素数（既是奇数，又是素数，也就是质数）
素数和其他数相乘的结果比其他方式更容易产成唯一性，减少哈希冲突
最终选择31是经过观测分布结果后的选择

自定义对象的哈希值

◼ 思考几个问题
哈希值太大，整型溢出怎么办？
不用作任何处理

自定义对象作为key
◼ 自定义对象作为 key，最好同时重写 hashCode 、equals 方法
equals ：用以判断 2 个 key 是否为同一个 key
✓ 自反性：对于任何非 null 的 x，x.equals(x)必须返回true
✓ 对称性：对于任何非 null 的 x、y，如果 y.equals(x) 返回 true，x.equals(y) 必须返回 true
✓ 传递性：对于任何非 null 的 x、y、z，如果 x.equals(y)、y.equals(z) 返回 true，那么x.equals(z) 必须
返回 true
✓ 一致性：对于任何非 null 的 x、y，只要 equals 的比较操作在对象中所用的信息没有被修改，多次调用
x.equals(y) 就会一致地返回 true，或者一致地返回 false
✓ 对于任何非 null 的 x，x.equals(null) 必须返回 false
hashCode ：必须保证 equals 为 true 的 2 个 key 的哈希值一样
反过来 hashCode 相等的 key，不一定 equals 为 true
◼ 不重写 hashCode 方法只重写 equals 会有什么后果？
✓ 可能会导致 2 个 equals 为 true 的 key 同时存在哈希表中

哈希值的进一步处理：扰动计算

装填因子（也叫负载因子）
装填因子（Load Factor）：节点总数量 / 哈希表桶数组长度，也叫做负载因子
在JDK1.8的HashMap中，如果装填因子超过0.75，就扩容为原来的2倍

TreeMap vs HashMap
◼ 何时选择TreeMap？
元素具备可比较性且要求升序遍历（按照元素从小到大）
◼ 何时选择HashMap？
无序遍历

LinkedHashMap
◼ 在HashMap的基础上维护元素的添加顺序，使得遍历的结果是遵从添加顺序的

◼ 删除度为2的节点node时
需要注意更换 node 与 前驱\后继节点 的连接位置

LinkedHashMap – 删除注意点
◼ 删除度为2的节点node时（比如删除31）
需要注意更换 node 与 前驱\后继节点 的连接位置

LinkedHashMap – 更换节点的连接位置

关于使用%来计算索引
◼ 如果使用%来计算索引
建议把哈希表的长度设计为素数（质数）
可以大大减小哈希冲突
10%8 = 2
20%8 = 4
30%8 = 6
40%8 = 0
50%8 = 2
60%8 = 4
70%8 = 6
10%7 = 3
20%7 = 6
30%7 = 2
40%7 = 5
50%7 = 1
60%7 = 4
70%7 = 0
◼ 右边表格列出了不同数据规模对应的最佳素数，特点如下
每个素数略小于前一个素数的2倍
每个素数尽可能接近2的幂（2 n ）