STL学习笔记(五)---哈希表(散列表)与关联容器

散列技术是一种查找技术，而且是一种"一步到位"的查找技术。用散列技术查找的时候,一开始存储元素就按照采用的散列函数f所对应的规律去存储元素，使得存进去的元素key的位置是f(key)。查找时直接通过函数f计算出要查找元素的位置index。散列技术既是一种查找技术也是一种存储技术。这里的函数f叫散列函数(哈希函数),采用散列技术所建立的元素存储空间就是散列表(哈希表)，元素的存储位置就叫散列地址(哈希地址)。

优点：简化了比较过程，效率大大提高。

缺点：1.散列技术不适合集合中重复元素很多的情形，因为同样的key会对应很多index，比如用性别查找一个班的学生。

2.散列技术不适合范围查找，也不适合查找最大值，最小值。
3.散列函数需要很好的设计，应该保证简单、均匀、存储效率高。
4.可能有不同的元素被映射到相同的位置(即有相同的索引) 。因为元素个数大于array 容量。这便是所谓的“碰撞(ollision)”问题。解决碰撞问题的方法有许多种，包括线性探测(linearprobing) 、二次探测(quadratic probing) 、开链(separate chaining) 等做法。每一种的效率各不相同---与array的填满程度有关。

散列函数应该满足什么样的特性呢?
首先应该计算简单，避免每次查找时计算散列地址耗费太多时间
其次应该保证计算出来的哈希地址空间分布均匀，这样可以节省空间和为处理冲突而耗费的时间。

关于散列冲突的处理有几种办法，比如线性探测法、二次探测法、随机探测法等。

一、hashtable

1、节点定义

hash table采用的是开链法(链地址法)。散列表就是一个vector。称hash table表格内的元素为桶子(bucket)。此名称的大概意义是表格内的每个单元涵盖的不只是个节点(元素)，甚且可能是一“桶”节点。

template <class Value>
struct __hashtable_node
    __hashtable_node* next;
    value val;
};

bucket 所维护的linked list并不采用STL的list，而是自行维护上述的hash table node。buckets 聚合体以vector完成，以便有动态扩充能力。

2、数据结构

模板参数

在<stl_hash_fun.h>文件中有定义有数个现成的hash_functions,用来计算查找元素的位置。它的buckets实现本质上就是一个vector。虽然开链法不要求表格大小必须为质数,但是SGI STL中仍然以质数来设计表格大小并且将28个质数计算好，以备随时访问用来查询在这28个质数中最接近并大于某数的质数。 

 

3、构造与内存管理

空间配置

 HashTable里面定义了一个专属的节点配置器,用来更好的以结点为单位开辟空间

节点配置与释放函数

 

构造一个拥有50个节点的hash table如下:

这个构造函数有三个参数。第一个表示要构造哈希表结点多少；第二个是散列函数，即计算元素位置的函数型别；第三个是判断键值是否相等的方法。看看构造函数具体如何执行：

本质上是调用了initialize_buckets,再看一下initialize_buckets是如何执行的

next_size(n)函数返回质数表中的接近但是大于n的质数。可以看到在initialize_buckets中先计算了接近n的质数buckets空间大小，然后在里面都填充了类型为node*的空指针。

元素地址求解函数bkt_num 

求解元素地址就是求出元素位于哪一个bucket内。SGI把这个任务封装了一层，先交给bkt_num()，再由此函数调用hash_function取得一个可执行取模运算的数值。因为有些元素比如字符串无法直接拿来对hashtable的大小进行取模运算，这个时候就要通过bkt_num函数先进行转换。

上面所说的调用的<stl_hash_fun.h>定义有数个现成的hash functions。针对char int long等整数类型hash function直接返回原值。针对字符数组const char* 有一个转换过程 。例如string double float，想要处理这些类型，必须自己定义哈希函数。

二、hash_set与hash_multiset

STL set多半以RB-tree为底层机制。SGI则是在STL标准规格之外又提供了hash_set， 以hashtable 为底层机制。由于hash_set 所供应的操作接口hashtable都提供了，所以几乎所有的hash_set操作行为都只是转调用hashtable的操作。
RB-tree有自动排序功能而hashtable没有，所以set 的元素有自动排序功能而hash_set 没有。set的元素不像map那样可以同时拥有实值(value) 和键值(key) ， 键值就是实值，实值就是键值。这一点在hash_set中也是一样的。hash_set 的使用方式，与set完全相同。
hashtable有些无法处理的型别(除非用户为那些型别撰写hash function)。凡是hashtable无法处理者，hash_set也无法处理。
hash_multiset的特性与multiset完全相同，唯一的差别在于它的底层机制是hashtable。也因此hash_multiset 的元素并不会被自动排序。hash_multiset和hash_set实现上的唯一差别在于前者的元素插入操作采用底层机制hashtable的insert_equal()，后者则是采用insert_unique()。hash_multiset的使用方式与hash_set完全相同。

三、hash_map与hash_multimap

SGl在STL标准规格之外，另提供了所谓的hash_map，以hashtable为底层机制。由于hash_map所供应的操作接口，hashtable都提供了，所以几乎所有的hash_map操作行为，都只是转调用hashtable的操作行为而已.运用map,为的是能够根据键值快速搜寻元素。这一点不论其底层是RB-tree或是hashtable, 都可以达成任务。但是RB-tree 有自动排序功能而hashtable没有，所以map的元素有自动排序功能而hash_map没有。

• 插入操作：得到key -> 通过hash函数得到hash值 -> 得到桶号(hash值对桶数求模) -> 存放key和value在桶内
• 取值过程：得到key -> 通过hash函数得到hash值 -> 得到桶号(hash值对桶数求模) -> 比较桶内元素与key是否相等 -> 取出相等记录的value

map的特性是每一个元素都同时拥有一个实值(value)和一个键值(key)，这一点在hash_map中也是一样的。hash_map的使用方式和map完全相同。hashtable有些无法处理的型别(除非用户为那些型别写hash function。凡是hashtable无法处理者，hash_map也无法处理。

hash_multimap的特性与multimap完全相同，唯一的差别在于它的底层机制是hashtable。因此hash_multimap的元素并不会被自动排序。hash_multimap和hash_map 实现上的唯一差别在于,前者的元素插入操作采用底层机制hashtable的insert_equal()，后者则是采用insert_unique()。

STL中hash_map扩容发生什么？ 

hash table表格内的元素称为桶(bucket)，而由桶所链接的元素称为节点(node)，其中存入桶元素的容器为stl本身很重要的一种序列式容器——vector容器。之所以选择vector为存放桶元素的基础容器，主要是因为vector容器本身具有动态扩容能力，无需人工干预。

向前操作：首先尝试从目前所指的节点出发，前进一个位置（节点），由于节点被安置于list内，所以利用节点的next指针即可轻易完成前进操作，如果目前正巧是list的尾端，就跳至下一个bucket身上，那正是指向下一个list的头部节点。

什么时候扩容?
当向容器添加元素的时候，会判断当前容器的元素个数，如果大于等于阈值---即当前数组的长度乘以加载因子的值的时候，就要自动扩容。

扩容(resize)就是重新计算容量，向HashMap对象里不停的添加元素，而HashMap对象内部的数组无法装载更多的元素时，对象就需要扩大数组的长度，以便能装入更多的元素。

四、unordered_map与unordered_set

unordered_map约等于hash_map，unordered_set约等于hash_set。

最初的 C++ 标准库中没有类似 hash_map(hash_set) 的实现，但不同实现者自己提供了非标准的hash_map(hash_set)。 因为这些实现不是遵循标准编写的，所以它们在功能和性能保证方面都有细微差别。从 C++ 11 开始，hash_map(hash_set) 实现已被添加到标准库中。但为了防止与已开发的代码存在冲突，决定使用替代名称unordered_map(unordered_set)。这个名字其实更具描述性，因为它暗示了该类元素的无序性。