散列表（hash 算法）

知识点

• Hash 的概念

• List item

• 构造方法

• 冲突处理

为什么使用哈希表

我们上面所提到的查找算法，简单来说，就是判断现有数据集合中是否有这个元素，或者是否有满足条件的元素。

其中的 Hash 算法则可以帮助我们判断是否有这个元素，虽然功能简单，但是其 O(1) 时间复杂度是具有高性能的。通过在记录的存储地址和它的关键码之间建立一个确定的对应关系。这样，不经过比较，一次读取就能得到所查元素的查找方法。相比普通的查找算法来说，仅仅在比较的环节，就会大大减少查找或映射所需要的时间。
什么是哈希表（散列表）

我们采用散列技术将记录存储在一块连续的存储空间中，这块连续的存储空间即称为散列表。下面用一张图给大家展示一下散列表的实现过程：

如果还是不太明白的话，我们可以理解为数学函数，Y=F(X)，X 为自变量也就是这里的 Key, F( ) 对应图中的 H( )，也就是一个映射关系，Y 因变量也就是对应的值的 存放位置，此处一定要注意哦。

此处让我们思考一下：

• List item

散列技术仅仅是一种查找技术吗？

应该说，散列既是一种查找技术，也是一种存储技术。

散列是一种完整的存储结构吗？

散列只是通过记录的关键码定位该记录，没有完整地表达记录之间的逻辑关系，即通过关键码能推出 Key 值，但是通过关键码对应的值（即位置处的值）不能推出关键码，所以散列存储的关键码和值之间并不对称，因此散列主要是面向查找的存储结构。

散列表的缺陷
散列表并不是适用于所有的需求场景，那么哪些情况下不适合使用呢？

散列技术一般不适合在允许多个记录有同样关键码的情况下使用。

因为这种情况下，通常会有冲突存在，将会降低查找效率，体现不出散列表查找效率高的优点。

并且如果一定要在这个情况下使用的话，还需要想办法消除冲突，这将花费大量时间，那么就失去了 O(1) 时间复杂度的优势，所以在存在大量的冲突情况下，我们就要弃用散列表。

散列方法也不适用于范围查找，比如以下两个情况。

查找最大值或者最小值

因为散列表的值是类似函数的，映射函数一个变量只能对应一个值，不知道其他值，也不能查找最大值、最小值，RMQ(区间最值问题）可以采用 ST 算法、树状数组和线段树解决。

也不可能找到在某一范围内的记录

比如查找小于 N 的数有多少个，是不能实现的，原因也是映射函数一个变量只能对应一个值，不知道其他值。

题目：
弗里的语言

小发明家弗里想创造一种新的语言，众所周知，发明一门语言是非常困难的，首先你就要克服一个困难就是，有大量的单词需要处理，现在弗里求助你帮他写一款程序，判断是否出现重复的两个单词。

要求：有重复的单词，就输出重复单词，
没有重复单词，就输出 NO，多个重复单词输出最先出现的。

import java.util.Scanner;
import java.util.Stack;

public class Main {

    static  final int h=999983;

    static String[] Value=new String [h];

    static String[] UpValue=new String [h];

    static int UpValueCount=0;

    static int   Hx(String s) {
        return (s.hashCode()%h+h)%h;
    }

    static boolean isAt(String s)
    {
        int n=Hx(s);
        if(Value[n]==null) return false;
        else if(Value[n].equals(s)) return true;
        else {
            for(int i=0;i<UpValueCount;i++)
                if(UpValue[i].equals(s)) return true;

            return false;
        }


    }

    static boolean in(String s)
    {
        int n=Hx(s);
        if(Value[n]==null) {
            Value[n]=s;
            return true;
        }
        else if(Value[n].equals(s)) return false;
        else {
            for(int i=0;i<UpValueCount;i++)
                if(UpValue[i].equals(s)) return false;

            UpValue[UpValueCount++]=s;
            return true;
        }
    }
    public static void main(String[] args)
    {

        int n;
        boolean flag=false;
        Scanner in=new Scanner(System.in);
        String ans="NO";
        n=in.nextInt();
        for(int i=0;i<n;i++)
        {
            String word;
            word=in.next();
            // System.out.println(Hx(word));
            if(flag) continue;

            if(isAt(word)){
                flag=true;
                ans=word;
            }
            else {
                in(word);

            }
        }
        System.out.println(ans);
    }

}