手撕哈希表（HashTable）——C++高阶数据结构详解

传统艺能😎

小编是双非本科大一菜鸟不赘述，欢迎米娜桑来指点江山哦（QQ：1319365055）

🎉🎉非科班转码社区诚邀您入驻🎉🎉
小伙伴们，打码路上一路向北，彼岸之前皆是疾苦
一个人的单打独斗不如一群人的砥砺前行
这是我和梦想合伙人组建的社区，诚邀各位有志之士的加入！！
社区用户好文均加精（“标兵”文章字数2000+加精，“达人”文章字数1500+加精）
直达： 社区链接点我

---

概念🤔

哈希简单来说就是把任意输入通过特定方式（hash函数） 处理后 生成一个值。这个值等同于存放数据的地址，这个地址里面再吧输入的数据进行存储。哈希表也叫散列表，哈希表是一种数据结构，它提供了快速的插入操作和查找操作，无论哈希表总中有多少条数据，插入和查找的时间复杂度都是为 O(1)，因为哈希表的查找速度非常快，所以在很多程序中都有使用哈希表，例如拼音检查器。

在普通的顺序结构或者平衡树中，因为关键码内容和存储位置之间没有对应关系，所以查找一个元素必须经过关键码的多次比较，顺序结构中查找的时间复杂度为 O(N)，平衡树中查找的时间复杂度为树的高度 O(logN) ；而最理想的搜索方法是可以不经过任何比较，直接从表中得到要搜索的元素，即查找的时间复杂度为 O(1) 的哈希！

哈希表采用的是一种转换思想，一个重要的概念就是如何将关键字（key）转换成数组下标进行映射存储。

这种转换思想就是转换函数，哈希方法中称为哈希（散列）函数，构造出来的结构称为哈希表（散列表）。

举个栗子：

给定集合 {1, 7, 6, 4, 5, 9}，将哈希函数设置为：h a s h ( k e y ) = k e y % c a p a c i t y ，其中capacity为存储元素空间的总大小。
若我们将该集合存储在 capacity 为10的哈希表中，则各元素存储位置对应如下：

在查找时只需要对元素的关键码进行同样的计算，把求得的函数值当作元素的存储位置，在结构中按此位置取出元素进行比较，若关键码相等则搜索成功。

哈希碰撞🤔

也叫哈希冲突，指不同关键字通过相同哈希函数计算出了相同的哈希地址，比如在上述例子中，再将元素 11 插入当前的哈希表就会产生哈希冲突。 因为元素11通过该哈希函数得到的哈希地址与元素1相同，都是下标为1的位置： hash(11)=11 % 10 = 1

那么这种冲突是否可以避免呢？

答案是只能缓解，不可避免。

由于哈希函数的原理是将输入空间一个较大的值映射到一个较小的 Hash 空间内，而 Hash空间一般远小于输入的空间。根据抽屉原理，一定会存在不同的输入被映射成同一输出的情况。

抽屉原理

它是组合数学中一个重要的原理，桌上有十个苹果，要把这十个苹果放到九个抽屉里，无论怎样放，我们会发现至少会有一个抽屉里面放不少于两个苹果。抽屉原理的含义为：“如果每个抽屉代表一个集合，每一个苹果就可以代表一个元素，假如有n+1个元素放到n个集合中去，其中必定有一个集合里至少有两个元素。” 抽屉原理有时也被称为鸽巢原理。

哈希函数🤔

不合理的哈希函数就是引发哈希冲突的重要原因，哈希函数设计的越精妙，产生哈希冲突的可能性越低！

哈希函数的设计遵从三大原则：

1. 哈希函数的定义域必须包括需要存储的全部关键码，且如果散列表允许有m个地址，其值域必须在0到m-1之间。
2. 哈希函数计算出来的地址能均匀分布在整个空间中。
3. 哈希函数应该比较简单。

常见的哈希函数有：

1. 直接定址法

取关键字的线性函数作为哈希地址：Hash(Key) = A ∗ Key + B

优点：每个值都有一个唯一位置，效率很高，每个都是一次就能找到。
缺点：使用场景比较局限，通常要求数据是整数，范围比较集中。
使用场景：适用于整数，且数据范围比较集中的情况。

2. 除留余数法

设散列表中允许的地址数为m，取一个不大于m，但最接近或者等于m的质数p作为除数，按照哈希函数 Hash(Key) = Key % p (p <= m)，将关键码转换成哈希地址

优点：使用广泛，不受限制
缺点：需要解决哈希冲突，冲突越多，效率下降越厉害

3. 平方取中法
   假设关键字为1234，对它平方就是1522756，抽取中间的3位227作为哈希地址（偶数位的数不妨可以多取一位）

使用场景：不知道关键字分布且关键字位数不多

4. 折叠法

折叠法是将关键字从左到右分割成位数相等的几部分（最后一部分位数可以短些），然后将这几部分叠加求和，并按哈希表表长，取后几位作为哈希地址

使用场景：不知道关键字分布且关键字位数多

5. 随机数法

选择一个随机函数，取关键字的随机函数值为它的哈希地址，Hash(Key) = random(Key)，其中 random 为随机数函数

使用场景：各关键字位数不等

6. 数字分析法

设有n个d位数，每一位可能有r种不同的符号，这r中不同的符号在各位上出现的频率不一定相同，可能在某些位上分布比较均匀，每种符号出现的机会均等，而在某些位上分布不均匀，只有几种符号经常出现。此时，我们可根据哈希表的大小，选择其中各种符号分布均匀的若干位作为哈希地址

举个栗子，假设要存储某家公司员工信息，如果用手机号作为关键字，那么极有可能前 7 位都是相同的，那么我们可以选择后 4 位作为哈希地址

使用场景：关键字位数比较大，或事先知道关键字的分布且关键字的若干位分布较均匀的情况

解决哈希冲突🤔

解决哈希冲突有两种常见的方法：闭散列和开散列

闭散列😎

也叫开放定址法，在发生哈希冲突时，如果哈希表未被装满，说明在哈希表种必然还有空位置，那么可以把产生冲突的元素存放到冲突位置的 “下一个” 空位置中去，寻找“下一个位置”的方式多种多样，常见的方式有以下两种：

1. 线性探测

当发生哈希冲突时，从发生冲突的位置开始，依次向后探测，直到找到下一个空位置为止。

Hi = (H0+i) % m (i = 1,2,3,…)

H0 ：通过哈希函数对元素的关键码进行计算得到的位置。
Hi：冲突元素通过线性探测后得到的存放位置。
m ：表的大小。

所以开放定址法的优点就是实现简单，而缺点也显而易见就是冲突一旦发生，极有可能造成数据堆积，不同关键字占据可利用空间，导致查找时需要多次比较，即所谓的踩踏效应，搜索效率下降。

随着数据的增多，哈希冲突的可能性增加，有可能一个位置会发生多次哈希冲突，冲突多次后插入哈希表的元素，在查找时的效率必然也会降低，于是哈希表中又引入了负载因子（载荷因子）：负载因子 = 表中有效数据个数 / 空间的大小

负载因子越大，产出冲突的概率越高，增删查改的效率越低。
负载因子越小，产出冲突的概率越低，增删查改的效率越高，但是越小也意味着空间利用率越低，此时大量空间可能被浪费。

因此我们在闭散列（开放定址法）对负载因子的标准定在了 0.7~0.8，一旦大于 0.8 会导致查表时缓存未命中率呈曲线上升；这就是为什么有些哈希库都有规定的负载因子，Java 的系统库就将负载因子定成了 0.75，超过 0.75 就会自动扩容。

2. 二次探测

二次探测的根本目的是为了避免线性探测可能产生的踩踏效应，他在寻找空位置的方法上进行了改造：

Hi = (H0 + i²) % m (i = 1,2,3,…)

H0：通过哈希函数对元素的关键码进行计算得到的位置。
Hi：冲突元素通过二次探测后得到的存放位置。
m：表的大小。

采用二次探测相比线性探测而言，哈希表中元素的分布会相对稀疏一些，不容易导致数据堆积，当然二次探测也需要考虑负载因子，因此不能看出闭散列最大的缺点就是空间利用率低，其实这也是哈希的老病根。

开散列😎

开散列，又叫链地址法（拉链法），首先对关键码集合用哈希函数计算哈希地址，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（bucket），各个桶中的元素通过一个链表连接，各链表的头结点存储在哈希表中。

相比闭散列那种报复社会型的小藓钕占座，开散列就显得格局打开了，既然没法坐那我就吊扶手。其中链表的头结点存储在哈希表中的方式，不会影响与自己哈希地址不同的元素的增删查改的效率，因此开散列的负载因子相比闭散列而言，可以稍微大一点。闭散列负载因子不能超过1，一般建议控制在 [0.0, 0.7] 之间；开散列的哈希桶，负载因子可以超过1，一般建议控制在 [0.0, 1.0] 之间。

而且开散列相对闭散列不仅仅只有空间利用率高的优点，还有它处理某些极端情况的能力，比如根据哈希函数计算的哈希地址全部在同一个地址，就是全员冲突，此时效率退化到了 O(N)：

此时我们可以将这个单链表更改为红黑树结构，哈希表中存红黑树的根节点，这样就算进来 10 亿个元素也只需要查找 30 次：

结构转换其实和负载因子有点相似，比如 Java 新版本中当桶中元素达到 8 个以上就会将单链表换成红黑树，小于等于 8 个再换回单链表；当然有些地方也不采用转换红黑树，而是到达一定上限后进行哈希扩容，此时再将数据重新映射，冲突的数据也会相对减少。

闭散列实现🤔

首先我们应该知道在闭散列的哈希表中，每个位置除了存储所给数据之外，还应该存储该位置当前的状态，那么状态的存在意义是什么？

比如我需要在哈希表中查找一个数据，这个数据我用哈希函数算出来他的位置是 1 ，但是我们不知道是不是存在哈希冲突，如果冲突就会向后偏移，我们就需要从 1 这个位置开始向后遍历，但是万万不能遍历完整个哈希表，这样就失去了哈希原本的意义，只需要遍历到一个空位置就可以说明他不存在，即可结束。

那如何标识一个空位置？用数字 0 吗？那如果我们要存储的元素就是 0 怎么办？因此我们必须要单独给每个位置设置一个状态字段。
但是如果设置存在和不存在两种状态，那么遇到下面这种情况时就会出现错误：

假设哈希表当中箭头所指处有元素存在并将其删除，此时我们要判断当前哈希表当中是否存在元素 101，当我们从 1 下标开始往后找到 2 下标（空位置）时，我们按照原来的逻辑就会停下来，此时并没有找到元素 101！

这样一来，当我们在哈希表中查找元素的过程中，若当前位置的元素与待查找的元素不匹配，但是当前位置的状态是EXIST或是DELETE，那么我们都应该继续往后进行查找，而当我们插入元素的时候，可以将元素插入到状态为空或是已删除的位置

由此我们需要三个状态：

EMPTY（无数据的空位置，闭散列的查找终点）
EXIST（已存储数据）
DELETE（原本有数据现删除了，非终点查找时跳过）

我们可以用枚举定义这三个状态。

enum State
{
   
	EMPTY,
	EXIST,
	DELETE
};

哈希表存储结构：

template<class K, class V>
struct HashData
{