1.unordered系列容器
在c++11中,STL新提供了4个unordered系列的关联式容器,用于应对红黑树节点太多导致的查询效率不理想的问题,新增的容器使用方法与红黑树结构的关联式容器基本相同,只是底层结构不同。
1.1 unordered_map
1. unordered_map是存储键值对的关联式容器,可以使用key找到value。
2. 在unordered_map中,key是唯一的。
3. 在内部,unordered_map没有排序而是使用哈希将key映射到哈希桶中。
4. unordered_map容器通过key访问单个元素要比map快,但它通常在遍历元素子集的范围迭代方面效率较低。
5. unordered_maps实现了直接访问操作符(operator[]),它允许使用key作为参数直接访问 value。
6. 它的迭代器至少是前向迭代器。
1.2unordered_map的接口说明
1.2.1构造
构造不同格式的unordered_map对象
1.2.2 查询
返回key在哈希桶中的位置:
返回哈希桶中关键码为key的键值对的个数:
1.2.3迭代器
1.2.4元素访问
返回与key对应的value,key不存在会构造一个value默认值。
1.2.5 容量
检测容器是否为空:
查看容器有效数据的个数:
1.2.6 修改
插入:向容器中插入键值对
删除:删除容器中的键值对
清空:清空容器中有效元素个数
交换:交换两个容器中的元素
1.2.7 对哈希桶进行操作
桶计数:返回哈希桶中桶的总个数
桶中元素计数: 返回n号桶中有效元素的总个数
返回元素key所在的桶号
1.3 unordered_set
unordered_set的用法与set差不多,这里就略过了详细可以参考官方文档:unordered_set - C++ Reference (cplusplus.com)
2.底层结构
unordered系列的关联式容器使用了哈希结构以保证高效率。
2.1 哈希
顺序结构和平衡树中,key没有与它的存储位置进行映射,所以在查找一个元素时,需要拿key进行比较,他们效率分别是O(N)和O(log₂N),搜索的效率取决于搜索过程中元素的比较次数。
如果能通过一个hash_func函数把key映射到某个位置,就可以很快找到key的位置。
当向该结构中插入元素时: 根据待插入元素的关键码,以此函数计算出该元素的存储位置并按此位置进行存放
搜索元素: 对元素的关键码进行同样的计算,把求得的函数值当做元素的存储位置,在结构中按此位置 取元素比较,若关键码相等,则搜索成功。
该方式即为哈希(散列)方法,哈希方法中使用的转换函数称为哈希(散列)函数,构造出来的结构称 为哈希表(Hash Table)或者散列表。
例如:
一组数
哈希函数设置为:hash(key) = key % capacity; capacity为存储元素底层空间总的大小。
用该方法进行搜索不必进行多次关键码的比较,因此搜索的速度比较快
但是这样做会出现问题。
2.2 哈希冲突
如果两个key%出来的值相同,他们就会映射到同一个地方,这样就会造成冲突,不同关键字通过相同哈希哈数计算出相同的哈希地址,该种现象称为哈希冲突 或哈希碰撞。要解决这样的问题就需要不同的哈希函数。
2.3 哈希函数
引起哈希冲突的一个原因可能是:哈希函数设计不够合理。
哈希函数设计原则:
哈希函数的定义域必须包括需要存储的全部关键码,而如果散列表允许有m个地址时,其值
域必须在0到m-1之间
哈希函数计算出来的地址能均匀分布在整个空间中
哈希函数应该比较简单
常见哈希函数
1. 直接定址法--(常用)
取关键字的某个线性函数为散列地址:Hash(Key)= A*Key + B
优点:简单、均匀
缺点:需要事先知道关键字的分布情况
使用场景:适合查找比较小且连续的情况
2. 除留余数法--(常用)
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
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;
再比如关键字为4321,对它平方就是18671041,抽取中间的3位671(或710)作为哈希地址
平方取中法比较适合:不知道关键字的分布,而位数又不是很大的情况
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,并按散列表表长,取后几位作为散列地址。
折叠法适合事先不需要知道关键字的分布,适合关键字位数比较多的情况
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,即H(key) = random(key),其中
random为随机数函数。
通常应用于关键字长度不等时采用此法
6. 数学分析法
设有n个d位数,每一位可能有r种不同的符号,这r种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,在某些位上分布不均匀只
有某几种符号经常出现。可根据散列表的大小,选择其中各种符号分布均匀的若干位作为散
列地址。
2.4解决哈希冲突
解决哈希冲突一般有两总方式:开散列,闭散列。
2.4.1 闭散列
闭散列:闭散列也叫开放定值发,每当发生哈希冲突时,如果哈希表还没有被存满,就可以寻找新的空间,把key存到哈希冲突的“下一个“位置去。
1.线性探测
当发生哈希冲突时,从发生冲突的下一个位置开始依次寻找一个空位置。
插入:通过哈希函数获取待插入元素在哈希表中的位置 如果该位置中没有元素则直接插入新元素,如果该位置中有元素发生哈希冲突, 使用线性探测找到下一个空位置,插入新元素。
删除:采用闭散列处理哈希冲突时,不能随便物理删除哈希表中已有的元素,若直接删除元素会影响其他元素的搜索。比如删除元素4,如果直接删除掉,44查找起来可能会受影响。因此线性探测采用标记的伪删除法来删除一个元素。
线性探测的简单实现:
namespace open_addres
{
enum status
{
EXIST,
EMPTY,
DELETE
};
template<class K,class V>
struct HashData
{
HashData()
:_s(EMPTY)
{}
pair<K, V> _kv;
status _s;
};
template<class K, class V,class Hash = HashFunc<K>>
class HashTable
{
typedef HashData<K, V> HashData;
public:
HashTable()
:_n(0)
{
_table.resize(10);
}
bool insert(const pair<K,V>& kv)
{
if (Find(kv.first))
{
return false;
}
if (_n * 10 / _table.size() >= 7)
{
HashTable<K,V> newt;
newt._table.resize(_table.size() * 2);
for (int i = 0; i < _table.size(); i++)
{
if (_table[i]._s == EXIST)
{
newt.insert(_table[i]._kv);
}
}
_table.swap(newt._table);
}
Hash hf;
size_t hashi = hf(kv.first) % _table.size();
while(_table[hashi]._s == EXIST )
{
hashi++;
hashi = hashi % _table.size();
}
_table[hashi]._kv = kv;
_table[hashi]._s = EXIST;
_n++;
return true;
}
HashData* Find(const K& key)
{
Hash hf;
size_t hashi = hf(key) % _table.size();
while (_table[hashi]._s != EMPTY)
{
if (_table[hashi]._s == EXIST && key == _table[hashi]._kv.first)
{
return &_table[hashi];
}
hashi++;
hashi = hashi % _table.size();
}
return nullptr;
}
bool Erase(const K& key)
{
HashData* ret = Find(key);
if (ret)
{
ret->_s = DELETE;
--_n;
return true;
}
return false;
}
const size_t size()
{
return _n;
}
bool empty()
{
return _n == 0;
}
void Print()
{
for (int i = 0; i < _table.size(); i++)
{
if (_table[i]._s == EXIST)
{
cout << "[" << i << "]->" << _table[i]._kv.first << ":" << _table[i]._kv.second << endl;
}
else if (_table[i]._s == EMPTY)
{
printf("[%d]->\n", i);
}
else
{
printf("[%d]->D\n", i);
}
}
cout << endl;
}
private:
vector<HashData> _table;
size_t _n;
};
}
负载因子:
对于开放定值发,负载因子是非常重要的,要严格限制在0.8以下。负载因子越大说明表中存的数据越多,发生哈希冲突的概率越大,负载因子越低说明表中的数据越少,发生哈希冲突的概率越小。
线性探测优点:实现非常简单,
线性探测缺点:一旦发生哈希冲突,所有的冲突连在一起,容易产生数据“堆积”,即:不同 关键码占据了可利用的空位置,使得寻找某关键码的位置需要许多次比较,导致搜索效率降低。
2.二次探测
因为线性探测容易让数据堆积到一起,找空位的方式就是按顺序找,使用二次探测就能解决这个问题。
例如,哈希函数为 i = key % capacity。找下一个空位置的方法 为:H_i = (H_0 + i^2 )% m, 或者:H_i = (H_0 - i^2 )% m。其中:i = 1,2,3…, $H_0$是通过散列函数Hash(x)对元素的关键码 key 进行计算得到的位置,m是表 的大小。
研究表明:当表的长度为质数且表装载因子a不超过0.5时,新的表项一定能够插入,而且任 何一个位置都不会被探查两次。因此只要表中有一半的空位置,就不会存在表满的问题。在 搜索时可以不考虑表装满的情况,但在插入时必须确保表的装载因子a不超过0.5,如果超出 必须考虑增容。
所以闭散列最大的缺陷就是空间利用率太低。
2.4.2 开散列
1.开散列的概念
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。
例如:
经过映射后:
从上图可以看出,开散列中每个桶中放的都是发生哈希冲突的元素
2。开散列的简单实现
namespace crin_HB
{
template<class K,class V>
struct HashNode
{
HashNode* next;
pair<K, V> _kv;
HashNode(const pair<K, V>& kv)
:next(nullptr)
,_kv(kv)
{}
};
template<class K,class V, class hash = HashFunc<K>>
class HashTable
{
typedef HashNode<K, V> Node;
public:
HashTable()
{
_tables.resize(10);
}
~HashTable()
{
for (int i = 0; i < _tables.size(); i++)
{
Node* cur = _tables[i];
while (cur)
{
Node* next = cur->next;
delete cur;
cur = next;
}
_tables[i] = nullptr;
}
}
bool insert(const pair<K,V>& kv)
{
if (find(kv.first))
{
return false;
}
hash hf;
if (_n == _tables.size())
{
/*size_t newsize = _tables.size() * 2;
HashTable newhash;
newhash._tables.resize(newsize);
for (int i = 0; i < _tables.size(); i++)
{
Node* cur = _tables[i];
while (cur)
{
newhash.insert(cur->_kv);
cur = cur->next;
}
}
_tables.swap(newhash._tables);*/
vector<Node*> newtable;
newtable.resize(_tables.size() * 2, nullptr);
for (int i = 0; i < _tables.size(); i++)
{
Node* cur = _tables[i];
while (cur)
{
Node* next = cur->next;
size_t s = hf(cur->_kv.first) % newtable.size();
cur->next = newtable[i];
newtable[i] = cur;
cur = next;
}
_tables[i] = nullptr;
}
_tables.swap(newtable);
}
size_t hashi = hf(kv.first) % _tables.size();
Node* newnode = new Node(kv);
newnode->next = _tables[hashi];
_tables[hashi] = newnode;
++_n;
return true;
}
Node* find(const K& key)
{
hash hf;
size_t hashi = hf(key) % _tables.size();
Node* cur = _tables[hashi];
while (cur)
{
if (cur->_kv.first == key)
{
return cur;
}
cur = cur->next;
}
return nullptr;
}
bool erase(const K& key)
{
hash hf;
size_t hashi = hf(key) % _tables.size();
Node* prev = nullptr;
Node* cur = _tables[hashi];
while (cur)
{
if (cur->_kv.first == key)
{
if (prev == nullptr)
{
_tables[hashi] = cur->next;
}
else
{
prev->next = cur->next;
}
delete cur;
return true;
}
prev = cur;
cur = cur->next;
}
return false;
}
private:
vector<Node*> _tables;
size_t _n = 0;
};
}
3.这样还会出现一个问题,只能存储key为整形的元素,其他类型怎么解决?
拿string类型来举例,如果key的类型是string,可以通过不同的hashfunc来把key转化成整型
//整型数据就不需要转换
template<class T>
struct HashFunc
{
size_t operator()(const T& data)
{
return (size_t)data;
}
};
//转换string类型
template<>
struct HashFunc<string>
{
size_t operator()(const string& data)
{
int sum = 0;
for (auto& i : data)
{
sum += i;
}
return sum * 31;
}
};
2.4.3 开散列与闭散列的比较
链地址法处理溢出,需要增设链接指针,似乎增加了存储开销。事实上: 由于开地址法必须保持大量的空闲空间以确保搜索效率,如二次探查法要求装载因子a <= 0.7,而表项所占空间又比指针大的多,所以使用链地址法反而比开地址法节省存储空间。
3、简单模拟实现
3.1 改造哈希表
增加模版参数,增加迭代器,能通过key获取val
#pragma once
#include<vector>
template<class T>
struct HashFunc
{
size_t operator()(const T& data)
{
return (size_t)data;
}
};
template<>
struct HashFunc<string>
{
size_t operator()(const string& data)
{
int sum = 0;
for (auto& i : data)
{
sum += i;
}
return sum * 31;
}
};
template<class T>
struct HashNode
{
HashNode* next;
T _data;
HashNode(const T& data)
:next(nullptr)
, _data(data)
{}
};
template<class K, class T, class KofT, class hash>
class HashTable;
template<class K, class T, class Ref, class Ptr, class KofT, class hash >
struct __HTIterator
{
typedef __HTIterator<K, T, Ref, Ptr, KofT, hash> self;
typedef HashNode<T> node;
node* _node;
const HashTable<K, T, KofT, hash>* _pht;
size_t _hashi;
__HTIterator(node* node, HashTable<K, T, KofT, hash>* pht,size_t hashi)
:_node(node)
,_pht(pht)
,_hashi(hashi)
{}
__HTIterator(node* node, const HashTable<K, T, KofT, hash>* pht, size_t hashi)
:_node(node)
, _pht(pht)
, _hashi(hashi)
{}
self& operator++()
{
if (_node->next)
{
_node = _node->next;
}
else
{
++_hashi;
while (_hashi < _pht->_tables.size())
{
if (_pht->_tables[_hashi])
{
_node = _pht->_tables[_hashi];
break;
}
_hashi++;
}
if (_hashi == _pht->_tables.size())
{
_node = nullptr;
}
}
return *this;
}
Ref operator*()
{
return _node->_data;
}
Ptr operator->()
{
return &_node->_data;
}
bool operator!=(const self& s)
{
return s._node != _node;
}
};
template<class K,class T, class KofT, class hash>
class HashTable
{
typedef HashNode<T> Node;
template<class K, class T, class Ref, class Ptr, class KofT, class hash>
friend struct __HTIterator;
public:
typedef __HTIterator<K, T,T&, T*, KofT, hash> iterator;
typedef __HTIterator<K, T, const T&, const T*, KofT, hash> const_iterator;
iterator begin()
{
for (int i = 0; i < _tables.size(); i++)
{
if (_tables[i])
{
return iterator(_tables[i], this, i);
}
}
return end();
}
iterator end()
{
return iterator(nullptr, this, -1);
}
const_iterator begin() const
{
for (int i = 0; i < _tables.size(); i++)
{
if (_tables[i])
{
return const_iterator(_tables[i], this, i);
}
}
return end();
}
const_iterator end() const
{
return const_iterator(nullptr, this, -1);
}
HashTable()
{
_tables.resize(10);
}
~HashTable()
{
for (int i = 0; i < _tables.size(); i++)
{
Node* cur = _tables[i];
while (cur)
{
Node* next = cur->next;
delete cur;
cur = next;
}
_tables[i] = nullptr;
}
}
pair<iterator,bool> insert(const T& data)
{
KofT kot;
iterator it = find(kot(data));
if (it != end())
{
return make_pair(it,false);
}
hash hf;
if (_n == _tables.size())
{
vector<Node*> newtable;
newtable.resize(_tables.size() * 2, nullptr);
for (int i = 0; i < _tables.size(); i++)
{
Node* cur = _tables[i];
while (cur)
{
Node* next = cur->next;
size_t s = hf(kot(cur->_data)) % newtable.size();
cur->next = newtable[i];
newtable[i] = cur;
cur = next;
}
_tables[i] = nullptr;
}
_tables.swap(newtable);
}
size_t hashi = hf(kot(data)) % _tables.size();
Node* newnode = new Node(data);
newnode->next = _tables[hashi];
_tables[hashi] = newnode;
++_n;
return make_pair(iterator(newnode,this,hashi), true);
}
iterator find(const K& key)
{
hash hf;
KofT kot;
size_t hashi = hf(key) % _tables.size();
Node* cur = _tables[hashi];
while (cur)
{
if (kot(cur->_data) == key)
{
return iterator(cur,this,hashi);
}
cur = cur->next;
}
return end();
}
bool erase(const K& key)
{
hash hf;
size_t hashi = hf(key) % _tables.size();
Node* prev = nullptr;
Node* cur = _tables[hashi];
while (cur)
{
if (cur->_kv.first == key)
{
if (prev == nullptr)
{
_tables[hashi] = cur->next;
}
else
{
prev->next = cur->next;
}
delete cur;
return true;
}
prev = cur;
cur = cur->next;
}
return false;
}
void Some()
{
size_t bucketSize = 0;
size_t maxBucketLen = 0;
size_t sum = 0;
double averageBucketLen = 0;
for (size_t i = 0; i < _tables.size(); i++)
{
Node* cur = _tables[i];
if (cur)
{
++bucketSize;
}
size_t bucketLen = 0;
while (cur)
{
++bucketLen;
cur = cur->next;
}
sum += bucketLen;
if (bucketLen > maxBucketLen)
{
maxBucketLen = bucketLen;
}
}
averageBucketLen = (double)sum / (double)bucketSize;
printf("all bucketSize:%d\n", _tables.size());
printf("bucketSize:%d\n", bucketSize);
printf("maxBucketLen:%d\n", maxBucketLen);
printf("averageBucketLen:%lf\n\n", averageBucketLen);
}
private:
vector<Node*> _tables;
size_t _n = 0;
};
3.2 unordered_map
#pragma once
#include"Hash_Table.h"
namespace crin
{
template<class K,class V, class hash = HashFunc<K>>
class unordered_map
{
struct MapKofT
{
const K& operator()(const pair<K,V>& kv)
{
return kv.first;
}
};
public:
typedef typename HashTable<K, pair<const K, V>, MapKofT,hash>::iterator iterator;
iterator begin()
{
return _ht.begin();
}
iterator end()
{
return _ht.end();
}
pair<iterator, bool> insert(const pair<K,V>& kv)
{
return _ht.insert(kv);
}
V& operator[](const K& key)
{
pair<iterator, bool> ret = _ht.insert(make_pair(key, V()));
return ret.first->second;
}
private:
HashTable<K, pair<const K, V>,MapKofT,hash> _ht;
};
}
3.3 unordered_set
#pragma once
#include"Hash_Table.h"
namespace crin
{
template<class K,class hash = HashFunc<K>>
class unordered_set
{
struct SetKofT
{
const K& operator()(const K& key)
{
return key;
}
};
public:
typedef typename HashTable<K, K, SetKofT,hash>::const_iterator iterator;
typedef typename HashTable<K, K, SetKofT, hash>::const_iterator const_iterator;
/*iterator begin()
{
return _ht.begin();
}
iterator end()
{
return _ht.end();
}*/
const_iterator begin() const
{
return _ht.begin();
}
const_iterator end() const
{
return _ht.end();
}
pair<const_iterator,bool> insert(const K& key)
{
auto ret = _ht.insert(key);
return pair<const_iterator, bool>(iterator(ret.first._node,ret.first._pht,ret.first._hashi),ret.second);
}
private:
HashTable<K, K,SetKofT,hash> _ht;
};
}