unordered系列关联式容器
在
C++98
中,
STL
提供了底层为红黑树结构的一系列关联式容器,在查询时效率可达到
log_2
N
,即最差情况下需要比较红黑树的高度次,当树中的节点非常多时,查询效率也不理想。最好
的查询是,进行很少的比较次数就能够将元素找到,因此在
C++11
中,
STL
又提供了
4
个
unordered
系列的关联式容器,这四个容器与红黑树结构的关联式容器使用方式基本类似,只是
其底层结构不同,本文中只对
unordered_map
和
unordered_set
进行介绍,
unordered_multimap
和
unordered_multiset
可查看文档介绍。
unordered_map
unordered_map的文档介绍
unordered_map - C++ Reference (cplusplus.com)
1. unordered_map
是存储
<key, value>
键值对的关联式容器,其允许通过
keys
快速的索引到与
其对应的
value
。
2.
在
unordered_map
中,键值通常用于惟一地标识元素,而映射值是一个对象,其内容与此
键关联。键和映射值的类型可能不同。
3.
在内部
,unordered_map
没有对
<kye, value>
按照任何特定的顺序排序
,
为了能在常数范围内
找到
key
所对应的
value
,
unordered_map
将相同哈希值的键值对放在相同的桶中。
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。
unordered_set
参见:
unordered_set - C++ Reference (cplusplus.com)
底层结构
unordered
系列的关联式容器之所以效率比较高,是因为其底层使用了哈希结构。
哈希概念
顺序结构以及平衡树
中,元素关键码与其存储位置之间没有对应的关系,因此在
查找一个元素
时,必须要经过关键码的多次比较
。
顺序查找时间复杂度为
O(N)
,平衡树中为树的高度,即
O(log_2 N)
,搜索的效率取决于搜索过程中元素的比较次数。
理想的搜索方法:可以
不经过任何比较,一次直接从表中得到要搜索的元素
。
如果构造一种存储结构,通过某种函数
(hashFunc)
使元素的存储位置与它的关键码之间能够建立
一一映射的关系,那么在查找时通过该函数可以很快找到该元素。
![](https://img-blog.csdnimg.cn/direct/c7c4ae2bfc484de8bd010fd345ccecc1.png)
当向该结构中:
插入元素
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)(
或者称散列表
)
例如:数据集合
{1
,
7
,
6
,
4
,
5
,
9}
;
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。
![](https://img-blog.csdnimg.cn/direct/5a4715e4d3594a2d8bdc54af2f8dad17.png)
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
问题:按照上述哈希方式,向集合中插入元素
44
,会出现什么问题?
哈希冲突
对于两个数据元素的关键字
i
和
j(i != j)
,有
i!= j
,但有:
Hash(i) == Hash(j),即:
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
。
把具有不同关键码而具有相同哈希地址的数据元素称为
“
同义词
”
。
发生哈希冲突该如何处理呢?
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
注意:哈希函数设计的越精妙,产生哈希冲突的可能性就越低,但是无法避免哈希冲突
哈希冲突解决
解决哈希冲突
两种常见的方法是:
闭散列
和
开散列
闭散列
闭散列:也叫开放定址法,当发生哈希冲突时,如果哈希表未被装满,说明在哈希表中必然还有
空位置,那么可以把
key
存放到冲突位置中的
“
下一个
”
空位置中去。
那如何寻找下一个空位置
呢?
1.
线性探测
比如上诉
中的场景,现在需要插入元素
44
,先通过哈希函数计算哈希地址,
hashAddr
为
4
,
因此
44
理论上应该插在该位置,但是该位置已经放了值为
4
的元素,即发生哈希冲突。
线性探测:从发生冲突的位置开始,依次向后探测,直到寻找到下一个空位置为止
。
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
![](https://img-blog.csdnimg.cn/direct/7d85512e1db149c985c0092975f00772.png)
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
。
例如:删除55后遇空停止,31找不到
![](https://img-blog.csdnimg.cn/direct/a104aa3c62b4450b9297fe7772409f49.png)
解决方法:
// 哈希表每个空间给个标记// EMPTY 此位置空, EXIST 此位置已经有元素, DELETE 元素已经删除enum State { EMPTY , EXIST , DELETE };
1.线性探测的实现
思考1:哈希表什么情况下进行扩容?如何扩容?
![](https://img-blog.csdnimg.cn/direct/7dd54a08fa6f448d8ef4df8d9b1e25a4.png)
思考2:有些值不好映射,比如:string,结构体对象等
解决方法:
实现代码:
HashTable.h
#pragma once
#include<vector>
#include<string>
template<class K>
struct HashFunc
{
size_t operator()(const K& key)
{
return(size_t)key;
}
};
// 特化
template<>
struct HashFunc<string>
{
size_t operator()(const string& key)
{
size_t hash = 0;
for (auto& ch : key)
{
hash *= 131;
hash += ch;
}
return hash;
}
};
namespace open_address
{
enum State
{
EMPTY,
EXIST,
DELETE
};
template<class K, class V>
struct HashData
{
pair<K, V> _kv;
State _state = EMPTY;
};
template<class K, class V, class Hash = HashFunc<K>>
class HashTable
{
public:
HashTable()
{
_tables.resize(10);
}
bool Insert(const pair<K, V>& kv)
{
if (Find(kv.first))
return false;
// 扩容
if (_n * 10 / _tables.size() >= 7)
{
HashTable<K, V, Hash> newHT;
newHT._tables.resize(_tables.size() * 2);
// 旧表重新计算负载到新表
for (size_t i = 0; i < _tables.size(); i++)
{
if (_tables[i]._state == EXIST)
{
newHT.Insert(_tables[i]._kv);
}
}
_tables.swap(newHT._tables);
}
size_t hashi = Hash()(kv.first) % _tables.size();
// 线性探测
while (_tables[hashi]._state == EXIST)
{
++hashi;
hashi %= _tables.size();
}
_tables[hashi]._kv = kv;
_tables[hashi]._state = EXIST;
++_n;
return true;
}
HashData<K, V>* Find(const K& key)
{
size_t hashi = Hash()(key) % _tables.size();
// 线性探测
while (_tables[hashi]._state != EMPTY)
{
if (_tables[hashi]._state == EXIST && _tables[hashi]._kv.first == key)
return &_tables[hashi];
++hashi;
hashi %= _tables.size();
}
return nullptr;
}
bool Erase(const K& key)
{
HashData<K, V>* ret = Find(key);
if (ret == nullptr)
{
return false;
}
else
{
ret->_state = DELETE;
--_n;
return true;
}
}
private:
vector<HashData<K, V>> _tables;
size_t _n = 0;
};
void TestHT1()
{
int a[] = { 10001,11,55,24,19,12,31 };
HashTable<int, int> ht;// 有效数据个数
for (auto e : a)
{
ht.Insert(make_pair(e, e));
}
cout << ht.Find(55) << endl;
cout << ht.Find(31) << endl;
ht.Erase(55);
cout << ht.Find(55) << endl;
cout << ht.Find(31) << endl;
}
void TestHT3()
{
//HashTable<string, int, StringHashFunc> ht;
HashTable<string, int> ht;
ht.Insert(make_pair("sort", 1));
ht.Insert(make_pair("left", 1));
ht.Insert(make_pair("insert", 1));
cout << ht.Find("sort") << endl;
}
}
test.cpp
#define _CRT_SECURE_NO_WARNINGS 1
#include<iostream>
using namespace std;
#include"HashTable.h"
int main()
{
open_address::TestHT1();
return 0;
}
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
。如何缓解呢?
2.二次探测
线性探测的缺陷是产生冲突的数据堆积在一块,这与其找下一个空位置有关系,因为找空位
置的方式就是挨着往后逐个去找,因此二次探测为了避免该问题,
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。
因此:闭散列最大的缺陷就是空间利用率比较低,这也是哈希的缺陷。
开散列
1. 开散列概念
开散列法又叫链地址法
(
开链法/哈希桶
)
,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
。
![](https://img-blog.csdnimg.cn/direct/5ca8bf00611a4b07bbcd9c761565fddb.png)
![](https://img-blog.csdnimg.cn/direct/4fd113742090465297cd2e47cbe69ead.png)
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. 开散列实现
思考1:
开散列增容:
桶的个数是一定的,随着元素的不断插入,每个桶中元素的个数不断增多,极端情况下,可
能会导致一个桶中链表节点非常多,会影响的哈希表的性能,因此在一定条件下需要对哈希
表进行增容,那该条件怎么确认呢?开散列最好的情况是:每个哈希桶中刚好挂一个节点,
再继续插入元素时,每一次都会发生哈希冲突,因此,在元素个数刚好等于桶的个数时,可
以给哈希表增容。
思考2:
只能存储
key
为整形的元素,其他类型怎么解决?
提供将
key
转化为整形的方法
实现代码:
HashTable.h
注意:
#pragma once
#include<vector>
#include<string>
template<class K>
struct HashFunc
{
size_t operator()(const K& key)
{
return(size_t)key;
}
};
// 特化
template<>
struct HashFunc<string>
{
// abcd
// bcad
// aadd
// BKDR
size_t operator()(const string& key)
{
size_t hash = 0;
for (auto& ch : key)
{
hash *= 131;
hash += ch;
}
return hash;
}
};
namespace hash_bucket
{
template<class K, class V>
struct HashNode
{
pair<K, V> _kv;
HashNode<K, V>* _next;
};
template<class K, class V, class Hash = HashFunc<K>>
class HashTable
{
typedef HashNode<K, V> Node;
public:
HashTable()
{
_tables.resize(10, nullptr);
_n = 0;
}
bool Insert(const pair<K, V>& kv)
{
// 扩容
// 负载因子为1时扩容
if (_n == _tables.size())
{
vector<Node*> newTables(_tables.size() * 2, nullptr);
for (size_t i = 0; i < _tables.size(); i++)
{
Node* cur = _tables[i];
while (cur)
{
Node* next = cur->_next;
// 头插新表的位置
size_t hashi = Hash()(cur->_data) % newTables.size();
cur->_next = newTables[hashi];
newTables[hashi] = cur;
cur = next;
}
_tables[i] = nullptr;
}
_tables.swap(newTables);
}
size_t hashi = Hash()(kv.first) % _tables.size();
Node* newnode = new Node(kv);
// 头插
newnode->_next = _tables[hashi];
_tables[hashi] = newnode;
++_n;
return true;
}
Node* Find(const K& key)
{
size_t hashi = Hash()(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 hs;
size_t hashi = hs(key) % _tables.size();
Node* prev = nullptr;
Node* cur = _tables[hashi];
while (cur)
{
if (cur->_data == key)
{
// 删除的是第一个
if (prev == nullptr)
{
_tables[hashi] = cur->_next;
}
else
{
prev->_next = cur->_next;
}
delete cur;
return true;
}
else
{
prev = cur;
cur = cur->_next;
}
}
return false;
}
private:
vector<Node*> _tables; // 指针数组
size_t _n;
};
}
开散列与闭散列比较
应用链地址法处理溢出,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。
故实践常用开散列。
总结:
![](https://img-blog.csdnimg.cn/direct/dacbc497f38e4edf93749182e2b522f3.png)
![](https://img-blog.csdnimg.cn/direct/9eaa6185972342d9824ab78ed17fc009.png)