Hash表

一、Hash表

表就是键值对，存储数据 key –> value;

问题：怎么查找表? 一个一个key去比较查找？这样会导致效率不高。如果有一万个，就算用二分法查找，也要logN次。

解决方案：所以轮到hash表出场。

每个关键字key对应一个存储位置f(key)。查找时，根据这个对应的关系找到给定值key的映射F(key)，若查找集合中存在这个记录，则必定在F(key)的位置上。我们把这种对应关系F(key)称为为散列函数，又称为哈希(Hash)函数，Hash函数能使得不同的Key尽量有不同的值(仍然有重复)与之对应。

学术的解释：

Hash，一般翻译做“散列”，也有直接音译为“哈希”的。就是把任意长度的输入（又叫做预映射， pre-image），通过散列算法，变换成固定长度的输出，该输出就是散列值。这种转换是一种压缩映射，也就是说，散列值的空间通常远小于输入的空间，不同的输入可能会散列成相同的输出，而不能从散列值来确定唯一的输入值。简单的说，就是一种将任意长度的消息压缩到某一固定长度的消息摘要的函数。

二、常见hash算法的原理

散列技术将记录存储在一块连续的存储空间中，这块连续空间称为散列表或哈希表(Hash-Table)。总之，对于海量的数据，按照Hash值分成不同的集合，先找集合，再找key–>value,大大提高效率。

举个例子：我们存储70个元素，但我们可能为这70个元素申请了100个元素的空间。70/100=0.7，这个数字称为负载因子。我们之所以这样做，也是为了“快速存取”的目的。我们基于一种结果尽可能随机平均分布的固定函数H为每个元素安排存储位置，这样就可以避免遍历性质的线性搜索，以达到快速存取。但是由于此随机性，也必然导致一个问题就是冲突。所谓冲突，即两个元素通过散列函数H得到的地址相同，那么这两个元素称为“同义词”。这类似于70个人去一个有100个椅子的饭店吃饭。散列函数的计算结果是一个存储单位地址，每个存储单位称为“桶”。设一个散列表有m个桶，则散列函数的值域应为［0，m-1］。

解决冲突是一个复杂问题。

常用的构造散列函数的方法

散列函数能使对一个数据序列的访问过程更加迅速有效，通过散列函数，数据元素将被更快地定位。选用不同的hash算法，会获得不同的查找效果。因为不同的Hash函数会导致分类后的集合不相同

1. 直接寻址法：取关键字或关键字的某个线性函数值为散列地址。

比如统计出生年份，那么就可以使用f(key)=key−1990来计算散列地址

 

2. 数字分析法：分析一组数据，比如一组员工的出生年月日，这时我们发现出生年月日的前几位数字大体相同，这样的话，出现冲突的几率就会很大，但是我们发现年月日的后几位表示月份和具体日期的数字差别很大，如果用后面的数字来构成散列地址，则冲突的几率会明显降低。因此数字分析法就是找出数字的规律，尽可能利用这些数据来构造冲突几率较低的散列地址。

再举个例子，取手机号前8位做散列地址

3. 平方取中法：取关键字平方后的中间几位作为散列地址。

4. 折叠法：将关键字分割成位数相同的几部分，然后取这几部分的叠加和作为散列地址。

 

 

5. 除留余数法：取关键字被某个不大于散列表表长m的数p除后所得的余数为散列地址。不仅可以对关键字直接取模，也可在折叠、平方取中等运算之后取模。对p的选择很重要，一般取素数或m，若p选的不好，容易产生同义词。

 

6. 随机数法：选择一随机函数，取关键字的随机值作为散列地址，通常用于关键字长度不同的场合。 

 三、解决冲突的方案

常用处理冲突的思路：

1、换个位置: 线性探测法

一旦产生了冲突（该地址已有其它元素），就按某种规则去寻找另一空地址.若发生了第 i 次冲突，试探的下一个地址将增加di​， 基本公式是：

 这里面di 决定了不同的解决冲突方案： 线性探测、平方探测、双散列。具体的方案见链接哈希表的原理和使用

2、同一位置的冲突对象组织在一起: 开链

就是将相应位置上冲突的所有关键词存储在同一个单链表中

 

四、Hash表设计

1、key, value节点:
 

struct hash_node {
char* key;
void* node;
struct hash_node* next;
};

2:、hash算法: 选取一种HASH算法;
3、 有限的集合数目, 定义一个集合数目,每个集合的元素用链表连接;
4:、对用户开放的hash表接口;

struct hash_table* creator_hash_table(集合的数目);
void destroy_hash_table(struct hash_table*);
void* hash_find(table, char* key);
hash_delete(table, char* key);
hash_insert(table, char*key, void* value); // 直接插入,不判断是否有key重复;
hash_set(table, char* key, void* value); // 如果key存在就覆盖，如果不存在返回;

实例

假设一个键值对，身份证（key)与数据信息(value)。如果我们有10000个学生，查找一个学生的话，很费劲；
如果说有一个办法能均匀的将10000个人分成n个集合，（N100*100）我们有一种办法能快速的找到key,所对应的集合，那么就能很快的在集合里面找出所对应的value;
怎么根据key来分集合；
怎么分能够相对比较均匀；
采用Hash算法

    1：将一个字符串变成一个整数 %N规模（0，N-1）的集合序号里面整数 %N = 集合序列号，[0,n-1],用数组来表示每个集合；
    2：对于不同的字符串，尽可能的生成不同的Key; Hash散列，要散得足够均匀；
        “hello”–>3;
        “helmm” –>7;
        随机的字符串样本，能均匀的分布出来，分散开来；

参考：

https://blog.csdn.net/qq_36482772/article/details/79191170

https://blog.csdn.net/weixin_38169413/article/details/81612307?utm_medium=distribute.pc_relevant.none-task-blog-BlogCommendFromMachineLearnPai2-2.edu_weight&depth_1-utm_source=distribute.pc_relevant.none-task-blog-BlogCommendFromMachineLearnPai2-2.edu_weight

https://blog.csdn.net/Beyond_2016/article/details/81286360?utm_medium=distribute.pc_relevant.none-task-blog-BlogCommendFromMachineLearnPai2-3.compare&depth_1-utm_source=distribute.pc_relevant.none-task-blog-BlogCommendFromMachineLearnPai2-3.compare