[数据结构与算法-理论] Hash表

1. 概念

1） Hash表

Hash表也叫哈希表、散列表，（我的理解）它是一种特殊的数组。数组是支持随机访问的一种数据结构，我们可以根据下表直接访问内容，时间复杂度是O（1）。但是在进行查找操作的时候，我们不知道目标元素在什么位置，下标是多少，所以只能借助二分查找、顺序查找等方法，时间效率大打折扣。

2） Hash函数

通过Hash函数将元素的内容转化成数组的下标，我们就可以通过下标进行随机访问了。这里的部分内容可能是用户的id、学生的姓名等等，我们称作Key。通过Hash函数计算得到的值，我们称为Hash值。其实Hash值不一定就是数组的下标，因为其大小可能大于数组大小，我们通常再将Hash值取模，得到数组下标。

2. Hash冲突

1） 必然发生Hash冲突

明白了Hash表和Hash函数的基本概念，那么如何设计Hash函数，得到Hash值呢？

1. 我们要保证Hash值是一个非负整数。很好理解，这是由于数组下标的特性决定的。

2. 当两个key相同的时候，我们要保证他们的Hash值是相同的。否则两次相同的查找，查找的结果不同，就乱套了。

3. 我们要尽量保证当两个key不同的时候，他们的Hash值也不同。

前两点很好理解，最后一点看起来很必要（否则很多元素都会对应数组中同一个下标，就会出现Hash冲突的现象），但是实现起来几乎不可能。

大学离散数学中有一个原理叫鸽巢原理。就是说，如果有 10 个鸽巢，有 11 只鸽子，那肯定有 1 个鸽巢中的鸽子数量多于 1 个，换句话说就是，肯定有 2 只鸽子在 1 个鸽巢内。

所以，我们一方面要尽可能的设计一个完美的Hash函数来尽量避免Hash冲突，另一方面，我们要在Hash冲突时选择合适的方法来解决。

2） Hash函数的要求

一个好的Hash函数首先不能太过于复杂，否则消耗太多的计算时间会间接影响Hash表的性能。其次Hash函数要尽可能不出现Hash冲突的现象，即使出现Hash冲突，也要尽量平均分配到数组每一个单元空间。

3） 解决Hash冲突

（1） 开放寻址法

开放寻址法核心思想是，出现冲突后，寻找数组中下一个空位置存放。寻找下一个空位置的方法有多种。

1. 线性探测

线性探测很直白，出现冲突就取 **（下标 + 1）% 数组长度 ** 作为下一个空位置，如果还冲突就继续+1。

在删除操作的时候有一点需要注意。在查找操作时如果发现当前下标对应元素不是目标元素，则会寻找 **（下标 + 1）% 数组长度 ** 下标，如果还不是目标元素，则再寻找+1个位置，直到+1位置为空，则判定没有目标元素。如果删除的时候我们真的将元素删除了，在插入时由于冲突保存在被删除元素后面的元素就找不到了。我们采取的措施就是使用逻辑删除，而不是物理删除，直白的说就是将元素标记为删除，保证线性探测的连续性。

2. 二次探测

二次探测在出现冲突时，取 **（下标 + 1^2）% 数组长度 ** 作为下一个空位置，如果还冲突就取 **（下标 + 2^2）% 数组长度 ** 作为下一个空位置，以此类推。

3. 双重散列（哈希）

双重散列则是准备一组散列函数 hash1(key)、hash2(key)、hash3(key)等等，先用第一个散列函数，如果计算得到的存储位置已经被占用，再用第二个散列函数，依次类推，直到找到空闲的存储位置。

不管使用哪种开放寻址法，散列表中存储的元素个数最多就是数组的大小，如果数组存储空间满了，就只能通过扩容来解决。换个思路，如果数组几近满了，这时操作Hash表的效率就会大大降低，为了保证Hash表的操作效率，我们要在合适的时候进行扩容。这里我们引入一个概念，装载因子，用来表示Hash表数组的使用情况。

// 散列表的装载因子 = 填入表中的元素个数 / 散列表的长度。

装载因子越大，说明空闲位置越少，冲突越多，散列表的性能就会下降。

（2） 链表法

链表法的核心思想是，使用Hash表的数组保存指针，将每个数组单元看作一个桶或者槽，发生冲突的元素全部丢到桶中。对于桶中的元素，可以使用链表来组织，也可以使用树来组织。

3. Hash表扩容

随着Hash表中元素越来越多，也就是装载因子越来越大，哈希冲突发生的概率也越来越大。当装载因子超过某个阈值时，就需要进行扩容。装载因子阈值如果过大，会影响Hash表效率，如果过小，会浪费内存空间。

扩容的大小通常为原大小的二倍，这样可以使用位运算提升效率if ((e.hash & oldCap) == 0)，当if成立说明当前节点应该放在原桶中，否则，说明当前节点应该放在 原桶下标+oldCap 对应的桶中。在Java的HashMap类的resize方法中有实现。传送门：[集合类] 源码解析10(HashMap类)

如果在某次添加数据触发了扩容，而数组扩容和数据搬移的时间都分配给这次添加操作，显然会影响效率。通过均摊的思想，redis就是将数据搬移工作均摊到每个添加、删除、查找、更新操作上，从而避免了集中数据搬移带来的庞大工作对某一次操作的影响。