哈希表的概念

伟大的车尔尼

已于 2023-03-04 22:14:12 修改

阅读量1k

点赞数 2

分类专栏：数据结构和算法 # 哈希表文章标签：数据结构算法哈希表

于 2022-11-10 18:00:00 首次发布

本文链接：https://blog.csdn.net/stormsunshine/article/details/121449622

版权

数据结构和算法同时被 2 个专栏收录

329 篇文章 7 订阅

订阅专栏

哈希表

60 篇文章 1 订阅

订阅专栏

文章目录

哈希表的基本概念
Java 中的哈希表和哈希集合
- $\texttt{Map}$ 、 $\texttt{HashMap}$ 和 $\texttt{TreeMap}$
- $\texttt{Set}$ 、 $\texttt{HashSet}$ 和 $\texttt{TreeSet}$
哈希表的应用场景和使用技巧
目录

哈希表的基本概念

哈希表的定义

哈希表也称散列表，是一种以键值对形式存储记录的数据结构，该数据结构支持根据键的内容直接访问在内存特定位置的值，并且可以进行查找、添加和删除操作。

哈希表的原理是将键通过函数映射到内存特定位置，加快操作速度，该函数称为哈希函数或散列函数。

理想情况下，哈希表的每次操作的时间复杂度是 $O (1)$ 。

哈希函数

哈希函数的作用是将键映射到索引。哈希函数的设计很重要，决定了哈希表的时间与空间的平衡。

哈希函数应满足容易计算且能够将所有的键均匀分布。理想情况下，不同的键应该映射到不同的索引，但是实际情况下，因为哈希函数的设计和索引空间限制等因素，可能出现不同的键映射到相同的索引的情况，称为哈希冲突。

哈希冲突

不同的键映射到相同的索引称为哈希冲突。哈希冲突的概率和哈希函数的设计有直接关系，好的哈希函数可以显著减少哈希冲突的情况，但是很难完全避免哈希冲突。因此，需要有解决哈希冲突的方法。

有两种常见的解决哈希冲突的方法，一是链地址法，二是开放寻址法。

链地址法

链地址法也称拉链法，其思想是将映射到相同索引的值存入同一个链表中。

链地址法解决哈希冲突的做法简单，查找、添加和删除操作的实现都较为简单，虽然链地址法的各项操作的时间复杂度在最坏情况下会退化为线性，但是在平均情况下仍然是 $O (1)$ 。

开放寻址法

开放寻址法的思想是：当发生哈希冲突时，继续探查哈希表中的其他索引位置，直到找到空的索引位置用于填入值。

和链地址法相比，开放寻址法的删除操作更为复杂。为了避免在删除之后导致重新寻址的键无法找到，进行删除操作时，只能在被删除的位置做删除标记而不能真正删除。

开放寻址法的常用探查做法有三种：线性探查、二次探查和双重哈希。

假设哈希表有 $m$ 个槽位，定义辅助哈希函数 $h$ ，其值域为从 $0$ 到 $m - 1$ 的全部整数。

线性探查采用的哈希函数是 $\bmod m$ ，其中 $i$ 是整数且 $\le i < m$ 。线性探查从特定槽位开始依次遍历每个槽位，直到找到未被占用的槽位。线性探查的实现简单，但是当被占用的槽位增加时，线性探查的平均探查时间会增加，导致性能受到影响。

二次探查采用的哈希函数是 $c_1 \times i + c_2 \times i^2) \bmod m$ ，其中 $i$ 是整数且 $\le i < m$ ， $c_1$ 和 $c_2$ 是正的辅助常数。二次探查的效果优于线性探查，但是效果取决于 $c_1$ 、 $c_2$ 和 $m$ 的取值。

双重哈希采用的哈希函数是 $(h_1(x) + h_2(x) \times i) \bmod m$ ，其中 $h_1$ 和 $h_2$ 是两个辅助哈希函数， $i$ 是整数且 $\le i < m$ 。为了探查到整个哈希表， $h_2(x)$ 的值必须和 $m$ 互质。

三种探查做法中，双重哈希的效果最好。

Java 中的哈希表和哈希集合

$\texttt{Map}$ 、 $\texttt{HashMap}$ 和 $\texttt{TreeMap}$

$\texttt{Map}$ 接口表示用于存储键值对映射关系的数据结构，其中的任意两个键值对的键都不相同。 $\texttt{Map}$ 接口需要通过实现类实例化，常见的实现类包括 $\texttt{HashMap}$ 类和 $\texttt{TreeMap}$ 类。

$\texttt{HashMap}$ 类是哈希映射的类，其底层实现是数组。解决哈希冲突的方法是链地址法，具体做法在不同 JDK 版本中有所不同。

在 JDK 1.7 及之前的版本中， $\texttt{HashMap}$ 类的实现为数组 + 单向链表，即数组中的每个元素都是一个单向链表。
在 JDK 1.8 及之后的版本中， $\texttt{HashMap}$ 类的实现为数组 + 单向链表 + 红黑树，当链表长度过大时，将链表转化为红黑树以提升效率。链表和红黑树的切换规则如下：
- 如果链表的长度大于 $8$ ，则将链表转化为红黑树；
- 如果红黑树的结点数小于 $6$ ，则将红黑树转化回链表。

$\texttt{HashMap}$ 的各项操作的平均时间复杂度是 $O (1)$ ，但是其中的键值对是无序的。

$\texttt{TreeMap}$ 类是有序映射的类，其底层实现是红黑树。 $\texttt{TreeMap}$ 类可以确保其中的键值对是按照键的大小排序的。由于需要维护有序性， $\texttt{TreeMap}$ 的各项操作的时间复杂度是 $O(\log n)$ ，其中 $n$ 是 $\texttt{TreeMap}$ 存储的键值对数目。

$\texttt{HashMap}$ 在 JDK 1.8 及之后版本的实现和 $\texttt{TreeMap}$ 的实现都使用了红黑树的数据结构。红黑树是一种自平衡二叉搜索树，对于 $n$ 个结点的红黑树，其查找、插入和删除操作的时间复杂度都是 $O(\log n)$ 。红黑树将在树、二叉树和二叉搜索树的部分介绍。

$\texttt{Set}$ 、 $\texttt{HashSet}$ 和 $\texttt{TreeSet}$

$\texttt{Set}$ 接口表示用于存储无重复元素的数据结构，其中的任意两个元素都不相同，同一个元素不能被重复加入。 $\texttt{Set}$ 接口需要通过实现类实例化，常见的实现类包括 $\texttt{HashSet}$ 类和 $\texttt{TreeSet}$ 类。

$\texttt{HashSet}$ 类是哈希集合的类，其实现基于 $\texttt{HashMap}$ 类。 $\texttt{HashSet}$ 的各项操作的平均时间复杂度是 $O (1)$ ，但是其中的元素是无序的。

$\texttt{TreeSet}$ 类是有序集合的类，其实现基于 $\texttt{TreeMap}$ 类。 $\texttt{TreeSet}$ 中的元素是有序的，各项操作的时间复杂度是 $O(\log n)$ ，其中 $n$ 是 $\texttt{TreeSet}$ 存储的元素数目。

哈希表的应用场景和使用技巧

哈希表的应用主要有以下场景：

计数，使用哈希表记录元素的次数；
存储已经计算过的信息，避免重复计算，在动态规划中经常会使用哈希表存储已经计算过的信息；
判断一个元素是否已经访问过，该场景常用哈希集合，判断链表是否有环问题和搜索问题中经常使用哈希集合；
和双向链表结合，可以实现最近最少使用（LRU）缓存和最不经常使用（LFU）缓存。

大多数情况下，使用哈希表和哈希集合的场景都会使用 $\texttt{HashMap}$ 类和 $\texttt{HashSet}$ 类的对象。如果哈希表的键范围有限或者哈希集合的元素范围有限，例如只能是数字或者只能是字母，则可以用数组代替哈希表。虽然从复杂度分析的角度而言，数组和哈希表的时间复杂度和空间复杂度相同，但是在实际运行时，数组的操作时间和占用空间都优于哈希表。

2
点赞
踩
7

收藏

觉得还不错? 一键收藏
打赏
2
评论
哈希表的概念

文章目录哈希表的基本概念哈希表的定义哈希函数哈希冲突链地址法开放寻址法Java 中的哈希表和哈希集合Map\texttt{Map}Map、HashMap\texttt{HashMap}HashMap 和 TreeMap\texttt{TreeMap}TreeMapSet\texttt{Set}Set、HashSet\texttt{HashSet}HashSet 和 TreeSet\texttt{TreeSet}TreeSet哈希表的应用场景和使用技巧哈希表的基本概念哈希表的定义哈希表也称散列表，是一种
复制链接

扫一扫