哈希表(hash)

什么是哈希表

哈希表（Hash table，也叫散列表），是一种将键（ key）映射为值（ value）从而实现快速查找的数据结构。也就是说，它通过把关键码值映射到表中一个位置来访问记录，以加快查找的速度。这个映射函数叫做散列函数（也就哈希函数），存放记录的数组叫做散列表。

记录的存储位置=f(key)

这里的对应关系f称为散列函数，也称为哈希函数(hash function)，采用散列技术将记录存储在一块连续的存储空间中，这块连续存储空间称为散列表或哈希表(Hash table)。

哈希表hashtable(key, value) 就是把key通过一个固定的哈希函数转换成一个整型数字，然后将该数字对数组长度进行取余操作，取余结果就是数组的下标(也就是索引值)，将value存储在以该数字为下标的数组空间里。

在简易实现中，散列表包含一个底层数组和一个散列函数（hash function）。插入一个值及其对应的键时，散列函数会将键映射为数组的一个索引。然后，这个值就会存储到数组中该索引对应的位置上。当然，这种简易实现方法是不够完善的，因为所有可能的键（key）必须转化为各不相同的散列值，否则一不小心就可能改写某些数据。因此，为了防止这类“碰撞冲突”，这个数组会变得非常大，以便放下所有可能的键。

哈希表和数组、链表一样，也是一种数据结构。

散列函数必须满足的要求：

• 一致性。每次输入相同的key，得到的value必须是相同的。
• 不同的输入(key)映射到不同的数字。例如， 如果一个散列函数不管输入是什么都返回1，它就不是好的散列函数。最理想的情况是，将不同的输入映射到不同的数字。

散列函数将输入(key)映射为数字作为数组的下标，定位到value所在的内存空间。如此，查找所需的时间复杂度为O(1)，和数组的一样。

哈希表示例

假如，我有一个product数组，存放的是商品的价格：(eggs, 2.50), (milk, 2.00), (apple, 8.99), (pear, 5.99), (banana, 4.99)。

映射关系：eggs ==> 0, milk ==>1, apple ==>2, pear ==>3, banana ==>4

输入输出：product["eggs"] = 2.50, product["milk"] = 2.00, product["apple"] = 8.99, product["pear"] = 5.99, product["banana"] = 4.99

这里的key=商品名称，value=商品价格。

总结：在该示例中，我们使用散列函数和数组来创建哈希表。上面所说的映射关系就是哈希函数，很多优秀的编程语言都提供了对哈希函数的实现。如Python中的dict，Go语言中的map。下面我用Python语言来实现上面的例子。

>>> product = dict()
>>> product["eggs"] = 2.50
>>> product["milk"] = 2.00
>>> product["apple"] = 8.99
>>> product["pear"] = 5.99
>>> product["banana"] = 4.99
>>> print(product)
{'milk': 2.0, 'pear': 5.99, 'banana': 4.99, 'eggs': 2.5, 'apple': 8.99}

哈希表的实现

我们先来说说数组和链表的特点

数组：查找容易，插入和删除困难。

链表：查找困难，插入和删除容易。

而哈希表兼具数组查找和链表插入和删除容易的优点。哈希表、数组、链表时间复杂度对比如下：

O(1)表示常量时间。

O(n)表示线性时间。

O(logn)表示对数时间。

O(1) < O(logn) < O(n)

【说明】在平均情况下，哈希表的查找（获取给定索引的元素）速度和数组一样快，而插入和删除速度和链表一样快，因此它兼具二者的优点。但在最糟糕的情况下，哈希表的各种操作的速度都很慢。因此，在构造哈希表时，避开最糟糕的情况至关重要。

哈希表的实现方法有多种，接下来介绍最常用的一种方法——拉链法。如图所示：

左边是一个数组，数组成员是指针变量，指向一个单链表的头结点。上面我们说到哈希函数总是将不同的键映射到数组不同的位置。实际上，几乎不可能编写出这样的哈希函数，这样不可避免就会产生冲突(collision)，即存在有多个key通过映射关系得到的数组索引值都是相同的。解决办法就是在这个数组索引值位置存储一个链表。这是，查找key对应的value值，需要先找到正确的链表位置，再从链表中找出这个value的位置。

使用拉链法创建的哈希表，存在的一种极端情况，第一个位置的链表很长很长，散列表中所有的元素都存放在这个链表中，这与将所有元素存放在一个链表的情况一样糟糕：哈希表的查找速度会很慢。为了避免这样的情况发生，就需要设计出好的哈希函数，好的哈希函数很少会导致冲突。而最理想的情况是，哈希函数将key均匀地映射到哈希表的不同位置。

避免冲突

在构造哈希表的时候，可能会产生碰撞冲突(Collision)。为了避免冲突，需要有：

• 较低的填装因子
• 良好的哈希函数

装填因子

装填因子 = (散列表包含的元素个数) / (哈希表的长度)

装填因子反映了哈希表的装满程度。装填因子越小，则哈希表发生冲突的可能性就越小；反之，装填因子越大，表示哈希表中已填入的元素个数越多，再填记录时，发生冲突的可能性就越大。

当装填因子 > 1时，这意味着哈希表的元素个数 > 哈希表的长度，需要调整哈希表的长度，这个过程称为resizing。通常的做法是将哈希表的长度按2的倍数增加。通常而言，一旦装填因子大于0.7，就需要调整哈希表的长度。

良好的哈希函数

良好的哈希函数能够让元素在哈希表中均匀分布。而糟糕的哈希函数会让元素扎堆，导致大量冲突的发生。

哈希表的应用

• 将哈希表用于查找

使用哈希表用于查找，查找速度非常快，平均时间复杂度是O(1)，即常量时间。给定一个key值，就能直接找到这个元素在哈希表中的位置，不需要像二分法那样，需要进行比较，逐步缩小范围的查找方式。

• 用于信息安全领域的加密算法

现在常见的加密算法SHA1 SHA256 SHA384 SHA512，通过哈希函数将一些不同长度的信息转化成杂乱的N位的编码,这些编码值叫做Hash值. 也可以说，Hash就是找到一种数据内容和数据存储地址之间的映射关系。

• 防止重复

使用哈希表来检查是否重复，速度非常快。防止重复，实际上也是一种查找，即查重。

• 将哈希表用作缓存

缓存是一种常见的加速方式，所有的大型网站都使用了缓存技术，而缓存的数据则存储在哈希表中的。将访问量很大的网页存储在哈希表中，当有用户访问的时候，就可以直接将保存在哈希表中的网页返回给用户，而不必每次都让服务器去生成网页。用户请求的URL是哈希表的key，对应的网页数据是value。