Cuckoo Hash及其性质

Cuckoo Hash

  最近我在看CMU的15/445课程，在hash table部分提到了Cuckoo Hash，感觉还是挺有意思的，关于其性质的证明比较复杂，我没看太懂。

背景

  在介绍Cuckoo hash之前，我们先来看看Chained Hash table。

在这种模式下，冲突的元素会被放到同一个bucket，一个bucket内的元素被组织成链表的形式，一般会设置负载因子$\alpha =\frac{n}{m}$，n是元素的数量，m是bucket的数量。当$\alpha$超过设定的阈值后，会将m翻倍以减少后续插入时可能的冲突。

• Insertion 这种方式的insertion代价为$O(1)$
• Lookup 这种方式的Lookup代价最坏为$O(n)$，最坏代价的期望值为$\frac{\log n}{\log \log n}$

Cockoo Hash

  引入Cockoo Hash的目的就是希望能够同时降低插入和查询的代价。Cockoo Hash有两个table，分别对应两个hash函数$h_1$和$h_2$。元素x有两个可能的插入位置$h_1(x)$和$h_2(x)$

• Lookup 代价为$O(1)$
  查询时只需要查看元素可能存在的两个位置即可
• Insertion 代价接近$O(1)$
  插入操作最麻烦，插入元素X时，先计算其在table 1中的位置$h_1(X)$，如果该位置为空，则直接插入；如果不为空，则将原来的旧值Y移除，将X插入该位置，然后尝试将Y插入table 2，插入Y的操作与X类似，重复该操作直至元素插入成功。
  插入可能会陷入循环，这会导致插入失败。这种情况下，需要执行rehash操作，即选取新的hash函数$h_1$和$h_2$，将所有元素重新插入至表中。
• Deletion 代价为$O(1)$
  删除时需要查看两个位置，删除对应的元素即可
  

Cockoo Graph

  要分析Cuckoo Hash，需要用到Cockoo Graph，Cockoo Graph是一个二分图，结构如下：

• Node 节点对应表中的slot
• Edge 边对应插入的元素，它连接了元素在table中可能插入的位置。插入X时即在graph中插入一条边，连接X可能插入的两个位置

性质

• claim 1

  元素X插入成功当且仅当包含边X的连通分支最多有一个环路

  证明：假定节点数为n，连通分支中有两个及以上环路的情况下，边的数目必然大于或等于n+1，这表明待插入的元素比slot多，插入必然失败。
  当连通分支中无环路时，换位操作一定会在有限步内终止；连通分支中存在环路时，换位操作也会在有限步内终止，不过情况会比无环路时稍复杂，这个可以画图来进行思考(后面有时间我再补图和简单的证明)。

• claim 2

  如果元素X被插入到包含K个节点的连通分支中， 插入过程最多有2K次换位操作

  不存在环路时，结论是显然的；存在环路时，考虑是单一环路(0型)还是有环路+非环路(6字型)的情况。单一环路时，最多将所有元素轮换一遍即可插入成功；环路+非环路情况下，需要分开考虑插入元素在环路还是在非环路上的情形(有时间再画图)。

• claim 3

  m为节点数目，n为边的数目，如果$m\ge (1+ϵ)n$ $\forall ϵ>0$，插入成功且不引发rehash操作的时间复杂度为$O(1+{ϵ}^{-1})$。单次rehash操作且成功的时间复杂度为$O(m+n{ϵ}^{-1})$，由于要确保$m\ge (1+ϵ)n$成立，所以会随插入元素数目的变化更新table(扩充并rehash)，修正以后的插入代价的期望值为$O(1+ϵ+{ϵ}^{-1})$

Conclusion

在满足上述前提条件下$m\ge (1+ϵ)n$，Cockoo Hash具有如下性质

• 查询和删除的最坏代价均为$O(1)$
• 插入的代价为$O(1+ϵ+{ϵ}^{-1})$

参考资料

• Cockoo hash Stanford
• Cuckoo hashing: Further analysis