几分钟理解 数据结构 - 哈希表及其优化

小概

哈希容器也可以理解为是一种映射容器，采用哈希算法（映射算法，散列算法），将不定长的数据压缩成定长的数据，这串定长值我们称为 哈希值，并将不同的哈希值分组存起来，每一个分组我们认为是一个 槽

我们将不同的数据格式通过哈希算法，将其映射到不同的槽内，当我们需要取数据时，把需要的数据转化成哈希值，再凭借哈希值去找对应的槽，然后便可以将数据取出来

可以理解为一个键值对容器

• put(key, value)

• get(key)

图解如下

并且进行以下设定

• $key$ - 键

• $h_{key}$ - 哈希值

• $hash(key)$ - 哈希算法

• $bucket$ - 槽

• $bucketNum$ - 槽数

哈希表

我们现在假设 key 为整数，用 数组 分配槽的情况，并开始讨论如何设计，让对这一容器增删改查的时间复杂度趋近于 $O(1)$

哈希算法

映射可以如下表示，下标 $n$ 代表变化的取值

$$(x_n, y_n) -> (x, y)$$

更通常的映射关系如下，并且我们在这里讨论这种情况
$$(x_n, y_n) -> (0, bucketNum - 1)$$

如何将不定长的数据压缩成定长的数据，我们主要给出以下几种常用的方法

1. 线性哈希：$hash(key) = a × key + b $

2. 平方哈希：$hash(key) = sub(key^2, a, b)$，设函数 $sub(num, a, b)$ 代表取 $num$ 第 $a$ 位数到第 $b$ 位数，则

3. 余数哈希：$hash(key) = key % a $

入槽

设 $bucketNum = 4，hash(key) = key % 4$，我们现在要对一对值为 6-'6号书籍' 的键值对进行如下操作

    hashMap.put(6, '6号书籍');
    hashMap.get(6);

那么，$hash(6) = 2$，并把 '6号书籍' 存入 $bucket[2]$ 中，查询时再取出 $bucket[h_6]$

碰撞处理

我们处理$(x_n, y_n) -> (0, bucketNum - 1)$映射时，不定长的数据集可以认为是无穷大的，现在要将无限大的数据集压缩进有限数据集内，一定会引发 碰撞，即不同的数据装入一个槽内

解决冲突的方法有很多，我们主要给出以下几种常用的方法：

• 再哈希：遇到碰撞时，将哈希值再哈希，直到无碰撞

• 公共溢出区：将碰撞数据存入其中

• 接数据结构：碰撞时，往该槽内接入其他数据结构，并把膨胀的数据存入其中，如图解中接的就是 链表

性能瓶颈

现在开始讨论如上设计哈希表的性能问题

• 我们在对容器进行操作时，处理最频繁的便是 $hash(key)$，每次存储和查找都需要计算 $h$，所以 如何设计哈希算法 便显得十分重要

• 另一个瓶颈在于，如何更加合理地分配 $ bucketNum $，能够尽可能地减少冲突，这也是一个值得思考的方面，我们要知道虽然我们对碰撞已经进行过处理，但这步操作也会损耗相当的效率

• 退一步来讲，假设已经出现碰撞，如何处理碰撞、碰撞的数据应当如何搜索 也非常值得我们考虑，比方说，若采用的是如图解中的链表法，假设 $bucketNum = 100$，但一堆数据很不幸运地落入同一个 $bucket$ 内，那么我搜索这堆数据时，和遍历搜索已经基本没区别了，时间复杂度趋近与 $O(n)$