字典哈希表的实现原理_自定义哈希表实现

哈希表概念

散列表(Hash table，也叫哈希表)，是根据关键码值(Key value)而直接进行访问的数据结构。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，存放记录的数组叫做散列表。

给定表M，存在函数f(key)，对任意给定的关键字值key，代入函数后若能得到包含该关键字的记录在表中的地址，则称表M为哈希(Hash)表，函数f(key)为哈希(Hash) 函数。

简单来说，解决存储空间的考虑。试想，将100个关键字存入大小为100的数组里，此时肯定是不需要哈希函数的，一对一的放，肯定是可以实现的。但是当数据量增大，将1000个关键字，存入大小为100的数组里呢？此时一个一个的放，那剩下的怎么办呢，所以，我们需要某种计算方法，既能把这1000个关键字存进去，而且最主要是还能取出来。这就是哈希函数要做的事情，给每一个关键字找一个合适的位置，让你既能存进去，又能取出来。注意，哈希表里面一般存放的是字典数据类型，即(key，value)的数据，是根据key 去存取value。

哈希碰撞

哈希表的设计最主要就是解决哈希碰撞，当存储一个数据，该数据的哈希值已经在数组中存在，此时就会产生哈希碰撞，而解决哈希碰撞的方式有很多，例如链地址法，开放地址法，再哈希，这里，我们用链地址法解决哈希碰撞，通常的做法就是使用链表，当出现碰撞时，将该数据存储在链表中，这样，就可以根据hash值以及在链表中的位置查找元素，但当哈希碰撞增多时，如在索引1的位置中链表有很多个元素，这样对后续元素的查找效率会降低，此时我们可以将链表改造成红黑树，红黑树的时间复杂度要比链表高，其效率就会更高。

链地址法

哈希冲突后，用链表去延展来解决。

这个图中h(x) = x mod 10 ;是一个哈希函数，可见代入x=91和x=1的时候都会到映射到键值为1的slot，那么这样就会引发冲突，在链地址法中，用链表延展去存储同键值的数据。

优点：

链地址法处理冲突简单，且无堆积现象，即非同义词决不会发生冲突，因此平均查找长度较短；

在用链地址法构造的散列表中，删除结点的操作易于实现

代码实现

package HashTable;import java.util.Map;import java.util.TreeMap;public class HashTable { private static final int upperTol = 10;//哈希冲突向上阀值 private static final int lowerTol = 2;//哈希冲突向下阀值 private static final int initCapacity = 7;//初始数组容量 private TreeMap[] hashtable; private int size; private int M; public HashTable(int M) { this.M = M; size = 0; hashtable = new TreeMap[M]; for (int i = 0; i < M; i++) hashtable[i] = new TreeMap<>(); } public HashTable() { this(initCapacity); } //设置哈希值 private int hash(K key) { return (key.hashCode() & 0x7fffffff) % M; } public int getSize() { return size; } //添加元素 public void add(K key, V value) { TreeMap map = hashtable[hash(key)]; if (map.containsKey(key)) map.put(key, value); else { map.put(key, value); size++; //数组扩容，当元素大于哈希冲突向上阀值与数组容量乘积时，进行扩容 if (size >= upperTol * M) resize(2 * M); } } //删除元素 public V remove(K key) { V ret = null; TreeMap map = hashtable[hash(key)]; if (map.containsKey(key)) { ret = map.remove(key); size--; //数组缩容 if (size <= lowerTol * M && M > initCapacity) resize(M / 2); } return ret; } //修改value public void set(K key, V value) { TreeMap map = hashtable[hash(key)]; if (!map.containsKey(key)) throw new IllegalArgumentException(key + " doesn't exist!"); map.put(key, value); } //判断该位置是否有值 public boolean contains(K key) { return hashtable[hash(key)].containsKey(key); } //获取该位置元素 public V get(K key) { return hashtable[hash(key)].get(key); } //数组大小调整 private void resize(int newM) { TreeMap[] newHashTable = new TreeMap[newM]; for (int i = 0; i < newM; i++) newHashTable[i] = new TreeMap<>(); for (int i = 0; i < M; i++) for (K key : hashtable[i].keySet()) newHashTable[hash(key)].put(key, hashtable[i].get(key)); this.M = newM; this.hashtable = newHashTable; }}