Hash Table 的原理及实现

原理

       哈希表，也叫散列表。是一种用于查找的基本的数据结构。
说起查找，我们常见的有顺序查找、二分查找，这两者都是基于关键码的比较

• 顺序检索 == ！=
• 二分法、树型 >, ==, <

       当问题规模 n 很大时，上述检索的时间效率可能使用户无法接受。
最理想的情况

• 根据关键码值，直接找到记录的存储地址
• 不需要把待查关键码与候选记录集合的某些记录进行逐个比较

       因此，为了解决这一问题，由数组的直接寻址想到散列。

概念

哈希存储时由一个确定的函数 h 计算存储位置

• 以结点的关键码 k 为自变量
• 函数值 h(k) 作为结点的存储地址

检索时也是根据这个函数计算存储位置
介绍几个重要概念:

• 负载因子 a = n / m
  • 散列表的空间大小为 n
  • 填入表中的结点数为 m

       负载因子一般来数不能太大，小于 0.5

• 冲突
  • 某个散列函数对于不相等的关键码计算出了相同的散列地址
  • 实际应用中，不产生冲突的散列是不存在的
• 同义词
  • 发生冲突的两个关键字

散列函数

• 作用： 把关键码映射到存储位置的函数
• 常见散列函数
  • 除留余数法：取关键字被某个不大于散列表表长m的数p除后所得的余数为散列地址。
  • 直接定址法：取关键字或关键字的某个线性函数值为散列地址。
  • 数字分析法：假设关键字是以r为基的数，并且哈希表中可能出现的关键字都是事先知道的，则可取关键字的若干数位组成哈希地址。
  • 平方取中法：取关键字平方后的中间几位为哈希地址
  • 折叠法：将关键字分割成位数相同的几部分（最后一部分的位数可以不同），然后取这几部分的叠加和（舍去进位）作为哈希地址。

冲突处理

        为了知道冲突产生的相同散列函数地址所对应的关键字，必须选用另外的散列函数，或者对冲突结果进行处理。而不发生冲突的可能性是非常之小的，所以通常对冲突进行处理。常用方法有以下几种：

• 开放定址法
  

• 拉链法(单独链表法): 将散列到同一个存储位置的所有元素保存在一个链表中。

实现

标准实现

• 语言： C 语言
• 散列函数： 除留余数法
• 冲突处理：拉链法

/***structure***/
typedef struct hashTableNode {
    int value;
    struct hashTableNode* next;
}hashTableNode;

typedef struct hashTable {
    int size;
    struct hashTableNode** data;
}hashTable;

/***Initialization***/
hashTable* initHashTable(int size) {
    hashTable* h = (hashTable* )malloc(sizeof(hashTable));
    h->size = size << 1;
    h->data = (hashTableNode** )calloc(sizeof(hashTableNode** ), h->size);

    return h;
}

hashTableNode* initHashTableNode(hashTableNode* h, int k) {
    hashTableNode* p = (hashTableNode* )malloc(sizeof(hashTableNode));
    p->value = k;
    p->next = h;
    
    return p;
}

/***Insert***/
void hashTableInsert(hashTable* h, int k) {
    int key = abs(k) % h->size;
    h->data[key] = initHashTableNode(h->data[key], k);
}

/***Search***/
bool hashTableSearch(hashTable* h, int k) {
    int key = abs(k) % h->size;
    hashTableNode* p = h->data[key];
    while(p && (p->value != k)) p = p->next;

    return p != NULL;
}

直接利用数组索引

当数据范围比较小的时候，可以直接利用数组索引进行映射。