数据结构与算法学习笔记（七）——散列表（一）

定义

1、散列表又叫hash table，哈希表。利用数组支持按照下标随机访问数据的特性，在数组上进行扩展得到的散列表。
关键字（key）通过散列函数得到散列值———在散列表中，以散列值为下标查找对应的值
2、通过散列函数计算出的散列值只能为非负整数，因为数组的下标是从0开始
3、key相同的话，生成的散列值也一定相同。key1=key2，hash(key1)=hash(key2)
4、key不同的话，生成的散列表也可能相同，此为散列冲突（哈希冲突）。这时在散列表中根据散列值查找到的数据还需要比较key值。注意：散列表中存储的是对象。
5、散列函数设计的不能太复杂，过于复杂的散列函数影响计算时间和性能。且散列函数生成的值要尽可能的随机且均匀的分布。

如何解决散列冲突

1、开放寻址法：若出现了散列冲突，则重新探测出一个新的空闲位置，将其插入。
探测方法有
<1>线性探测法：从当前散列冲突的位置依次向后一个一个寻找（到底的话再重头寻找），直至找到空闲位置。

查找：比较散列值对应的元素和要查找的元素，若相同则找到，否则继续向后查找，直至遇到空闲位置，则返回，表示不在散列表中。

删除：删除数据不会将该数据位置清空，而是标记为deleted，探测时遇到deleted还是继续往下。若置空，则会导致查找的时候算法错误。

<2>二次探测法：和线性探测法一样，只是线性探测法的步长为1，二次探测法的步长为2
<3>双重散列：使用一组散列函数，若第一个散列函数计算出了散列冲突，则使用下一个散列函数计算散列值。

2、链表法：将散列值相同的数据放在相同槽位对应的链表中，即用链表来存储相同散列值的数据。

<1>插入：通过散列值找到相应的散列槽位，再插入到该槽位对应的链表中。时间复杂度：O(1)
<2>查找：通过散列值找到相应的散列槽位，再遍历链表。时间复杂度：O(k)，k为链表长度
<3>删除：通过散列值找到相应的散列槽位，再遍历链表找到要删除的数据，删除。时间复杂度：O(k)

3、开放寻址法和链表法的区别：
开放寻址法适用于数量较小，装载因子小的场景，如java中的ThreadLocalMap。
链表法适用于存储大对象，大数据量的散列表，且灵活多变，链表可以用红黑树、跳表代替。

4、装载因子
<1>当散列表中空闲位置越少，散列冲突的可能性也越大，因此需要保证散列表中空闲位置的数量。用装载因子表示空位的多少：
散列表的装载因子=填入表中的元素个数/散列表的长度
<2>装载因子过大时，可对散列表进行动态扩容。类似数组的扩容，申请容量扩大一倍的新数组，再将数据搬移到新数组中。若散列表进行扩容搬移数据，则需要重新计算散列值
<3>一次性扩容的缺点：空间消耗多，且扩容一次耗时大。
解决方案：先申请扩大一倍的空间，但是不搬移数据，当插入新数据时，插入到新空间中，再将一个原老空间的数据搬移到新空间。查询的时候也是先查询新空间再老空间。

图片来源于王争——数据结构与算法之美