算法导论（八）--全域哈希

全域哈希的定义

哈希有一个根本的缺陷，对于任意哈希函数而言，都存在一个不好的键集，所有键都会哈希到同一个槽，这样如果有人知道你用的什么哈希函数，就会故意给你这些映射到同一个槽的键值，这就相当于运行一个链表，很大程度上减缓了运行速度。
解决的方法就是随机性，在运行时随机地选择哈希函数，这个方法叫全域哈希（Universal Hashing）。

定义：
设U为键的全域，H是哈希函数的有限集，H中的哈希函数将U映射到哈希表的槽0, 1, ⋯, m-1里。如果满足
$$\forall x,y\in U且x̸=y,|h\in H:h(x)=h(y)|=\frac{|H|}{m}$$

我们称H是全域的。等式左边表示把x和y映射到同一个槽的哈希函数的数目。

这样的话，如果从H中随机选择一个哈希函数，那么x和y发生碰撞的概率就是1/m。怎么得到的，就是在所有的函数集H中选出一个满足条件（x和y发生碰撞）的h，满足条件的h有|H|/m个，因此用满足条件的数目除以总数目，|H|/m除以|H|得到1/m。就像下面这个图，随机从H中选一个函数h，落在左边区域的概率是1/m。

于是我们可以得出下面的定理：

定理：从H中随机选择哈希函数，将n个键放进T表的m个槽里，对于给定的键x，发生碰撞的期望次数小于n/m，也就是α。

证明：设C_x为一个随机变量，表示哈希表T里的键与x发生碰撞的总次数，定义指标随机变量C_xy：
$$C_{xy}=\{\begin{array}{ll}1& 如果h(x)=h(y)\\ 0& 其他\end{array}$$

首先C_xy的期望E(C_xy)=1·1/m=1/m，并且可以把C_x表示成当y取T中非x元素时对应的C_xy值之和，即 C x = ∑ y ∈ T − { x } C x y C_x=\sum_{y∈T-\{x\}}{C_{xy}} Cx​=∑y∈T−{ x}​Cxy​。
那么我们就可以求出E(C_x)：
E ( C x ) = E ( ∑ y ∈ T − { x } C x y ) = ∑ y ∈ T − { x } E ( C x y ) = ∑ y ∈ T − { x } 1 m = n − 1 m < n m E(C_x)=E(\sum_{y∈T-\{x\}}{C_{xy}})=\sum_{y∈T-\{x\}}E(C_{xy})=\sum_{y∈T-\{x\}}\frac{1}{m}=\frac{n-1}{m}<\frac{n}{m} E(Cx​)=E(y∈T−{ x}∑​C