Hash算法介绍

在OvS查表的过程中，频繁的使用到Hash算法，本文主要介绍Hash算法的功能和原理。

1 Hash算法简介

哈希查找算法又称散列查找算法，是一种借助哈希表(散列表)查找目标元素的方法。哈希表(Hash table)又称散列表，是一种存储结构，通常用来存储多个元素。每个存储到哈希表中的元素，都配有一个唯一的标识(又称“索引”或者“键”)，用户想查找哪个元素，凭借该元素对应的标识就可以直接找到它，无需遍历整个哈希表。

多数场景中，哈希表是在数组的基础上构建的。使用数组构建哈希表，最大的好处在于：可以直接将数组下标当作已存储元素的索引，不再需要为每个元素手动配置索引，极大得简化了构建哈希表的难度。在数组中查找一个元素，除非提前知晓它存储位置处的下标，否则只能遍历整个数组。哈希表的解决方案是：各个元素并不从数组的起始位置依次存储，它们的存储位置由专门设计的函数计算得出，我们通常将这样的函数称为哈希函数。

2 Hash算法原理

哈希函数类似于数学中的一次函数，我们给它传递一个元素，它反馈给我们一个结果值，这个值就是该元素对应的索引，也就是存储到哈希表中的位置。举个例子，将{10, 20, 30, 50, 60}存储到哈希表中，我们设计的哈希函数为 y=x/10，最终各个元素的存储位置如下图所示。在下图的基础上，假设我们想查找元素50，只需将它带入y=x/10这个哈希函数中，计算出它对应的索引值为5，直接可以在数组中找到它。借助哈希函数，我们提高了数组中数据的查找效率，这就是哈希表存储结构。

构建哈希表时，哈希函数的设计至关重要。假设将{5, 20, 30, 33, 55}存储到哈希表中，哈希函数是y=x%10，各个元素在数组中的存储位置如下图所示。可以看到，5和55、20和30对应的索引值是相同的，它们的存储位置发生了冲突，我们习惯称为哈希冲突或者哈希碰撞。设计一个好的哈希函数，可以降低哈希冲突的出现次数。哈希表提供了很多解决哈希冲突的方案，比如线性探测法、链地址法、再哈希法等。

3 Hash冲突解决方案

3.1 线性探测法

如果使用线性探测法解决哈希冲突，解决方法是：当元素的索引值(存储位置)发生冲突时，从当前位置向后查找，直至找到一个空闲位置，作为冲突元素的存储位置，则上图所示的存储关系变换为下图所示。假设我们从下图所示的哈希表中查找元素30，查找过程需要经过以下几步：

• 根据哈希函数y=x%10，目标元素的存储位置为0，但经过和下标为0处的元素20比较，该位置存储的并非目标元素。
• 根据线性探测法，比较下标位置为1处的元素30，二者相等，成功找到目标元素。

3.2 链地址法

链表地址法是使用一个链表数组，来存储相应数据，当hash遇到冲突的时候依次添加到链表中。链地址在处理的流程如下：

• 添加一个元素的时候，首先计算元素key的hash值，确定插入数组中的位置。
• 如果当前位置下没有重复数据，则直接添加到当前位置。
• 当遇到冲突的时候，添加到同一个hash值的链表中，这个链表的特点是同一个链表上的hash值相同。

OvS中便是使用链地址法来解决hash冲突，key-value的索引存储在hash表中，如果多个key映射到同一hash table bucket中，通过链表的形式连接起来。每个hash链表以first作为链表的头，hash链表是由多个以first作为头的链表组成。每个hlist_node的next成员保存的是下一个hlist_node的地址，hlist_node的pprev成员保存的是前一个hlist_node的地址。如果是链表第一个元素，保存的是first的地址，最后一个hlist_node的next成员的内容是null，也就是指向null。新增的key-value项插入到链表的头部。

3.3 再Hash法

再Hash法同时构造多个不同的哈希函数，如h1=x%10，h2=x%7。当使用h1发生冲突时，再用h2进行计算，直到冲突不再产生，这种方法不易产生聚集，但是增加了计算时间。

3.4 布谷鸟Hash算法

布谷鸟Hash算法引入kick的概念来解决Hash冲突。在该算法中，定义了两个hash table，同时定义了两个hash函数h1和h2。每个key可以存储在table 1的h1(x)槽或table 2的h2(x)槽中，插入步骤如下：

• 在插入key x时，查询table 1的h1(x)槽是否已被占据。
• 如果没有，则插入，结束任务；
• 如被占据，仍然将x插入该位置，将原来的y插入T2的h2(y)中。
• 如此循环，直至所以的key都插入指定位置。
• 在插入key的过程中可能出现loop，因此存在一个最大循环次数。