常见算法：二分查找、跳表、散列表、哈希函数详解

一、二分查找

二分查找（Binary Search）算法，也叫折半查找算法。O(logn) 非常高效的查找算法。在不存在重复元素的有序数组中，查找值等于给定值的元素。
eg:数组元素 1 3 4 5 7 8 9 10
mid的位置就是(起点下标+ 终点下标)/2下取整 ，我要查找1，先和5比较，然后和3比较。

eg: public int bsearch(int[] a, int n, int value) {
int low = 0;
int high = n - 1;
while (low <= high) {
int mid = (low + high) / 2;
if (a[mid] == value) {
return mid;
} else if (a[mid] < value) {
low = mid + 1;
} else {
high = mid - 1;
}
}
return -1;
}

需要着重掌握它的三个容易出错的地方：终止条件、区间上下界更新方法、返回值选择。

小结：二分查找比较好理解，每次一分为二查一半，二分查找算法虽然性能比较优秀，但应用场景也比较有限。底层必须依赖数组，并且还要求数据是有序的。对于较小规模的数据查找，我们直接使用顺序遍历就可以了，二分查找的优势并不明显。二分查找更适合处理静态数据，也就是没有频繁的数据插入、删除操作。数据量太大不能用二分查找。

二、跳表

1、跳表（Skip list）：有序链表加多级索引的结构，就是跳表。

2、跳表的时间空间复杂度：
假设有序链表每两个结点会抽出一个结点作为上一级索引的结点，不断升维度，那第一级索引的结点个数大约就是 n/2，依次类推 n/2、 n/4、 n/8 、第k级索引的结点个数就是n/(2^k)，假设最高级的索引有 2 个结点。那么 n/(2^k)=2，从而求得 k=log2n-1。如果包含原始链表这一层，整个跳表的高度就是 log2ⁿ。我们在跳表中查询某个数据的时候，如果每一层都要遍历 m 个结点，那在跳表中查询一个数据的时间复杂度就是 O(m*logn)。m为常量级的数，所以跳表插入、删除、查找的时间复杂度O(logn) 。

如上索引节点的总数分析，所以跳表的空间复杂度是 O(n)。也就是说，如果将包含 n 个结点的单链表构造成跳表，我们需要额外再用接近 n 个结点的存储空间。
但是通常实际应用中，原始链表中存储的有可能是很大的对象，而索引结点只需要存储关键值和几个指针，并不需要存储对象，所以当对象比索引结点大很多时，那索引占用的额外空间就可以忽略了。

小结：跳表比较优秀的动态数据结构，有序链表加多级索引的结构，可以支持快速地插入、删除、查找操作，时间复杂度度都是o(logn)，区间查找效率很高，类似于基于单链表实现了二分查找，在一些地方可以用来替代平衡树，如redis的有序集合、levelDB。是一种升维，空间换时间的思想，空间复杂度是 O(n)。可以通过改变索引构建策略，有效平衡执行效率和内存消耗。相比红黑树实现简单。

三、散列表（哈希表）

1、散列表

散列表的英文叫“Hash Table”，我们平时也叫它“哈希表”或者“Hash 表”。散列表用的是数组支持按照下标随机访问数据的特性，所以散列表其实就是数组的一种扩展。我们把一些键（key）或者关键字转化为数组下标的映射方法就叫作散列函数（或“Hash 函数”“哈希函数”），而散列函数计算得到的值就叫作散列值（或“Hash 值”“哈希值”）。

原理：散列表用的就是数组支持按照下标随机访问的时候，时间复杂度是 O(1) 的特性。我们通过散列函数把元素的键值映射为下标，然后将数据存储在数组中对应下标的位置。当我们按照键值查询元素时，我们用同样的散列函数，将键值转化数组下标，从对应的数组下标的位置取数据。

2、散列函数设计的基本要求

散列函数计算得到的散列值是一个非负整数（好理解，要映射成数组下标嘛）；
如果 key1 = key2，那 hash(key1) == hash(key2)；
如果 key1 ≠ key2，那 hash(key1) ≠ hash(key2)。

3、散列冲突

再好的散列函数也无法避免散列冲突。那究竟该如何解决散列冲突问题呢？我们常用的散列冲突解决方法有两类，开放寻址法（open addressing）和链表法（chaining）。
--------😐 -------------😐-------------😐-------------😐-------------😐
1）、开放寻址法：

• 线性探测：当我们往散列表中插入数据时，如果某个数据经过散列函数散列之后，存储位置已经被占用了，我们就从当前位置开始，依次往后查找，看是否有空闲位置，直到找到为止。
• 二次探测：所谓二次探测，跟线性探测很像，线性探测每次探测的步长是 1，那它探测的下标序列就是 hash(key)+0，hash(key)+1，hash(key)+2……而二次探测探测的步长就变成了原来的“二次方”，也就是说，它探测的下标序列就是
  hash(key)+0，hash(key)+12，hash(key)+22…
• 双重散列：我们使用一组散列函数 hash1(key)，hash2(key)，hash3(key)……我们先用第一个散列函数，如果计算得到的存储位置已经被占用，再用第二个散列函数，依次类推，直到找到空闲的存储位置。

散列表跟数组一样，不仅支持插入、查找操作，还支持删除操作。对于使用线性探测法解决冲突的散列表，删除不能单纯地把要删除的元素设置为空。也是将删除的元素，特殊标记为 deleted。不然会导致原来的查找算法失效。当线性探测查找的时候，遇到标记为 deleted 的空间，并不是停下来，而是继续往下探测。

不管采用哪种探测方法，当散列表中空闲位置不多的时候，散列冲突的概率就会大大提高。为了尽可能保证散列表的操作效率，一般情况下，我们会尽可能保证散列表中有一定比例的空闲槽位。我们用装载因子（load factor）来表示空位的多少：

 `散列表的装载因子=填入表中的元素个数/散列表的长度`

2）、链表法：

4、散列冲突解决方法优势和劣势

当数据量比较小、装载因子小的时候，适合采用开放寻址法。这也是 Java 中的ThreadLocalMap使用开放寻址法解决散列冲突的原因。

大部分情况下，链表法更加普适。基于链表的散列冲突处理方法比较适合存储大对象、大数据量的散列表，而且，比起开放寻址法，它更加灵活，支持更多的优化策略，比如红黑树、跳表，来避免散列表时间复杂度退化成O(n)，抵御散列冲突攻击。比如HashMap、LinkedHashMap就是使用链表法解决散列冲突 。

5、如何设计散列函数

• 要尽可能让散列后的值随机且均匀分布，这样会尽可能减少散列冲突，即便冲突之后，分配到每个槽内的数据也比较均匀。
• 除此之外，散列函数的设计也不能太复杂，太复杂就会太耗时间，也会影响到散列表的性能。
• 常见的散列函数设计方法：直接寻址法、平方取中法、折叠法、随机数法等。

6、装载因子的阈值和扩容

当散列表的装载因子超过某个阈值时，就需要进行扩容。装载因子阈值需要选择得当。如果太大，会导致冲突过多；如果太小，会导致内存浪费严重。 通过设置装载因子的阈值来控制是扩容还是缩容，支持动态扩容的散列表，插入数据的时间复杂度使用摊还分析法。

装载因子阈值的设置要权衡时间、空间复杂度。如果内存空间不紧张，对执行效率要求很高，可以降低负载因子的阈值；相反，如果内存空间紧张，对执行效率要求又不高，可以增加负载因子的值，甚至可以大于 1。

分批扩容：
为了解决一次性扩容耗时过多的情况，分批完成：
①分批扩容的插入操作：当有新数据要插入时，我们将数据插入新的散列表，并且从老的散列表中拿出一个数据放入新散列表。每次插入都重复上面的过程。这样插入操作就变得很快了。
②分批扩容的查询操作：先查新散列表，再查老散列表。
③通过分批扩容的方式，任何情况下，插入一个数据的时间复杂度都是O(1)。

小结：散列表支持插入、查找操作，还支持删除。常用的散列冲突解决方法有两类，开放寻址法和链表法。其中采用开放寻址法解决冲突时，删除需特殊注意标记，以保证原有查找算法的有效。散列函数设计原则要合适，不能太复杂，也不能散列冲突太多。装载因子过大可能导致冲突频繁，过小可能造成空间浪费。以及装载因子过大时，避免低效扩容如何分批扩容。
Java 中 LinkedHashMap 、HashMap 就采用了链表法解决冲突，ThreadLocalMap 是通过线性探测的开放寻址法来解决冲突。

四、哈希函数

1、将任意长度的二进制值串映射为固定长度的二进制值串，这个映射的规则就是哈希算法，而通过原始数据映射之后得到的二进制值串就是哈希值。

2、优秀的哈希算法需要满足的几点要求：

①单向哈希：
从哈希值不能反向推导出哈希值（所以哈希算法也叫单向哈希算法）。
②篡改无效：
对输入敏感，哪怕原始数据只修改一个Bit，最后得到的哈希值也大不相同。
③散列冲突：
散列冲突的概率要很小，对于不同的原始数据，哈希值相同的概率非常小。
④执行效率：
哈希算法的执行效率要尽量高效，针对较长的文本，也能快速计算哈希值。

3、哈希算法的应用

最常见的几个应用：安全加密、唯一标识、数据校验、散列函数、负载均衡、数据分片、分布式存储等。例如：

安全加密：
最常用于加密的哈希算法：
MD5 Message-Digest Algorithm，MD5消息摘要算法
SHA：Secure Hash Algorithm，安全散列算法
DES：Data Encryption Standard，数据加密标准
AES：Advanced Encryption Standard，高级加密标准

负载均衡算法有很多，比如轮询、随机、加权轮询等。

盐
原密码是123456，如果加盐，密码123456加盐后可能是12ng34qq56zz，再对加盐后的密码进行hash后值就与原密码hash后的值完全不同了。而且加盐的方式有很多种，可以是在头部加，可以在尾部加，还可在内容中间加，甚至加的盐还可以是随机的。这样即使用户使用的是最常用的密码，黑客拿到密文后破解的难度也很高。也是一种常见的应用，防止攻击字典表的一种方案。