【数据结构】 二叉搜索树 和 哈希表（Map、Set 集合底层数据结构）

一、搜索树

二叉搜索树又称二叉排序树，它有以下性质：

• 若它的左子树不为空，则左子树上所有节点的值都小于根节点的值
• 若它的右子树不为空，则右子树上所有节点的值都大于根节点的值
• 它的左右子树也分别为二叉搜索树

下图为一个二叉搜索树：

int[] a={5,3,4,1,7,8,2,6,0,9}

1.查找操作

2. 插入操作

1. 如果树为空树，即根 == null，直接插入
2. 如果树不是空树，按照查找逻辑确定插入位置，插入新节点
   

3. 删除操作

设待删除结点为 cur, 待删除结点的双亲结点为 parent

1. cur.left == null
   1. cur 是 root，则 root = cur.right
   2. cur 不是 root，cur 是 parent.left，则 parent.left = cur.right
   3. cur 不是 root，cur 是 parent.right，则 parent.right = cur.right
2. cur.right == null
   1. cur 是 root，则 root = cur.left
   2. cur 不是 root，cur 是 parent.left，则 parent.left = cur.left
   3. cur 不是 root，cur 是 parent.right，则 parent.right = cur.left
3. cur.left != null && cur.right != null
   1. 需要使用替换法进行删除，即在它的右子树中寻找中序下的第一个结点(关键码最小)，用它的值填补到被删除节点中，再来处理该结点的删除问题

3. 代码实现

public class BinarySearchTree {
	public static class Node {
		int key;
		Node left;
		Node right;
		
		public Node(int key) {
			this.key = key;
		}
	}
	private Node root = null;
	
	/**
	* 在搜索树中查找 key，如果找到，返回 key 所在的结点，否则返回 null
	* @param key
	* @return
	*/
	public Node search(int key) {
		Node cur = root;
		while (cur != null) {
			if (key == cur.key) {
				return cur;
			} else if (key < cur.key) {
				cur = cur.left;
			} else {
				cur = cur.right;
			}
		}
		return null;
	}
	
	/**
	* 插入
	* @param key
	* @return true 表示插入成功, false 表示插入失败
	*/
	public boolean insert(int key) {
		if (root == null) {
			root = new Node(key);
			return true;
		}
	
		Node cur = root;
		Node parent = null;
		while (cur != null) {
			if (key == cur.key) {
				return false;
			} else if (key < cur.key) {
				parent = cur;
				cur = cur.left;
			} else {
				parent = cur;
				cur = cur.right;
			}
		}
		
		Node node = new Node(key);
		if (key < parent.key) {
			parent.left = node;
		} else {
			parent.right = node;
		}
		return true;
	}
	/**
	* 删除成功返回 true，失败返回 false
	* @param key
	* @return
	*/
	public boolean remove(int key) {
		Node cur = root;
		Node parent = null;
		while (cur != null) {
			if (key == cur.key) {
				break;
			} else if (key < cur.key) {
				parent = cur;
				cur = cur.left;
			} else {
				parent = cur;
				cur = cur.right;
			}
		}
		// 该元素不在二叉搜索树中
		if(null == cur){
			return false;
		}
		
		/*
		根据cur的孩子是否存在分四种情况
		1. cur左右孩子均不存在
		2. cur只有左孩子
		3. cur只有右孩子
		4. cur左右孩子均存在
		5. 
		看起来有四种情况，实际情况1可以与情况2或者3进行合并，只需要处理是那种情况即可
		除了情况4之外，其他情况可以直接删除
		情况4不能直接删除，需要在其子树中找一个替代节点进行删除
		*/
		// 请同学们根据上课掌握内容，完成删除的关键部分代码
		return true;
	}
}

二、哈希表

1. 概念

顺序结构以及平衡树中，元素关键码与其存储位置之间没有对应的关系，因此在查找一个元素时，必须要经过关键码的多次比较。顺序查找时间复杂度为O(N)，平衡树中为树的高度，即O( logN)，搜索的效率取决于搜索过程中元素的比较次数。

理想的搜索方法：可以不经过任何比较，一次直接从表中得到要搜索的元素。 如果构造一种存储结构，通过某种函数(hashFunc)使元素的存储位置与它的关键码之间能够建立一一映射的关系，那么在查找时通过该函数可以很快找到该元素。

当向该结构中：

• 插入元素
  根据待插入元素的关键码，以此函数计算出该元素的存储位置并按此位置进行存放
• 搜索元素
  对元素的关键码进行同样的计算，把求得的函数值当做元素的存储位置，在结构中按此位置取元素比较，若关键码相等，则搜索成功

该方式即为哈希(散列)方法，哈希方法中使用的转换函数称为哈希(散列)函数，构造出来的结构称为哈希表(HashTable)(或者称散列表)

例如： 数据集合{1，7，6，4，5，9}；
哈希函数设置为：hash(key) = key % capacity; capacity为存储元素底层空间总的大小。

用该方法进行搜索不必进行多次关键码的比较，因此搜索的速度比较快 问题：按照上述哈希方式，向集合中插入元素44，会出现什么问题？

2. 哈希冲突

不同关键字通过相同哈希函数计算出相同的哈希地址，该种现象称为哈希冲突或哈希碰撞

由于我们哈希表底层数组的容量往往是小于实际要存储的关键字的数量的，这就导致一个问题，冲突的发生是必然的，但我们能做的应该是尽量的降低冲突率。

3. 避免冲突

3.1 哈希函数设计

引起哈希冲突的一个原因可能是：哈希函数设计不够合理。
哈希函数设计原则：

• 哈希函数的定义域必须包括需要存储的全部关键码，而如果散列表允许有m个地址时，其值域必须在0到m-1之间
• 哈希函数计算出来的地址能均匀分布在整个空间中
• 哈希函数应该比较简单

常见哈希函数：

1. 直接定制法–(常用)
   取关键字的某个线性函数为散列地址：Hash（Key）= A*Key + B 优点：简单、均匀 缺点：需要事先知道关键字的分布情况 使用场景：适合查找比较小且连续的情况 比如题目：字符串中第一个只出现一次字符
2. 除留余数法–(常用)
   设散列表中允许的地址数为m，取一个不大于m，但最接近或者等于m的质数p作为除数，按照哈希函数：Hash(key) = key% p(p<=m),将关键码转换成哈希地址

3.2 负载因子调节（重点掌握）

负载因子和冲突率的关系粗略演示:

所以当冲突率达到一个无法忍受的程度时，我们需要通过降低负载因子来变相的降低冲突率。
已知哈希表中已有的关键字个数是不可变的，那我们能调整的就只有哈希表中的数组的大小。

4. 解决冲突

解决哈希冲突两种常见的方法：闭散列和开散列

4.1 闭散列（开放定址法）

闭散列：也叫开放定址法，当发生哈希冲突时，如果哈希表未被装满，说明在哈希表中必然还有空位置，那么可以把key存放到冲突位置中的“下一个” 空位置中去。那如何寻找下一个空位置呢？

（1） 线性探测
比如上面的场景，现在需要插入元素44，先通过哈希函数计算哈希地址，下标为4，因此44理论上应该插在该位置，但是该位置已经放了值为4的元素，即发生哈希冲突。

线性探测：从发生冲突的位置开始，依次向后探测，直到寻找到下一个空位置为止。

• 插入
  • 通过哈希函数获取待插入元素在哈希表中的位置
  • 如果该位置中没有元素则直接插入新元素，如果该位置中有元素发生哈希冲突，使用线性探测找到下一个空位置，插入新元素
  • 采用闭散列处理哈希冲突时，不能随便物理删除哈希表中已有的元素，若直接删除元素会影响其他元素的搜索。比如删除元素4，如果直接删除掉，44查找起来可能会受影响。因此线性探测采用标记的伪删除法来删除一个元素。

（2） 二次探测
线性探测的缺陷是产生冲突的数据堆积在一块，这与其找下一个空位置有关系，因为找空位置的方式就是挨着往后逐个去找，因此二次探测为了避免该问题，找下一个空位置的方法为： Hi= (H0 + i^2 )% m, 或者：Hi= (H0 - i^2)% m。其中：i = 1,2,3…， H0是通过散列函数Hash(x)对元素的关键码 key 进行计算得到的位置，m是表的大小。 对于2.1中如果要插入44，产生冲突，使用解决后的情况为：

研究表明：当表的长度为质数且表装载因子a不超过0.5时，新的表项一定能够插入，而且任何一个位置都不会被探查两次。因此只要表中有一半的空位置，就不会存在表满的问题。在搜索时可以不考虑表装满的情况，但在插入时必须确保表的装载因子a不超过0.5，如果超出必须考虑增容。

因此：闭散列最大的缺陷就是空间利用率比较低，这也是哈希的缺陷。

4.2 开散列/ 哈希桶（重点掌握）

开散列法又叫链地址法(开链法)，首先对关键码集合用散列函数计算散列地址，具有相同地址的关键码归于同一子集合，每一个子集合称为一个桶，各个桶中的元素通过一个单链表链接起来，各链表的头结点存储在哈希表中。
当数组长度超过64并且连边的长度超过8的时候，链表会变成红黑树。

5. 性能分析

虽然哈希表一直在和冲突做斗争，但在实际使用过程中，我们认为哈希表的冲突率是不高的，冲突个数是可控的，也就是每个桶中的链表的长度是一个常数，所以，通常意义下，我们认为哈希表的插入/删除/查找时间复杂度是O(1) 。

6. 和 Java类集的关系

1. HashMap 和 HashSet 即 java 中利用哈希表实现的 Map 和 Set
2. java 中使用的是哈希桶方式解决冲突的
3. java 会在冲突链表长度大于一定阈值后，将链表转变为搜索树（红黑树）
4. java 中计算哈希值实际上是调用的类的 hashCode 方法，进行 key 的相等性比较是调用 key 的 equals 方法。 所以如果要用自定义类作为 HashMap 的 key 或者 HashSet 的值，必须覆写 hashCode 和 equals 方法，而且要做到 equals 相等的对象，hashCode 一定是一致的。