hash算法及其原理

最新推荐文章于 2024-07-23 22:06:37 发布

代码两年半

最新推荐文章于 2024-07-23 22:06:37 发布

阅读量2.2k

点赞数 53

文章标签：哈希算法算法

本文链接：https://blog.csdn.net/weixin_59901173/article/details/137224088

版权

hash算法及其原理

先从unordered系列关联式容器说起，后续再看下它们的底层结构hash

文章目录

hash算法及其原理
前言
一、unordered系列关联式容器
- 1.unordered_map
- 2.unordered_set
二、底层结构
总结

前言

在C++98中，STL提供了底层为红黑树结构的一系列关联式容器，在查询时效率可达到 $log_2 N$ ，即最差情况下需要比较红黑树的高度次，当树中的节点非常多时，查询效率也不理想。最好的查询是进行很少的比较次数就能够将元素找到，因此在C++11中，STL又提供了4个unordered系列的关联式容器，这四个容器与红黑树结构的关联式容器使用方式基本类似，只是其底层结构同，本文中对unordered_map和unordered_set进行简单介绍了解，并对哈希结构原理详解。

一、unordered系列关联式容器

1.unordered_map

unordered_map是存储<key, value>键值对的关联式容器，其允许通过keys快速的索引到与其对应的value。
在unordered_map中，键值通常用于惟一地标识元素，而映射值是一个对象，其内容与此键关联。键和映射值的类型可能不同。
在内部,unordered_map没有对<kye, value>按照任何特定的顺序排序, 为了能在常数范围内找到key所对应的value，unordered_map将相同哈希值的键值对放在相同的桶中。
unordered_map容器通过key访问单个元素要比map快，但它通常在遍历元素子集的范围迭代方面效率较低。
unordered_maps实现直接访问操作符(operator[ ])，它允许使用key作为参数直接访问value。
它的迭代器至少是前向迭代器。

2.unordered_set

参见unordered_map具体接口以及unordered_set在线文档说明

二、底层结构

unordered系列的关联式容器之所以效率比较高，是因为其底层使用了哈希结构。

1.hash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( $log_2 N$ )，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(Hash Table)(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。

在这里插入图片描述
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

2.hash冲突

对于两个数据元素的关键字 $k_i$ 和 $k_j$ (i != j)，有 $k_i$ != $k_j$ ，但有：Hash( $k_i$ ) ==Hash( $k_j$ )，即：不同关键字通过相同哈希哈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。
例如：在上述1.的图中，如果在插入关键字44时，通过哈希函数计算的hash(key)为4，可是在"4"这个位置已经插入了数字4，造成冲突。

3.hash函数

引起哈希冲突的一个原因可能是：哈希函数设计不够合理。
1）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

2）常见哈希函数：

直接定址法–(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
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
平方取中法
设关键字为1234，对它平方就是1522756，抽取中间的3位227作为哈希地址；再比如关键字为4321，对它平方就是18671041，抽取中间的3位671(或710)作为哈希地址平方取中法。
比较适合：不知道关键字的分布，而位数又不是很大的情况
折叠法
折叠法是将关键字从左到右分割成位数相等的几部分(最后一部分位数可以短些)，然后将这几部分叠加求和，并按散列表表长，取后几位作为散列地址。
折叠法适合事先不需要知道关键字的分布，适合关键字位数比较多的情况
随机数法
选择一个随机函数，取关键字的随机函数值为它的哈希地址，即H(key) = random(key),其中random为随机数函数。
通常应用于关键字长度不等时采用此法
注意：哈希函数设计的越精妙，产生哈希冲突的可能性就越低，但是无法避免哈希冲突

4.hash冲突的解决

解决哈希冲突两种常见的方法是：闭散列和开散列

1）闭散列

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？
代码如下（示例）：

线性探测

比如二.1中的场景，现在需要插入元素44，先通过哈希函数计算哈希地址，Hash(key)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
删除
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。

// 哈希表每个空间给个标记
// EMPTY此位置空， EXIST此位置已经有元素， DELETE元素已经删除
enum State{EMPTY, EXIST, DELETE};

线性探测的实现

代码如下（示例）：

// 注意：假如实现的哈希表中元素唯一，即key相同的元素不再进行插入
// 为了实现简单，此哈希表中我们将比较直接与元素绑定在一起
template<class K, class V>
class HashTable
{
  struct Elem
 { 
    pair<K, V> _val;
    State _state;
 };
 
public:
  HashTable(size_t capacity = 3)
   : _ht(capacity), _size(0)
 {
    for(size_t i = 0; i < capacity; ++i)
      _ht[i]._state = EMPTY;
 }
 
 bool Insert(const pair<K, V>& val)
 {
   // 检测哈希表底层空间是否充足
   // _CheckCapacity();
   size_t hashAddr = HashFunc(key);
   // size_t startAddr = hashAddr;
   while(_ht[hashAddr]._state != EMPTY)
   {
     if(_ht[hashAddr]._state == EXIST && _ht[hashAddr]._val.first== key)
       return false;
    
     hashAddr++;
     if(hashAddr == _ht.capacity())
       hashAddr = 0;
     /*
     // 转一圈也没有找到，注意：动态哈希表，该种情况可以不用考虑，哈希表中元
素个数到达一定的数量，哈希冲突概率会增大，需要扩容来降低哈希冲突，因此哈希表中元素是
不会存满的
     if(hashAddr == startAddr)
       return false;
     */
   }
  
   // 插入元素
   _ht[hashAddr]._state = EXIST;
   _ht[hashAddr]._val = val;
   _size++;
   return true;
 }
 int Find(const K& key)
  {
   size_t hashAddr = HashFunc(key);
   while(_ht[hashAddr]._state != EMPTY)
   {
     if(_ht[hashAddr]._state == EXIST && _ht[hashAddr]._val.first== key)
       return hashAddr;
    
     hashAddr++;
   }
   return hashAddr;
 }
 bool Erase(const K& key)
 {
   int index = Find(key);
   if(-1 != index)
   {
     _ht[index]._state = DELETE;
     _size++;
     return true;
   }
   return false;
 }
 size_t Size()const;
 bool Empty() const;  
 void Swap(HashTable<K, V, HF>& ht);
private:
	size_t HashFunc(const K& key)
	{
	   return key % _ht.capacity();
	}
private:
	  vector<Elem> _ht;
	  size_t _size;
};

线性探测优点：实现非常简单，
线性探测缺点：一旦发生哈希冲突，所有的冲突连在一起，容易产生数据“堆积”，即：不同关键码占据了可利用的空位置，使得寻找某关键码的位置需要许多次比较，导致搜索效率降低。

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： $H_i$ =( $H_0$ + $i^2$ )% m, 或者： $H_i$ = ( $H_0$ - $i^2$ )% m。其中：i =1,2,3…， $H_0$ 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。

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：比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。

2）开散列

开散列概念
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。
从上图可以看出，开散列中每个桶中放的都是发生哈希冲突的元素。
开散列实现

代码如下（示例）：

	//定义的仿函数，因为不确定要插入哈希桶中的值类型是什么
	template<class K>
	struct HashFunc
	{
		size_t operator()(const K& key)
		{
			return key;
		}
	};

	template<>
	struct HashFunc<string>
	{
//根据BKDR hash算法将string字符串，转换为特定数字
/// @brief BKDR Hash Function  
// @detail 本算法由于在Brian Kernighan与Dennis Ritchie的《The C Programming 
//Language》一书被展示而得 名，是一种简单快捷的hash算法，
//也是Java目前采用的字符串的Hash算法（累乘因子为31）。
		size_t operator()(const string& key)
		{
			size_t hash = 0;
			for (auto e : key)
			{
				hash *= 31;
				hash += e;
			}
			return hash;
		}
	};
	template<class T >
	struct HashNode
	{
		HashNode<T>* _next;
		T _data;
		HashNode(const T& data)
			:_next(nullptr)
			, _data(data)
		{}
	};
	// 本文所实现的哈希桶中key是唯一的
	template<class K, class T,class KeyOfT,class Hash = HashFunc<K>>
	class HashTable
	{
		typedef HashNode<T> Node;
	public:
		HashTable()
		{
			_tables.resize(10);
		}
		~HashTable()
		{
			for (size_t i = 0; i < _tables.size(); i++)
			{
				Node* cur = _tables[i];
				while (cur)
				{
					Node* next = cur->_next;
					delete(cur);
					cur = next;
				}
				_tables[i] = nullptr;
			}
		}
		// 哈希桶中的元素不能重复
		bool Insert(const T& data)
		{
			Hash hf;
			KeyOfT kot;
			//控制哈希桶中的元素不能重复
			if (Find(kot(data)))
				return false;
			//确认是否需要扩容
			if (_n == _tables.size())
			{
				vector<Node*> newTables;
				newTables.resize(_tables.size() * 2, nullptr);
				for (size_t i = 0; i < _tables.size(); i++)
				{
					Node* cur = _tables[i];
					while (cur)
					{
						Node* next = cur->_next;
						size_t hashi = hf(kot(cur->_data)) % newTables.size();

						cur->_next = newTables[hashi];
						newTables[hashi] = cur;
						cur = cur->_next;
					}
					_tables[i] = nullptr;
				}
				_tables.swap(newTables);
			}
			//计算元素所在的桶号
			size_t hashi = hf(kot(data)) % _tables.size();
			Node* newnode = new Node(data);
			//采用头插方式进行插入
			newnode->_next = _tables[hashi];
			_tables[hashi] = newnode;
			++_n;
			return true;
		}
		//查找哈希桶中的data
		Node* Find(const K& key)
		{
			Hash hf;
			KeyOfT kot;
			size_t hashi = hf(key) % _tables.size();
				Node* cur = _tables[hashi];
				while (cur)
				{
					if (kot(cur->_data) == key)
					{
						return cur;
					}
					else
					{
						cur = cur->_next;
					}
				}
			return nullptr;
		}
		//删除哈希桶中的data
		bool erase(const K& key)
		{
			Hash hf;
			KeyOfT kot;
			size_t hashi = hf(key) % _tables.size();
			Node* prve = nullptr;
			Node* cur = _tables[hashi];
			while (cur)
			{
				if (kot(cur->_data) == key)
				{
					if (prve == nullptr)
					{
						_tables[hashi] = cur->_next;
						return true;
					}
					prve->_next = cur->_next;
					delete cur;
					return true;
				}
				prve = cur;
				cur = cur->_next;
			}
			return false;
		}
	private:
		vector<Node*> _tables; //采用vector来定义哈希表
		size_t _n =0; // 哈希表中有效元素的个数
	};

开散列纵容

桶的个数是一定的，随着元素的不断插入，每个桶中元素的个数不断增多，极端情况下，可能会导致一个桶中链表节点非常多，会影响的哈希表的性能，因此在一定条件下需要对哈希表进行增容，那该条件怎么确认呢？开散列最好的情况是：每个哈希桶中刚好挂一个节点，再继续插入元素时，每一次都会发生哈希冲突，因此，在元素个数刚好等于桶的个数时，可以给哈希表增容。

代码如下（示例）：

//如上所述，当负载因子等于1时，即在元素个数刚好等于桶的个数时，哈希表进行增容操作
			if (_n == _tables.size()) //_n哈希桶中有效元素个数
			{
				vector<Node*> newTables;//创建一个新的vector<Node*> 对象
				newTables.resize(_tables.size() * 2, nullptr);//将大小扩至原来的2呗
				for (size_t i = 0; i < _tables.size(); i++)//遍历旧表
				{
					Node* cur = _tables[i];
					while (cur)
					{
						Node* next = cur->_next;
						size_t hashi = hf(kot(cur->_data)) % newTables.size();
				//将旧表中的有效元素一个一个的搬移到新表
						cur->_next = newTables[hashi];
						newTables[hashi] = cur;
						cur = cur->_next;
					}
					_tables[i] = nullptr;
				}
				_tables.swap(newTables);//新旧表进行交换
			}

开散列纵容

用链地址法处理溢出，需要增设链接指针，似乎增加了存储开销。事实上：由于开地址法必须保持大量的空闲空间以确保搜索效率，如二次探查法要求装载因子a <=0.7，而表项所占空间又比指针大的多，所以使用链地址法反而比开地址法节省存储空间。

还有关于用自己实现的这个哈希表去模拟实现 unordered_set和 unordered_map，以及在哈希表中加入迭代器，这个再重新来一篇文章再写吧

总结

以上内容简单介绍了unordered_map和unordered_set以及它们的底层结构hash结构，同时完成了开散列的代码实现，下次用这个写好的开散列去实现一下我们自己的unordered_map和unordered_set。

代码两年半

关注

53
点赞
踩
34

收藏

觉得还不错? 一键收藏
0
评论
hash算法及其原理

在C++98中，STL提供了底层为红黑树结构的一系列关联式容器，在查询时效率可达到log2Nlog_2Nlog2N，即最差情况下需要比较红黑树的高度次，当树中的节点非常多时，查询效率也不理想。最好的查询是进行很少的比较次数就能够将元素找到，因此在C++11中，STL又提供了4个unordered系列的关联式容器，这四个容器与红黑树结构的关联式容器使用方式基本类似，只是其底层结构同，本文中对unordered_map和unordered_set进行简单介绍了解，并对哈希结构原理详解。
复制链接

扫一扫