哈希（Hash）

一、哈希表

        哈希表，也称为散列表，是一种数据结构，它利用散列函数将关键码值（通常是数据的某个特征）映射到表中一个位置来访问记录，这样可以加快查找和插入的速度。

怎么去理解呢？举个简单的例子：

假设现在有个数组a如下：

7

12

3

4

8

5

20

9

6

1

这是一个长度为10的数组，如果我们要查找key = 4是否存在数组a中，原始方法为：

#include <stdio.h>

int a[10] = {7,12,3,4,8,5,20,9,6,1};

int find_key(int a[], int n, int key){
    for(int i = 0; i < n; i++){
        if(key = a[1]){
            return 1；
        }
    }
    return 0;
}

        这种方式虽然简单直接，但是效率很低，如果数组长度为100，1000甚至10000呢，而且如果要同时查找多个数的话，如：

int main()
{
    int a[] = {7,12,3,4,8,5,20,9,6,1};
    //循环查找1,2,3到10，这十个数字是否存在于数值中
    for(int i = 1; i <=10; i++)
    {
        if(find key(a, 10, i)){
            printf('%d is in array.\n', i);
        }
        else{
            printf('%d is not in array.\n', i);
        }
    }
    return 0;
}

         从数组中判断1,2,3到10这10个数字是否存在，每次都需要调用find_key函数，都要比较n次，查询的时间复杂度为O(n),结合查询次数也为n，整体的复杂度就是O(n*2)

        那是否存在一种算法，每次查找的复杂度都为常数级0(1),也就是查找效率与待查表中的元素数量是无关的，这种方法就是哈希表：

关于 哈希表的实现方法我们可以举个例子：

定义数值：a[100] = {0}

使用数组下标记录元素是否存在以及出现次数：
如：a[1] = 1,则1出现了一次

table：

数组参数	0	0	0	0	0	0	0	0	0	0	0	0	...	0
下标	1	2	3	4	5	6	7	8	9	10	11	12	...	100

代码实现：

//建立哈希表的函数
void create_hash(int a[], int n, int table[])
{
	//循环遍历数组a中的所有元素
	for (int i = 0; i < n; i++)
	{
		//通过a[i]中的元素对应table数组的下标，并使其参数++
		table[a[i]]++;
	}
}
int main()
{
	int a[] = { 7,12,3,5,8,5,12,12,6,1 };
	//创建哈希表
	int table[100] = { 0 };
	create_hash(a, 10, table);

    //完成哈希表建立，遍历数组
	for (int i = 0;i < 100; i++)
	{
        //如果参数大于0则说明数组a出现过
		if (table[i] > 0)
		{
			printf("%d appear %d times.\n", i, table[i]);
		}
}

数组参数	1	0	1	0	2	1	1	1	0	0	0	3	...	0
下标	1	2	3	4	5	6	7	8	9	10	11	12	...	100

代码2：查找哈希表中是否存在key值

int find_key(int table[], int key)
{
	return table[key] != 0;
}
int main()
{
	int a[] = { 7,12,3,4,8,5,20,9,6,1 };
	//创建哈希表
	int table[100] = { 0 };
	create_hash(a, 10, table);

	for (int i = 0;i < 100; i++)
	{
		if (find_key(table, i))
		{
			printf("%d is in a.\n", i );
		}
		else
		{
			printf("%d is not in a.\n", i);
		}
	}
}

二、哈希函数

         以上实例参数类型都为int，如果要使用浮点型，对象等更复杂的数据类型，这需要使用到哈希函数，它通过设计将输入数据映射到固定大小的输出值，这个过程通常被称为散列。

意思就是将数据转换为哈希表长范围内的整数，将这个整数作为数组下标，访问哈希表。

如字符串的哈希函数：

#define MAX_TABLE_LEN 100

int string_func(const char* key)
{
	int sum = 0;
	while (*key)//遍历字符串
	{
		sum += *key;//将字符对应的ASCII表的数相加
		key++;
	}
	return sum % MAX_TABLE_LEN;//取余表长的到哈希值
}

如字符串‘hello’，每个字符对应的ASCII码值相加为：h: 104 e: 101 l: 108 l: 108 o: 111

总和为：532

假如表长为100（数组a长度100），532%100 = 32

得到下表为：32

数组参数	0	0	0	0	0	0	0		0	0	...	1	...	0
下标	1	2	3	4	5	6	7	8	9	10	...	32	...	100

还有其他常见实用的哈希函数，简单了解：

1. MD5：数据填充：首先对输入的数据进行填充，确保其长度满足特定条件。具体来说，原始数据会被加上一个特定的值（通常是128位的长度字段和一个64位的初始值），使得填充后的数据长度模512的余数为448。分组处理：将填充后的数据分割成512位（64字节）的小组，每个小组再细分为16个32位的子组。压缩函数：针对每个子组，应用一系列位操作和模运算，这包括逻辑函数、加常数等操作。这些操作的结果会进一步参与下一轮的操作。输出生成：将上述过程中产生的16个32位的中间结果累加，最终得到一个128位的散列值。
2. SHA-1：它可以产生一个160位的散列值。与MD5相比，它提供了更长的散列值，但同样由于安全性问题

还有SHA-256、SHA-3等

        需要注意的是，为了避免内存资源的浪费，我们制定表长时合理制定。

设定哈希表长度的通用指导原则：

• 避免频繁扩容：哈希表的长度通常是固定的，且在存储数据前应预先确定。合理的大小能够减少因频繁扩容造成的性能损耗。
• 减少哈希冲突：理想情况下，哈希表的大小应当足够大，以减少数据项之间的冲突，从而提高存取效率。
• 空间利用率：同时，过大的哈希表会浪费内存空间。因此，大小选择需要平衡冲突率与空间使用率，确保高效利用内存资源。
• 素数选择：通常建议将哈希表的大小设为一个素数，因为当哈希表的总长度为素数时，能够帮助分散哈希值，降低冲突的可能性。

所以对于超出表长的哈希值，我们同样可以进行取余

二、哈希冲突

        从上面的例子我们可以发现一个问题，字串串‘hello’和整形532，或者字符串‘hello’和‘helol’，他们经过哈希函数得到的哈希值都是相同的，映射到同一个数组下标。这不就冲突了吗？

        这就是哈希冲突，即不同的数据项通过同一个哈希函数产生了相同的哈希值，从而映射到哈希表中相同的位置。

        解决冲突的方法有多种，常见的比如开放地址法，链地址法等，简单解释：

1. 开发地址法：如果两个键的哈希值相同，那么后插入的元素会查找哈希表中下一个空闲的位置，查找的过程通常是线性探测（单向寻找）、二次探测（前后寻找）或双重散列。
2. 链地址法： 将每个哈希表的槽位作为一个链表的头结点。当发生冲突时，具有相同哈希值的元素会被添加到相应槽位的链表中。

总结，哈希算法出了可以快速查找，还有其他实用的地方：

1. 安全加密：哈希算法在安全加密领域得到了广泛应用。例如，用户密码的存储通常会使用MD5或SHA等哈希函数进行加密，由于其不可逆的特性，即使数据被盗取，也难以破解原始密码，从而保障了安全性。
2. 唯一标识：哈希算法能够将数据映射为固定长度的字符串，这可以用来生成数据的唯一标识。例如，通过MD5处理URL或图片字段，可以得到32位长度的唯一标识，这有助于数据库索引构建和查询，以及快速判定重复文件等场景。
3. 数据校验：在网络上下载文件时，常常会用到MD5值来校验数据的完整性。这样可以避免数据在传输过程中被篡改或劫持，确保用户下载到的文件是完整且未经修改的。
4. 散列函数：在编程实践中，哈希算法常用于构建哈希表等数据结构，以实现快速的查找和访问。通过哈希函数将键转换为数组索引，可以快速定位到相应的值。
5. 区块链技术：区块链的底层原理之一就是哈希算法。在区块链中，哈希算法用于确保每个区块的唯一性和完整性，同时也连接着区块链中的前后区块，形成了一个不可篡改的链条。