1.哈希概念
顺序结构以及平衡树中,元素关键码与其存储位置没有对应关系,因此在查找一个元素时,必须要经过关键码的多次查找。顺序查找时间复杂度为O(N),平衡树中为树的高度即O(log N),搜索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想要搜索的元素。
如果构造一种存储结构,通过某种函数(hashFunc)使元素的存储位置以及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经行存放
搜索元素
对元素的关键码经行同样的计算,把球的的函数当作元素的存放位置,在结构中按此位置取元素比较,若取关键码相同,则搜索成果
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或者散列表
例如:数据集合{1,7,6,4,5,9};
哈希函数设置为:hash(key) = key % capacity capacity = 10
用该方法经行搜索不必经行多次关键码的比较,因此搜索的速度比较快
2.哈希冲突
对于两个元素数据元素的关键字ki,kj 有ki != kj 但是:hash(ki) == hash(kj)
即不同的关键字通过哈希计算出相同的哈希地址,这种现象称为哈希冲突或哈希碰撞
把具有不同的关键码而具有相同的哈希地的元素数据称为“同义词”
3.哈希函数
引起哈希冲突的一个原因可能是:哈希函数设计的不够合理
哈希函数设计原则
a. 哈希函数的定义域必须包含所需要的存储的关键码,而如果散列表允许有m个地址时,其值域必须在0~m-1之间
b. 哈希函数计算出来的地址能均匀分布在整个空间中
c. 哈希函数应该比较简单
常见的哈希函数
1. 直接地址法
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
2. 除留余数法
设散列函数中允许的地址为m,取一个不大于m,但最接近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. 平方取中法
假设关键字为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
使用场景:不知道关键字的分布,而位数又不是很大的情况
4. 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。
使用场景: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
5. 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。
使用场景:通常应用于关键字长度不等时
6. 数学分析法
设有n个d位数,每一位可能有r种不同的符号,这r种不同的符号在各位上出现的频率不一定 相同,可能在某些位上分布比较均匀,每种符号出现的机会均等,在某些位上分布不均匀只 有某几种符号经常出现。可根据散列表的大小,选择其中各种符号分布均匀的若干位作为散列地址。
例如:
使用场景:处理关键字位数比较大的情况,如果事先知道关键字的分布且关键字的若干位分布较均匀的情况
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.哈希冲突解决
解决哈希冲突的常见方法时:闭散列和开散列
4.1 闭散列
闭散列也叫开放地址法,当发生哈希冲突时,如果哈希表未被装满,说明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。
寻找下一个空位置的方法
4.1. 线性探测
比如,在1中的场景,现在需要插入数据44 ,先通过hashAddr为4,因此44理论上应该插在该位置,但该位置已经插入了4,即发生了哈希冲突
线性探测:从发生冲突的位置开始,依次向后探测,知道寻找到下一个空位置为止。
4.1.1 插入
通过哈希函数获取待插入元素在哈希表中的元素位置
如果该位置没有元素直接插入新元素,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。
4.1.2 删除
采用闭散列出列哈希冲突时,不能随便物理删除哈希表中已有的元素,若直接删除会影响其他元素的搜索
//哈希表每个位置标记
// EMPTY表示空,EXIST表示有元素,DELETE表示删除
enum state
{
EMPTY, EXIST, DELETE
};
4.1.3线性探测的实现
template<class K>
struct HashFunc
{
size_t operator()(const K& key)
{
return (size_t)key;
}
};
template<>
struct HashFunc <string>
{
size_t operator()(const string& str)
{
size_t hash = 0;
for (auto& ch : str)
{
hash *= ch * 131;
hash += ch;
}
return hash;
}
};
template<class K, class V, class Hash = HashFunc<K>>
class HashTable
{
public:
HashTable()
{
_tables.resize(10);
}
bool Insert(const pair<K, V>& kv)
{
if (Find(kv.first)) return false;
//扩容
if (_n * 10 / _tables.size() >= 7)
{
HashTable<K, V, Hash> newHT;
newHT._tables.resize(_tables.size() * 2);
//重新映射新数据
for (int i = 0; i < _tables.size(); ++i)
{
if (_tables[i]._state == EXIST)
{
newHT.Insert(_tables[i]._kv);
}
}
_tables.swap(newHT._tables);
}
// 线性探测
Hash hs;
size_t hashi = hs(kv.first) % _tables.size();
while (_tables[hashi]._state == EXIST)
{
hashi++;
hashi %= _tables.size();
}
_tables[hashi]._kv = kv;
_tables[hashi]._state = EXIST;
++_n;
return true;
}
HashData<K, V>* Find(const K& key)
{
Hash hs;
size_t hashi = hs(key) % _tables.size();
// 线性探测
while (_tables[hashi]._state != EMPTY)
{
if (_tables[hashi]._kv.first == key && _tables[hashi]._state == EXIST)
return &_tables[hashi];
hashi++;
hashi %= _tables.size();
}
return nullptr;
}
bool Erase(const K& key)
{
HashData<K, V>* ret = Find(key);
if (ret)
{
ret->_state = EMPTY;
--_n;
return true;
}
else return false;
}
private:
vector<HashData<K, V>> _tables;
size_t _n = 0;
};
哈希因子
散列表的载荷因子的定义为 a = 填入表中元素个数 / 散列表长的
a是散列表装满程度的标志因子。由于表长是定值,a与“填入表中元素为”成正比,所以,a越大,标明填入表中元素越多。产生冲突可能性越大;反之,a越小,表明填入表中元素越少,产生冲突可能性越小。
实际上,散列表的平均查找长的是载荷因子a的函数,只是不同处理冲突的方法有不同的函数。
线性探测的优缺点
优点:实现非常简单。
缺点:一旦发生哈希冲突,所有冲突连在一起,容易产生数据“堆积”,即:不同关键码占据了可用的空间位置,使得寻找某些关键码需要多次比较,导致搜索效率降低。
4.2. 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:
hash (key, i) = (hash (key) + i^2) % table_size
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
4.2.1开散列的概念
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。
4.2.2开散列的实现
template<class K>
struct HashFunc
{
size_t operator()(const K& key)
{
return (size_t)key;
}
};
template<>
struct HashFunc <string>
{
size_t operator()(const string& str)
{
size_t hash = 0;
for (auto& ch : str)
{
hash *= ch * 131;
hash += ch;
}
return hash;
}
};
template<class K, class V>
class HashData
{
HashData(const pair<K, V>& kv)
:_kv(kv)
{}
pair<K, V> _kv;
HashData<K, V>* _next = nullptr;
};
template<class K, class V, class Hash = HashFunc<K>>
class HashTable
{
typedef HashData<K, V> Node;
public:
HashTable()
{
_tables.resize(10, nullptr);
}
bool Insert(const pair<K, V>& kv)
{
if (Find(kv.first)) return false;
//扩容
if (_n == _tables.size)
{
HashTable<K, V, Hash> newHT;
newHT._tables.resize(2 * _tables.size(), nullptr);
for (int i = 0; i < _tables.size(); ++i)
{
Node* cur = _tables[hashi];
while (cur)
{
size_t hashi = hs(cur->_kv.first) & newHT._tables.size();
Node* next = cur->_next;
cur->_next = newHT._tables[hashi];
newHT._tables[hashi] = cur;
cur = next;
}
_tables[i] = nullptr;
}
}
Node* newnode = new Node(kv);
Hash hs;
size_t hashi = hs(kv.first) % _tables.capacity();
//头插
newnode->_next = _tables[hashi];
_tables[hashi] = newnode;
_n++;
return true;
}
bool Erase(const K& key)
{
Hash hs;
size_t hashi = hs(key) % _tables.size();
Node* parent = nullptr;
Node* cur = _tables[hashi];
while (cur)
{
if (cur->_kv.first == key)
{
if (parent == nullptr) _tables[hashi] = cur->_next;
else parent->_next = cur->_next;
delete cur;
return true;
}
else
{
parent = cur;
cur = cur->_next;
}
}
return false;
}
Node* Find(const K& key)
{
Hash hs;
size_t hashi = hs(key) % _tables.size();
Node* cur = _tables[hashi];
while (cur)
{
if (cur->_kv.first == key)
{
return cur;
}
else cur = cur->_next;
}
return false;
}
private:
vector<Node*> _tables; //指针数组
size_t _n = 0;
};
4.2.3开散列的扩容
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。
开散列与闭散列的比较
应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。
//扩容
if (_n == _tables.size)
{
HashTable<K, V, Hash> newHT;
newHT._tables.resize(2 * _tables.size(), nullptr);
for (int i = 0; i < _tables.size(); ++i)
{
Node* cur = _tables[hashi];
while (cur)
{
size_t hashi = hs(cur->_kv.first) & newHT._tables.size();
Node* next = cur->_next;
cur->_next = newHT._tables[hashi];
newHT._tables[hashi] = cur;
cur = next;
}
_tables[i] = nullptr;
}
}