算法分析：哈希表的大小为何是素数

1、问题分析

​ 最近看到了哈希表的问题，网上也看到了一些解释，不过并没有讲的很清楚，正好顺便来探讨一下，如有不足之处，还请指出。

​ 最简单的哈希算法可以用取模运算，模一般设置为素数，虽然很多书上讲使用素数能够减小冲突，但是并没有讲为什么会减小冲突，下面通过几个实例来说明一下。

2、实例分析

2.1 取模

​ 选取模为6，7

6为合数，有因子1，2，3，6

7为素数，有因子1，7

    我们看到，合数除了1与本身，还有其他的因子，所以我们考虑使用不同的因子来构造数列。

2.2 选取数列

​ 数列的选取很重要，之前看到有些文章将验证的数列间隔选为1，发现素数与合数并没有什么区别，这是因为素数与合数最大的区别不是间隔为1，我们首先看一下素数与合数的关键点：

• 素数只有两个因子，1和本身

• 合数至少有3个因子，1，本身，其他因子

• 素数与合数有公因子1

​ 看到这里，我们可以做这样的一个假设，取模运算的冲突与因子相关，但是具体是如何相关呢，我们后面来实际验证一下，首先验证一下与因子相关；

数列1（因子2）：

​ 1，3，5，7，9，11，13，15，17

数列2（因子2）：

​ 2，4，6，8，10，12，14，16，18

数列3（因子3）：

​ 1，4，7，10，13，16，19，22，25，28

数列4（因子6）：

​ 1，7，13，19，25，31，37，43，49

数列5（因子7）：

​ 1，8，15，22，29，36，43，50，57

​ 上面我们根据6，7的因子，取了5个数列，数列1与数列2取因子2，分别用奇偶数表示，用来验证因子与取模运算是否是相关的；

​ 然后再取后面的3个数列，验证另一个假设，数列的分布以因子为间隔。

2.3 检验

数列1 => 取模6

余数	0	1	2	3	4	5
哈希表		1		3		5
哈希表		7		9		11
哈希表		13		15		17

2是6的因子，数列1产生了冲突

​ 上面我们通过取模运算，发现如果待存数据如果是以2为间隔的话，那么取模6就会有很多冲突，分布不均匀，0，2，4都没有存储，1，3，5冲突很多；

---

数列1 => 取模7

余数	0	1	2	3	4	5	6
哈希表	7	1	9	3	11	5	13
哈希表		15		17		19

2不是7的因子，数列1分布均匀

​ 然后通过将模取为7，发现同样的数列1，这时候冲突减少，并且分布均匀，因为我们取的是奇数列，再使用偶数列验证是否是这样；

---

数列2 => 取模6

余数	0	1	2	3	4	5
哈希表	6		2		4
哈希表	12		8		10
哈希表	18		14		16

2为6的因子，分布不均匀

---

数列2 => 取模7

余数	0	1	2	3	4	5	6
哈希表	14	8	2	10	4	12	6
哈希表			16		18

2不是7的因子，分布均匀

​ 通过上面的取模运算，我们发现，因子确实会影响数列的冲突，并且冲突的间隔就是因子大小，下面再通过其他数列，看一下是否是这样；

数列3 => 取模6

余数	0	1	2	3	4	5
哈希表		1			4
哈希表		7			10
哈希表		13			16
哈希表		19			22
哈希表		25			28

3是6的因子，分布不均匀

---

数列3 => 取模7

余数	0	1	2	3	4	5	6
哈希表	7	1	16	10	4	19	13
哈希表	28	22			25

3不是7的因子，分布均匀

---

数列4 => 取模6

余数	0	1	2	3	4	5
哈希表		1
哈希表		7
哈希表		13
哈希表		19
哈希表		25
哈希表		31
哈希表		37
哈希表		43
哈希表		49

6是6的因子，分布不均匀，分部间隔为6

---

数列4 => 取模7

余数	0	1	2	3	4	5	6
哈希表	7	1	37	31	25	19	13
哈希表	49	43

6不是7的因子，分布均匀

---

数列5 => 取模6

余数	0	1	2	3	4	5
哈希表	36	1	8	15	22	29
哈希表		43	50	57

7不是6的因子，分布均匀

---

数列5 => 取模7

余数	0	1	2	3	4	5	6
哈希表		1
哈希表		8
哈希表		15
哈希表		22
哈希表		29
哈希表		36
哈希表		43
哈希表		50
哈希表		57

7是7的因子，分布不均匀，分布间隔为7

3、结论

​ 根据上面的结果，我们来分析一般性结论：

​ 哈希表中的分布按照数列的间隔进行分隔，如果数列的间隔恰好整除模，也就是模的因子，那么就会哈希表的分布就会产生间隔，恰好是数列的间隔。

​ 由此得到下面的结论：

• 如果有一个数列s，间隔为1，那么不管模数为几，都是均匀分布的，因为间隔为1是最小单位

• 如果一个数列s，间隔为模本身，那么在哈希表中的分布仅占有其中的一列，也就是处处冲突

• 数列的冲突分布间隔为因子大小，同样的随机数列，因子越多，冲突的可能性就越大

  通过上面的分析，现在就很明确了，如果给我们随机的数列放到哈希表中，如何保障它能尽量减少冲突呢，就需要模的因子最少，而因子最少的就是素数了，这就是为什么哈希表取模为素数的原因了。