《数据结构与算法之美》专栏阅读笔记5——散列表和哈希函数

这应该是看完最呆（没有想到的那种呆~）的一个小章节了，给作者鼓掌，讲的好好。果然抽象能力才是王道

1、散列表

核心：散列表用的是数组支持按照下标随机访问数据的特性。
这个例子举的好好~不抄了，粘原文，重点是下面的亮条条（广告

跟着学了几个排序算法后，此时此刻看到散列表想到的是计数排序呢，因为都是想着法儿地给元素和数组下标搞关系。

1.1、小概念

• 键：也叫关键字，就是最终放到数据结构中的元素啦
• 散列函数：也叫哈希函数。算命先生，告诉键应该去数组的哪个坑里蹲着
• 散列值：也叫哈希值。键蹲的那个坑

1.2、散列函数

如果把元素都对应到了数组中，查找的时间复杂度就是O(1)，看着很酷呢~
散列函数需要满足三点基本要求：

• 散列函数计算得到的散列值是一个非负整数
• 如果key1 = key2，那么hash(key1) = hash(key2)
• 如果key1 != key2，那么hash(key1) != hash(key2)
  （补充一条：简单不烧脑更好）

1.3、散列冲突

实际中，比较难满足第三点要求，当存在key1 != key2，hash(key1) = hash(key2)时称作散列冲突。解决散列冲突常见的两种办法：

• 开放寻址法
  思路：出现冲突就重新探测空闲可用的位置来存储数据。一种简单的线性探测方法如下。

删除操作：因为使用开放寻址法的时候，key相同的数据存储在同一个位置（但是我们不晓得是有几个相同的数据存储在这一份数据中），所以删除的时候不能直接删，而是标记位deleted，避免被寻址覆盖了。（会有很多的空间浪费吧~不环保，差评！）

【性能分析】因为算完还需要找合适的位置，最坏的情况可能需要挨个儿找一遍，O(n)啦

【更好的办法】
二次探测：探测步长变成n^2。
双重散列：使用一组散列函数，挨个算，知道有一个函数算出来没被占用的位置为止（这组散列函数应该很不容易吧）

• 链表法
  思路：将散列值相同的元素用链表存起来，数组里存储的是这个链表的头的信息。

1.4、装载因子

装载因子可以用来表示数组中空位的多少，装在因子越大，说明空闲位置越少，冲突越多，散列表性能会下降。

load factor = 填入表中的元素的个数 / 散列表长度

2、实际应用中的散列表注意事项

2.1、散列函数的设计原则

• 不能太复杂，避免消耗太多的计算时间
• 生成的散列值要尽可能随机并且均匀分布

2.2、装载因子过大

动态扩容。

散列表的扩容需要重新计算哈希位置，搬移数据。装载因子特别小时，如果对空间消耗敏感，还可以动态缩容。

2.3、如何避免低效地扩容

避免一次性扩容，将新数据插入新的散列表的过程中搬移旧数据到新的散列表

2.4、解决冲突的方案选择

【开放寻址法】

• 优点
  数据存储在数组中，可以利用CPU缓存加快查询速度。
  序列化相对简单
• 缺点
  删除数据比较麻烦，更浪费内存空间。
• 适用场景
  数据量比较小，装载因子小

【链表法】

• 优点
  内存利用率高
  对大装载因子的容忍度更高
• 缺点
  消耗内存
  非连续存储，对CPU缓存不友好。可以通过使用其他数据结构来替代链表优化效率

• 适用场景
  存储大对象、大数据量的散列表

2.5、设计一个工业级的散列函数

像这种要考虑很多方面的问题，大致都只能给个方针啥的，作者给的，我抄过来啦~遇到的时候还能回来翻翻看：

一个工业级的散列表需要满足以下要求：

• 支持快速的查询、插入、删除操作
• 内存占用合理，不能浪费过多的内存空间
• 性能稳定，极端情况下，散列表的性能也不会退化到无法接受的情况

如何实现：

• 设计一个合适的散列函数
• 定义装载因子阈值，并且设计动态扩容策略
• 选择合适的散列冲突解决办法

---

举栗子的时候给了个HashMap的散列值计算的方法，看完头皮发麻。评论区有小牛角给了分析呢，好好看完，就抄过来啦

	static final int hash(Object key) {
        int h;
        return (key == null) ? 0 : (h = key.hashCode()) ^ (h >>> 16);
    }

找了一下位运算技巧：面试常用位运算技巧

位运算的这些没有找到可以总结的办法，所以记不住啦~回头找机会再瞄一瞄吧。

**TODO：**LRU实现

3、哈希算法

原理：将任意长度的二进制值串映射为固定长度的二进制值串的规则。
一个优秀的哈希算法要满足的几点要求：

• 从哈希值不能反向推导处原始数据
• 对输入数据非常敏感，哪怕原始数据只修改了一个Bit，哈希值也大不相同
• 散列冲突概率很小
• 执行效率高

应用

• 安全加密
• 唯一标识
• 数据校验
• 散列函数
• 负载均衡
• 数据分片
• 分布式存储
  一致性哈希