Python之美[从菜鸟到高手]--读"一道面试题看 HashMap 的存储方式"的联想

今天在伯乐在线 上看到一篇文章，一道面试题看 HashMap 的存储方式，也就是问：

在 HashMap 中存放的一系列键值对，其中键为某个我们自定义的类型。放入 HashMap 后，我们在外部把某一个 key 的属性进行更改，然后我们再用这个 key 从 HashMap 里取出元素，这时候 HashMap 会返回什么？

如何面试者直接答“这要看自定义类型的hash值了”,我想面试官会非常满意。

联想到python中dict的实现，python中字典一般不存在这个问题，因为key的hash值默认是id值，一个对象的id是固定的。

看如下代码：

我们可以通过__hash__修改默认hash值，所以__hash__方法还是要看具体业务逻辑，比如我们业务任务name值一样就是同一个对象，看如下代码：

class B:
	def __init__(self,name):
		self.name=name
	def __hash__(self):
		return hash(self.name)
d={}
b1=B('skycrab')
b2=B('skycrab1')
d[b1]=1
d[b2]=2
b2.name='skycrab'
d[b2]=3
print d

我信心满满的认为name为‘skycrab‘的值会被更新为3，可事实如下：

{<__main__.B instance at 0x02543210>: 2, <__main__.B instance at 0x02543210>: 3, <__main__.B instance at 0x025436C0>: 1}

这让我百思不得其解，hash值明明一样，为什么会认为是不同对象，导致增加了一个。突然灵光一闪，难道key也需要做比较?打开python源码我们看看lookdict函数，

当更新字典时会去寻找合适的hashtable位置，调用的就是lookdict函数。

static dictentry *
lookdict(dictobject *mp, PyObject *key, register long hash)
{
	register size_t i;
	register size_t perturb;
	register dictentry *freeslot;
	register size_t mask = (size_t)mp->ma_mask;
	dictentry *ep0 = mp->ma_table;
	register dictentry *ep;
	register int cmp;
	PyObject *startkey;

	i = (size_t)hash & mask;
	ep = &ep0[i];
	if (ep->me_key == NULL || ep->me_key == key)
		return ep;

	if (ep->me_key == dummy)
		freeslot = ep;
	else {
		if (ep->me_hash == hash) {
			startkey = ep->me_key;
			cmp = PyObject_RichCompareBool(startkey, key, Py_EQ); //比较key的值
			if (cmp < 0)
				return NULL;
			if (ep0 == mp->ma_table && ep->me_key == startkey) {
				if (cmp > 0) //只有key相等才会返回已有的位置，否则会寻找一个新的位置
					return ep;
			}
			else {
				/* The compare did major nasty stuff to the
				 * dict:  start over.
				 * XXX A clever adversary could prevent this
				 * XXX from terminating.
 				 */
 				return lookdict(mp, key, hash);
 			}
		}
		freeslot = NULL;
	}

上面是lookdict的部分源码(最后没有大括号)，如上代码注释，原来只有hash值一样且key值相等才有更新。那么这就好办了，定义__eq__方法即可：

class B:
	def __init__(self,name):
		self.name=name
	def __hash__(self):
		return hash(self.name)
	def __eq__(self,r):
		if self.name == r.name:
			return True
		else:
			return False
d={}
b1=B('skycrab')
b2=B('skycrab1')
d[b1]=1
d[b2]=2
b2.name='skycrab'
d[b2]=3
print d

这下结果终于符合期望了， {<__main__.B instance at 0x025F2620>: 2, <__main__.B instance at 0x025F25F8>: 3}

这里我们扩展一下，python中的dict默认采用hash_map的存储结构，所以查找效率很高，但hash_map的查找效率不稳定。

hash_map的时间复杂度在O(1)-O(N)，而基于树结构的map时间复杂度O(logN)，比较稳定。

所以在C++中使用hash_map还是map是有考究的，具体可以看看【C++对话系列-产生真正的hash对象】一节。