[Z]C++ STL中哈希表 hash_map介绍

C++ STL中哈希表 hash_map介绍

0 为什么需要hash_map

用过map吧?map提供一个很常用的功能,那就是提供key-value的存储和查找功能。例如,我要记录一个人名和相应的存储,而且随时增加,要快速查找和修改:

岳不群-华山派掌门人,人称君子剑

张三丰-武当掌门人,太极拳创始人

东方不败-第一高手,葵花宝典

...
这些信息如果保存下来并不复杂,但是找起来比较麻烦。例如我要找"张三丰"的信息,最傻的方法就是取得所有的记录,然后按照名字一个一个比较。如果要速度快,就需要把这些记录按照字母顺序排列,然后按照二分法查找。但是增加记录的时候同时需要保持记录有序,因此需要插入排序。考虑到效率,这就需要用到二叉树。讲下去会没完没了,如果你使用STL 的map容器,你可以非常方便的实现这个功能,而不用关心其细节。关于map的数据结构细节,感兴趣的朋友可以参看学习STL map, STL set之数据结构基础。看看map的实现:
#include <map>

#include <string>

using namespace std;

...

map<string, string> namemap;



//增加。。。

namemap["岳不群"] = "华山派掌门人,人称君子剑";

namemap["张三丰"] = "武当掌门人,太极拳创始人";

namemap["东方不败"] = "第一高手,葵花宝典";

...



//查找。。

if(namemap.find("岳不群") != namemap.end()){

        ...

}
不觉得用起来很easy吗?而且效率很高,100万条记录,最多也只要20次的string.compare的比较,就能找到你要找的记录;200万条记录事,也只要用21次的比较。

速度永远都满足不了现实的需求。如果有100万条记录,我需要频繁进行搜索时,20次比较也会成为瓶颈,要是能降到一次或者两次比较是否有可能?而且当记录数到200万的时候也是一次或者两次的比较,是否有可能?而且还需要和map一样的方便使用。

答案是肯定的。这时你需要has_map. 虽然hash_map目前并没有纳入C++ 标准模板库中,但几乎每个版本的STL都提供了相应的实现。而且应用十分广泛。在正式使用hash_map之前,先看看hash_map的原理。

1 数据结构:hash_map原理

这是一节让你深入理解hash_map的介绍,如果你只是想囫囵吞枣,不想理解其原理,你倒是可以略过这一节,但我还是建议你看看,多了解一些没有坏处。

hash_map基于hash table(哈希表)。 哈希表最大的优点,就是把数据的存储和查找消耗的时间大大降低,几乎可以看成是常数时间;而代价仅仅是消耗比较多的内存。然而在当前可利用内存越来越多的 情况下,用空间换时间的做法是值得的。另外,编码比较容易也是它的特点之一。

其基本原理是:使用一个下标范围比较大的数组来存储元素。可以设计一个函数(哈希函数,也叫做散列函数),使得每个元素的关键字都与一个函数值(即 数组下标,hash值)相对应,于是用这个数组单元来存储这个元素;也可以简单的理解为,按照关键字为每一个元素“分类”,然后将这个元素存储在相应 “类”所对应的地方,称为桶。

但是,不能够保证每个元素的关键字与函数值是一一对应的,因此极有可能出现对于不同的元素,却计算出了相同的函数值,这样就产生了“冲突”,换句话说,就是把不同的元素分在了相同的“类”之中。 总的来说,“直接定址”“解决冲突”是哈希表的两大特点。

hash_map,首先分配一大片内存,形成许多桶。是利用hash函数,对key进行映射到不同区域(桶)进行保存。其插入过程是:

  1. 得到key
  2. 通过hash函数得到hash值
  3. 得到桶号(一般都为hash值对桶数求模)
  4. 存放key和value在桶内。

其取值过程是:

  1. 得到key
  2. 通过hash函数得到hash值
  3. 得到桶号(一般都为hash值对桶数求模)
  4. 比较桶的内部元素是否与key相等,若都不相等,则没有找到。
  5. 取出相等的记录的value。

hash_map中直接地址用hash函数生成解决冲突用比较函数解决。这里可以看出,如果每个桶内部只有一个元素,那么查找的时候只有一次比较。当许多桶内没有值时,许多查询就会更快了(指查不到的时候).

由此可见,要实现哈希表, 和用户相关的是:hash函数比较函数这两个参数刚好是我们在使用hash_map时需要指定的参数。

2 hash_map 使用

2.1 一个简单实例

不要着急如何把"岳不群"用hash_map表示,我们先看一个简单的例子:随机给你一个ID号和ID号相应的信息,ID号的范围是1~2的31次方。如何快速保存查找。

#include <hash_map>

#include <string>

using namespace std;
int main(){

        hash_map<int, string> mymap;

        mymap[9527] = "唐伯虎点秋香";

        mymap[1000000] = "百万富翁的生活";

        mymap[10000] = "白领的工资底线";

        ...

        if(mymap.find(10000) != mymap.end()){

                ...

        }
够简单,和map使用方法一样。这时你或许会问?hash函数和比较函数呢?不是要指定么?你说对了,但是在你没有指定hash函数比较函数的时候,你会有一个缺省的函数,看看hash_map的声明,你会更加明白。下面是SGI STL的声明:
template <class _Key, class _Tp, class _HashFcn = hash<_Key>,

class _EqualKey = equal_to<_Key>,

class _Alloc = __STL_DEFAULT_ALLOCATOR(_Tp) >

class hash_map

{

        ...

}
也就是说,在上例中,有以下等同关系:
...

hash_map<int, string> mymap;

//等同于:

hash_map<int, string, hash<int>, equal_to<int> > mymap;
Alloc我们就不要取关注太多了(希望深入了解Allocator的朋友可以参看标准库 STL :Allocator能做什么)

2.2 hash_map 的 hash函数

hash< int>到底是什么样子?看看源码:

struct hash<int> {

        size_t operator()(int __x) const { return __x; }

};
原来是个函数对象。在SGI STL中,提供了以下hash函数:
struct hash<char*>

struct hash<const char*>

struct hash<char> 

struct hash<unsigned char> 

struct hash<signed char>

struct hash<short>

struct hash<unsigned short> 

struct hash<int> 

struct hash<unsigned int>

struct hash<long> 

struct hash<unsigned long>
也就是说,如果你的key使用的是以上类型中的一种,你都可以使用缺省的hash函数。当然你自己也可以定义自己的hash函数对于自定义变量,你只能如此,例如对于string,就必须自定义hash函数。例如:
struct hash_string{

        size_t operator()(const string& str) const

        {

                unsigned long __h = 0;

                for (size_t i = 0 ; i < str.size() ; i ++)

                __h = 5*__h + str[i];

                return size_t(__h);

        }

};

//如果你希望利用系统定义的字符串hash函数,你可以这样写:

struct hash_string{

        size_t operator()(const string& str) const

        {

                return __stl_hash_string(str.c_str());

        }

};
在Visual Studio下,hash function 和 equal function 在一个结构中,不想SGI的是分开的。
struct hash_string
{
static const size_t bucket_size = 4;  
static const size_t min_buckets = 8;
 // 1. define the hash function
size_t operator()(const string& str) const
{
   unsigned long __h = 0;
   for (size_t i = 0 ; i < str.size() ; i ++)
    __h = 5*__h + str[i];
   return size_t(__h);
}
 //// 1. define the hash function
//size_t operator()(const string& str) const
//{
// return __stl_hash_string(str.c_str());
//}
 // 2. define the equal function
bool operator()(const string& p1, const string& p2) const{
   return p1 == p2;
}
};
在声明自己的哈希函数时要注意以下几点:
  1. 使用struct,然后重载operator();
  2. 返回是size_t;
  3. 参数是你要hash的key的类型;
  4. 函数是const类型的。

如果这些比较难记,最简单的方法就是照猫画虎,找一个函数改改就是了。

现在可以对开头的"岳不群"进行哈希化了 . 直接替换成下面的声明即可:

map<string, string> namemap; 

//改为:

hash_map<string, string, hash_string> namemap;
其他用法都不用边。当然不要忘了吧hash_string的声明以及头文件改为hash_map

你或许会问:比较函数呢?别着急,这里就开始介绍hash_map中的比较函数。

2.3 hash_map 的 比较函数

在map中的比较函数,需要提供less函数。如果没有提供,缺省的也是less< Key> 。在hash_map中,要比较桶内的数据和key是否相等,因此需要的是是否等于的函数:equal_to< Key> 。先看看equal_to的源码:

//本代码可以从SGI STL

//先看看binary_function 函数声明,其实只是定义一些类型而已。

template <class _Arg1, class _Arg2, class _Result>

struct binary_function {

        typedef _Arg1 first_argument_type;

        typedef _Arg2 second_argument_type;

        typedef _Result result_type;

};

//看看equal_to的定义:

template <class _Tp>

struct equal_to : public binary_function<_Tp,_Tp,bool>

{

        bool operator()(const _Tp& __x, const _Tp& __y) const { return __x == __y; }

};
如果你使用一个自定义的数据类型,如struct mystruct, 或者const char* 的字符串,如何使用比较函数?

使用比较函数,有两种方法.

第一种是:重载==操作符利用equal_to;看看下面的例子:

struct mystruct{

        int iID;

        int  len;

        bool operator==(const mystruct & my) const{

                return (iID==my.iID) && (len==my.len) ;

        }

};
这样,就可以使用equal_to< mystruct>作为比较函数了。

另一种方法就是:使用函数对象自定义一个比较函数体

struct compare_str{

        bool operator()(const char* p1, const char*p2) const{

                return strcmp(p1,p2)==0;

        }

};
有了compare_str,就可以使用hash_map了。
typedef hash_map<const char*, string, hash<const char*>, compare_str> StrIntMap;

StrIntMap namemap;

namemap["岳不群"]="华山派掌门人,人称君子剑";

namemap["张三丰"]="武当掌门人,太极拳创始人";

namemap["东方不败"]="第一高手,葵花宝典";
2.4 hash_map 函数

hash_map的函数和map的函数差不多。具体函数的参数和解释,请参看:STL 编程手册:Hash_map,这里主要介绍几个常用函数。

  1. hash_map(size_type n) 如果讲究效率,这个参数是必须要设置的。n 主要用来设置hash_map 容器中hash桶的个数。桶个数越多,hash函数发生冲突的概率就越小,重新申请内存的概率就越小。n越大,效率越高,但是内存消耗也越大。
  2. const_iterator find(const key_type& k) const. 用查找,输入为键值,返回为迭代器。
  3. data_type& operator[](const key_type& k) . 这是我最常用的一个函数。因为其特别方便,可像使用数组一样使用。不过需要注意的是,当你使用[key ]操作符时,如果容器中没有key元素,这就相当于自动增加了一个key元素。因此当你只是想知道容器中是否有key元素时,你可以使用find。如果你希望插入该元素时,你可以直接使用[]操作符。
  4. insert 函数。在容器中不包含key值时,insert函数和[]操作符的功能差不多。但是当容器中元素越来越多,每个桶中的元素会增加,为了保证效率,hash_map会自动申请更大的内存,以生成更多的桶。因此在insert以后,以前的iterator有可能是不可用的。
  5. erase 函数。在insert的过程中,当每个桶的元素太多时,hash_map可能会自动扩充容器的内存。但在sgi stl中是erase并不自动回收内存。因此你调用erase后,其他元素的iterator还是可用的。

 

3 相关hash容器

hash 容器除了hash_map之外,还有hash_set, hash_multimap, has_multiset, 这些容器使用起来和set, multimap, multiset的区别与hash_map和map的区别一样,我想不需要我一一细说了吧。

4 其他

这里列几个常见问题,应该对你理解和使用hash_map比较有帮助。

4.1 hash_map 和 map的区别在哪里?

  • 构造函数。hash_map需要hash函数,等于函数;map只需要比较函数(小于函数).
  • 存储结构。hash_map采用hash表存储,map一般采用红黑树(RB Tree)实现。因此其memory数据结构是不一样的。

4.2 什么时候需要用hash_map,什么时候需要用map?

总体来说,hash_map 查找速度会比map快,而且查找速度基本和数据数据量大小,属于常数级别;而map的查找速度是log(n)级别。并不一定常数就比log(n)小,hash还有hash函数的耗时,明白了吧,如果你考虑效率,特别是在元素达到一定数量级时,考虑考虑hash_map。但若你内存使用特别严格,希望程序尽可能少消耗内存,那么一定要小心,hash_map可能会让你陷入尴尬,特别是当你的hash_map对象特别多时,你就更无法控制了,而且hash_map的构造速度较慢。

现在知道如何选择了吗?权衡三个因素: 查找速度, 数据量, 内存使用。

这里还有个关于hash_map和map的小故事,看看:http://dev.csdn.net/Develop/article/14/14019.shtm

 

4.3 如何在hash_map中加入自己定义的类型?

你只要做两件事, 定义hash函数,定义等于比较函数。下面的代码是一个例子:

-bash-2.05b$ cat my.cpp
#include <string>

#include <iostream>

using namespace std;
// just for "#include <hash_map>" in linux

#if __GNUC__>2
#include <ext/hash_map>
using __gnu_cxx::hash_map;
#else
#include <hash_map>
#endif
// 0 define the class

class ClassA{
public:

        ClassA(int a):c_a(a){}

        int getvalue()const { return c_a;}

        void setvalue(int a){c_a = a;}
private:

        int c_a;

};



// 1 define the hash function

struct hash_A{

        size_t operator()(const class ClassA & A)const{

                //  return  hash<int>(classA.getvalue());

                return A.getvalue();

        }

};



// 2 define the equal function

struct equal_A{

        bool operator()(const class ClassA & a1, const class ClassA & a2)const{

                return  a1.getvalue() == a2.getvalue();

        }

};



int main()

{

        hash_map<ClassA, string, hash_A, equal_A> hmap;

        ClassA a1(12);

        hmap[a1]="I am 12";

        ClassA a2(198877);

        hmap[a2]="I am 198877";

        

        cout<<hmap[a1]<<endl;

        cout<<hmap[a2]<<endl;
   return 0;

}
-bash-2.05b$ make my

c++  -O -pipe -march=pentiumpro  my.cpp  -o my

-bash-2.05b$ ./my

I am 12

I am 198877
 
在Visual Studio下,hash function 和 equal function 在一个结构中,不想SGI的是分开的。
class   MyClass   
{
....
};

struct my_hash
{
static const size_t bucket_size = 4;
static const size_t min_buckets = 8;
size_t operator()(const MyClass& Key) const
{
size_t hash = 999;
for (size_t i = 0; i < 100000; i++)
hash = "hash function";
return hash;
}

bool operator()(const MyClass& c1, const MyClass& c2) const
{
return "equal function";
}
};

int main()
{
hash_map<MyClass, int, my_hash> my;
......
}

4.4如何用hash_map替换程序中已有的map容器?

这个很容易,但需要你有良好的编程风格。建议你尽量使用typedef来定义你的类型

typedef map<Key, Value> KeyMap;
当你希望使用hash_map来替换的时候,只需要修改:
typedef hash_map<Key, Value> KeyMap;
其他的基本不变。当然,你需要注意是否有Key类型的hash函数比较函数

4.5为什么hash_map不是标准的?

具体为什么不是标准的,我也不清楚,有个解释说在STL加入标准C++之时,hash_map系列当时还没有完全实现,以后应该会成为标准。如果谁知道更合理的解释,也希望告诉我。但我想表达的是,正是因为hash_map不是标准的,所以许多平台上安装了g++编译器,不一定有hash_map的实现。我就遇到了这样的例子。因此在使用这些非标准库的时候,一定要事先测试。另外,如果考虑到平台移植,还是少用为佳

-----Arranged by LoyaltyJi at 22:11 2009-12-04-----

你可能感兴趣的:(hash)