『数据结构』哈希表

什么是哈希


顺序结构以及平衡树中,元素关键码与其存储位置之间没有对应的关系,因此在查找一个元素时,必须要经过关键码的多次比较顺序查找时间复杂度为O(N)平衡树中为树的高度,即 O ( l o g 2 N ) O(log_2N) O(log2N),搜索的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)使元素的存储位置与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

  • 向该存储结构插入元素根据待插入元素的关键码一次函数计算出该元素的存储位置并按此位置进行存放
  • 在该存储结构中搜索元素对元素的关键码进行同样的计算,把求得的函数值当做元素的存储位置在结构中按此位置取元素比较,若关键码相等,则搜索成功

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(Hash Table)(或称散列表)
下面我们来看一个例子
数据集合{9,5,2,7,3,6};存到一个哈希表中,哈希函数设置为:hash(key) = key % capacity;capacity为存储元素底层空间总的大小。
『数据结构』哈希表_第1张图片
从上面的例子可以看出,如果我们需要对5这个数据进行搜索,只需要使用哈希函数计算出数据5所在的下标,就可以直接找到5这个数据不必进行多次关键码的比较,因此搜索速度比较快
但是如果我们向集合中插入23会如何呢
我们将23带入哈希函数,得到结果为3,但是数组中下标为3的位置已经有元素了,这该怎么办呢?

哈希冲突


对于两个数据元素的关键字 k i k_i ki k j k_j kj ( i ≠ j ) (i \ne j) (i=j),但有: h a s h ( k i ) = = h a s h ( k j ) hash(k_i) == hash(k_j) hash(ki)==hash(kj),即:不同关键字通过相同哈希函数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
我们把具有不同关键码而具有相同哈希地址的数据元素称为“同义词”。
发生哈希冲突该如何处理呢?

哈希函数


引起哈希冲突的一个原因可能是哈希函数设计不够合理
哈希函数设计原则

  • 哈希函数的定义域必须包括需要存储的全部关键码,而如果散列表允许有m个地址时,其值域必须在0到m-1之间
  • 哈希函数计算出来的地址能均匀分布在整个空间中
  • 哈希函数应该比较简单

常见哈希函数

  1. 直接定址法
    取关键字的某个线性函数为哈希函数 h a s h ( k e y ) = A ∗ k e y + B hash(key) = A * key + B hash(key)=Akey+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
    哈希表中允许的地址数为m,取一个不大于m,但最接近或者等于m的质数p作为除数,按照哈希函数 h a s h ( k e y ) = k e y % p ( p < = m ) hash(key) = key \% p(p <= m) 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277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。平方取中法比较适合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,并按哈希表表长,取后几位作为哈希地址
  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 ( k e y ) = r a n d o m ( k e y ) H(key) = random(key) H(key)=random(key),其中random为随机数函数

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

哈希冲突解决方法


解决哈希冲突的两种常见方法是:闭散列开散列

闭散列


闭散列,也叫开放定址法,当发生哈希冲突的时候,如果哈希表未被装满,说明在哈希表中必然还有空位置,那么可以把key存放到冲突位置的下一个空位置去。那如何寻找下一个空位置?

线性探测


使用线性探测的方法,来寻找下一个位置
比如前面的例子,现在需要插入元素23,先通过哈希函数计算出哈希地址hashAddr为3,因此23理论上应该插入在下标为3的位置,但是这个位置已经有了元素3,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,直到寻找到下一个空位置为止

插入

  • 通过哈希函数获取待插入元素在哈希表中的位置
  • 如果该位置中没有元素则直接插入,如果该位置发生哈希冲突,使用线性探测找到下一个空位置,插入新元素
    『数据结构』哈希表_第2张图片

删除
采用闭散列处理哈希冲突时,不能随便物理删除哈希表中已有的元素,若直接删除元素会影响其他元素的搜索。因此线性探测采用标记的伪删除法来删除一个元素

线性探测的模拟实现

#pragma once

#include 

// 哈希表每个空间给个标记
// EMPTY:此位置为空;EXIST:此位置已经有元素;DELETE:元素已经删除。
enum State{
	EMPTY, EXITST, DELETE
};

// 元素
template<class T>
struct Element{
	// 值
	T _value;
	// 状态
	State _state;
};

template<class T>
class HashTable{
public:
	// 构造函数
	HashTable(size_t capacity = 10)
		: _ht(capacity), _size(0)
	{
		// 空间初始状态为空
		for (size_t i = 0; i < capacity; ++i){
			_ht[i]._state = EMPTY;
		}
	}

	// 插入
	bool Insert(const T& val){
		// 计算哈希地址
		size_t hashAddr = HashFunc(val);
		// 当哈希地址处空间没有元素
		while (_ht[hashAddr]._state != EMPTY){
			// 已经存在相同元素,插入失败
			if (_ht[hashAddr]._state == EXITST &&
				_ht[hashAddr]._value == val){
				return false;
			}

			// 线性探测
			++hashAddr;
			if (hashAddr == _ht.Capacity()){
				hashAddr = 0;
			}
		}

		// 插入
		_ht[hashAddr]._state = EXITST;
		_ht[hashAddr]._value = val;
		++_size;

		return true;
	}

	// 查找
	int Find(const T& val){
		// 计算哈希地址
		size_t hashAddr = HashFunc(val);
		// 当该位置不为空
		while (_ht[hashAddr]._state != EMPTY){
			// 当前位置为val
			if (_ht[hashAddr]._state == EXITST &&
				_ht[hashAddr]._value == val){
				return hashAddr;
			}

			// 向后找
			++hashAddr;
		}

		// 没找到
		return -1;
	}

	// 删除
	bool Erase(const T& val){
		// 查找元素所在下标
		int index = Find(val);

		// 删除
		if (index != -1){
			_ht[index]._state = DELETE;
			--_size;
			return true;
		}

		return false;
	}

	// 哈希表的最大容量
	size_t Capacity() const{
		return _ht.size();
	}

private:
	// 哈希函数
	size_t HashFunc(const T& val){
		return val % _ht.capacity();
	}

private:
	// 哈希表
	vector<Element> _ht;
	// 元素数量
	size_t _size;
};

上述哈希表还存在以下缺陷

  1. 只能存储key为整型的元素,其他类型怎么解决
    可以使用字符哈希算法将字符串按照固定的算法转化为整型数据
    各种字符哈希算法
  2. 除留余数法,最好模一个素数,如何每次快速取一个类似两倍关系的素数
const int PRIMECNT = 28;
const size_t PrimeList[PRIMECNT] = {
	53ul, 			97ul, 			193ul, 			389ul, 			769ul,
	1543ul, 		3079ul, 		6151ul, 		12289ul, 		24593ul,
	49157ul, 		98317ul, 		196613ul, 		393241ul, 		786433ul,
	1572869ul, 		3145739ul, 		6291469ul, 		12582917ul, 	25165843ul,
	50331653ul, 	100663319ul, 	201326611ul, 	402653189ul, 	805306457ul,
	1610612741ul, 	3221225473ul, 	4294967291ul
};

// 获取下一个素数
size_t GetNextPrime(size_t prime){
	for(size_t i = 0; i < PRIMECNT; ++i){
		if(PrimeList[i] > prime){
			return PrimeList[i];
		}
	}

	return PrimeList[i];
}
  1. 什么时机增容,如何增容
    哈希表的负载因子定义为 α = 填 入 表 中 的 元 素 个 数 / 哈 希 表 的 长 度 \alpha = 填入表中的元素个数 / 哈希表的长度 α=/
    α \alpha α哈希表装满程度的标志因子。由于表长是定值 α \alpha α与“填入表中的元素个数”成正比,所以 α \alpha α越大,表明填入表中的元素越多,产生冲突的可能性就越大;反之, α \alpha α越小,表明填入表中的元素越少,产生冲突的可能性就越小。实际上,哈希表的平均查找长度是负载因子 α \alpha α的函数,只是不同处理冲突的方法有不同的函数
    对于开放定址法负载因子是特别重要的因素,应严格限制在0.7-0.8以下。超过0.8,查表时的CPU缓存不命中(cache missing)按照指数曲线上升。因此,一些采用开放定址法的hash库,如Java的系统库限制了负载因子为0.75,超过这个值将增容
void CheckCapacity(){
	if(_size * 10 / _ht.Capacity() >= 7){
		// 新建一个哈希表,将旧表中的元素全部插入到新表中
		HashTable<T> _new_ht(GetNextPrime(_ht.Capacity());
		for(size_t i = 0; i < _ht.Capacity(); ++i){
			if(_ht[i]._state == EXIST){
				_new_ht.Insert(_ht[i]._value);
			}
		}

		// 交换两个哈希表
		Swap(_new_ht);
	}
}

线性探测优缺点

  • 优点实现非常简单
  • 缺点一旦发生哈希冲突,所有的冲突连在一起,容易产生数据堆积,即:不同关键码占据了可利用的空位置,使得寻找某关键码的位置需要许多次比较,导致搜索效率降低

二次探测


线性探测的缺点是产生冲突的数据堆积在一起,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个往后去找,因此二次探测避免了该问题,找下一个空位置的方法为 H i = ( H 0 + i 2 ) % m H_i = (H_0 + i^2) \% m Hi=(H0+i2)%m,或者 H i = ( H 0 − i 2 ) % m H_i = (H_0 - i^2) \%m Hi=(H0i2)%m。其中: i = 1 , 2 , 3... , H 0 i = 1,2,3...,H_0 i=1,2,3...,H0是通过哈希函数 H a s h F u n c ( k e y ) HashFunc(key) HashFunc(key)对元素的关键码key进行计算得到的位置,m是表的大小
对于前面的例子,插入元素23结果如下
『数据结构』哈希表_第3张图片
插入元素为23, H 0 = 23 % 10 = 3 H_0=23 \%10=3 H0=23%10=3,由于下标为3的空间已经有元素,所以计算 H 1 = ( H 0 + 1 2 ) % 10 = 4 H_1 = (H_0 + 1^2)\%10 = 4 H1=(H0+12)%10=4发现4处没有元素,进行插入,如果4处有元素,继续向后计算
『数据结构』哈希表_第4张图片
研究表明:当表的长度为质数且表的负载因子 α \alpha α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负载因子 α \alpha α不超过0.5,如果超出,必须扩容

总结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

开散列


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
『数据结构』哈希表_第5张图片
从上图可以看出,开散列的每个桶中放的都是发生哈希冲突的元素

开散列的模拟实现


C++版

#pragma once

#include 

// 哈希桶中结点
template<class T>
struct HashBucketNode{
	T _data;
	HashBucketNode<T>* _next;

	// 构造函数
	HashBucketNode(const T& data)
		: _next(nullptr)
		, _data(data)
	{}
};

// 哈希桶
template<class T, class HashFunc = DefHashFunc<T>>
class HashBucket{
	typedef HashBucketNode<T> Node;
public:
	// 构造函数
	HashBucket(size_t capacity = 10)
		: _size(0)
	{
		_ht.resize(GetNextPrime(capacity), NULL)
	}

	// 哈希桶中元素不能重复
	Node** Insert(const T& data){
		// 计算元素所在桶号
		size_t bucketNo = HashFunc(data);
		// 判断元素是否在桶中
		Node* cur = _ht[bucketNo];
		while (cur != nullptr){
			if (cur->_data == data){
				return cur;
			}
			cur = cur->_next;
		}

		// 插入元素
		cur = new Node(data);
		// 头插
		cur->_next = _ht[bucketNo];
		_ht[bucketNo] = cur;
		++_size;

		return cur;
	}

	// 删除桶中元素,返回删除元素的下一个结点
	Node** Erase(const T& data){
		// 计算桶号
		size_t bucketNo = HashFunc(data);
		Node* cur = _ht[bucketNo];
		Node* prev = nullptr, ret = nullptr;
		while (cur != nullptr){
			if (cur->_data == data){
				// 是桶中第一个元素
				if (cur == _ht[bucketNo]){
					_ht[bucketNo] = cur->_next;
				}
				// 不是第一个元素
				else{
					prev->_next = cur->_next;
				}

				ret = cur->_next;
				delete cur;
				--_size;

				return ret;
			}
		}

		return nullptr;
	}

private:
	vector<Node**> _ht;
	// 有效元素数量
	size_t _size;
};

开散列增容
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结点非常多,会影响哈希表的性能,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结点,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

void CheckCapacity(){
	// 统计元素的数量
	size_t bucketCnt = BucketCnt();
	
	// 元素的数量等于桶的数量,扩容
	if(_size == bucketCnt){
		// 创建新表
		HashBucket<T, HashFunc> _newht(bucketCnt);

		// 遍历旧表,将其中每一个结点挂入新表
		for(size_t bucket_idx = 0; bucket_idx < bucketCnt; ++bucket_idx){
			Node* cur = _ht[bucket_idx];
			while(cur){
				// 将该结点从原表中拆出来
				_ht[bucket_idx] = cur->_next;
	
				// 计算在新表中的桶号
				size_t bucketNo = _newht.HashFunc(cur->_data);
				// 将该节点插入到新表中
				cur->_next = _newht._ht[bucketNo];
				_newht._ht[bucketNo] = cur;
				
				cur = _ht[bucket_idx];
			}
		}
		_newht._size = _size;
		// 新表旧表交换
		this->Swap(_newht);
	}
}

开散列处理溢出,需要增设链接指针,似乎增加了存储开销。事实上:由于闭散列必须保持大量的空间以确保搜索效率,如二次探测要求负载因子 α < 0.7 \alpha<0.7 α<0.7,而表项所占空间又比指针大的多,所以开散列相对于闭散列更加节省空间

Java版

public class MyHashMap {
    public static class Node {
        public int key;
        public int value;
        public Node next = null;

        public Node(int key, int value) {
            this.key = key;
            this.value = value;
        }

        @Override
        public String toString() {
            return String.format("{%d, %d}", this.key, this.value);
        }
    }

    private Node[] arr = new Node[101];
    private int size = 0;
    private static final double FACTOR = 0.75;

    // 插入
    public void put(int key, int value) {
        int index = key % this.arr.length;

        Node newNode = new Node(key, value);
        newNode.next = this.arr[index];
        this.arr[index] = newNode;

        ++this.size;
        if ((double)this.size / this.arr.length > FACTOR) {
            realloc();
        }
    }

    // 查找
    public Integer get(int key) {
        int index = key % this.arr.length;

        for (Node curNode = this.arr[index]; curNode != null; curNode = curNode.next) {
            if (curNode.key == key) {
                return curNode.value;
            }
        }

        return null;
    }

    // 删除
    public Integer remove(int key) {
        int index = key % this.arr.length;
        Node curNode = this.arr[index];

        if (curNode == null) {
            return null;
        }

        --this.size;

        if (curNode.key == key) {
            return curNode.value;
        }

        while (curNode.next != null) {
            if (curNode.next.key == key) {
                curNode.next = curNode.next.next;
                break;
            }
        }
        return curNode.value;
    }

    private void realloc() {
        Node[] newArr = new Node[this.arr.length * 2 + 1];

        for (int i = 0; i < this.arr.length; ++i) {
            Node curNode = this.arr[i];
            while (curNode != null) {
                int index = curNode.key % newArr.length;
                Node newNode = new Node(curNode.key, curNode.value);

                newNode.next = newArr[index];
                newArr[index] = newNode;

                curNode = curNode.next;
            }
        }

        this.arr = newArr;
    }
}

你可能感兴趣的:(『数据结构』,哈希,开散列,闭散列)