【C++进阶】：哈希

在C++98中，STL提供了底层为红黑树结构的一系列关联式容器，在查询时效率可达到$lo{g}_{2}N$，即最差情况下需要比较红黑树的高度次，当树中的节点非常多时，查询效率也不理想。最好的查询是，进行很少的比较次数就能够将元素找到，因此在C++11中，STL又提供了4个unordered系列的关联式容器，这四个容器与红黑树结构的关联式容器使用方式基本类似，只是其底层结构不同，本文中只对unordered_map和unordered_set进行介绍。

一.unordered_map

1. unordered_map是存储键值对的关联式容器，其允许通过keys快速的索引到与其对应的value。
2. 在unordered_map中，键值通常用于惟一地标识元素，而映射值是一个对象，其内容与此键关联。键和映射值的类型可能不同。
3. 在内部,unordered_map没有对按照任何特定的顺序排序, 为了能在常数范围内找到key所对应的value，unordered_map将相同哈希值的键值对放在相同的桶中。
4. unordered_map容器通过key访问单个元素要比map快，但它通常在遍历元素子集的范围迭代方面效率较低。
5. unordered_maps实现了直接访问操作符(operator[])，它允许使用key作为参数直接访问value。
6. 它的迭代器至少是前向迭代器。
7. 它的使用几乎与map一致。

二.底层结构

1.哈希概念

复杂的说

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($lo{g}_{2}N$)，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

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)(或者称散列表)

简单的说

上述就是一种k,v的映射关系，为了避免数组越界，我们还会对K(铅笔的号数)进行取模(%capcity)。相信大家也能发现，铅笔的号数肯定远远不止5个，例如：5号铅笔和10号铅笔都会储存在0号位置，这就是下哈希冲突。

2.解决哈希冲突

1.闭散列

闭散列：也叫开放定址法，当发生哈希冲突时，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存放到冲突位置中的“下一个” 空位置中去。

第一种：线性探测

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。比如删除元素4，如果直接删除掉，44查找起来可能会受影响。因此线性探测采用标记的伪删除法来删除一个元素。

总的来说，将数据放入hash表时，如果该位置被占据，就向后查找，直到找到空位置进行插入。在查询数据时，一直查询直到找到或者找到空位置或者原点时停止。基于查找时找到空位置时停止，所以删除时就不能直接置空，需要标记该位置已被删除。接下来还有一个难点就是扩容。

根据查找规则来看，如果等hash表填满才扩容，毫无疑问会发生很多冲突，这是很低效的，所以必须有一个扩容规则来判断何时扩容。

enum State
{
	EXIST,
	DELETE,
	EMPTY
};

template<class K,class V>
struct HashData//创建hash表的类型
{
	pair<K, V> _kv;
	State _state=EMPTY;
};

template<class K,class V>
class Hash
{
public:
	Hash()
	{
		_table.resize(10);//初始开10给空间
	}

	void insert(const pair<K, V>& kv)
	{
		//判断是否需要扩容
		if (n * 10 / _table.size() >= 7)
		{
			//开一个新的表容量为原来二倍
			size_t newHash = _table.size() * 2;
			Hash<K, V>newHT;
			newHT._table.resize(newHash);

			//将旧表的值插入到新表里
			for (size_t i = 0; i < _table.size(); i++)
			{
				if (_table[i]._state == EXIST)
					newHT.insert(_table[i]._kv);
			}
			//交换新旧表
			_table.swap(newHT._table);
		}

		//线性探测
		size_t hashi = kv.first % _table.size();//插入位置
		while (_table[hashi]._state == EXIST)//判断应该插入的位置
		{
			hashi++;
			hashi %= _table.size();
		}
		_table[hashi]._state = EXIST;
		_table[hashi]._kv = kv;
		n++;//有效长度加一
	}
private:
	vector<HashData<K, V>>_table;//创建hash表
	size_t n = 0;//记录有效长度
};

第二种二次探测

二次探测与线性探测基本一致，只是线性探测在找空位时依次向后找，而二次探测在找空位时，一次走i的平方。

2.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，各个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。

接下来是扩容操作，其实开散表即使不扩容也能正常使用，但如果数据插入过多，会导致桶越来越长，最终变成长链表，导致查找效率降低。所以我们需要引入负载因子来判断何时应该扩容（负载因子计算看与闭散表一致）。

整个扩容需要遍历所有链表，把它们的指针都指向新链表就可以了。

这里需要补充一点，因为我们的K值不一定都是int类型，所以需要写仿函数来将它转成int，这样才能对应数组下标。

又因为字符串是我们常用的数据类型，所以我们可以将它进行一个特例化，单独将字符串转化拎出来（字符串转化规则是根据字符串哈希转化规则进行转化的，不明白的可以自行百度）。

接下来删除和查找都比较简单，直接看完整源代码。

Hash.h

#include
#include
using namespace std;


template<class K>
struct DefaultHashFunc//仿函数
{
	size_t operator()(const K& key)
	{
		return (size_t)key;
	}
};

template<>
struct DefaultHashFunc<string>//特例化
{
	size_t operator()(const string& str)
	{
		// BKDR
		size_t hash = 0;
		for (auto ch : str)
		{
			hash *= 131;
			hash += ch;
		}

		return hash;
	}
};

namespace open_adress
{
	enum State
	{
		EXIST,
		DELETE,
		EMPTY
	};

	template<class K, class V>
	struct HashData//创建hash表的类型
	{
		pair<K, V> _kv;
		State _state = EMPTY;
	};

	template<class K, class V>
	class Hash
	{
	public:
		Hash()
		{
			_table.resize(10);//初始开10给空间
		}

		void insert(const pair<K, V>& kv)
		{
			//判断是否需要扩容
			if (n * 10 / _table.size() >= 7)
			{
				//开一个新的表容量为原来二倍
				size_t newHash = _table.size() * 2;
				Hash<K, V>newHT;
				newHT._table.resize(newHash);

				//将旧表的值插入到新表里
				for (size_t i = 0; i < _table.size(); i++)
				{
					if (_table[i]._state == EXIST)
						newHT.insert(_table[i]._kv);
				}
				//交换新旧表
				_table.swap(newHT._table);
			}

			//线性探测
			size_t hashi = kv.first % _table.size();//插入位置
			while (_table[hashi]._state == EXIST)//判断应该插入的位置
			{
				hashi++;
				hashi %= _table.size();
			}
			_table[hashi]._state = EXIST;
			_table[hashi]._kv = kv;
			n++;//有效长度加一
		}
	private:
		vector<HashData<K, V>>_table;//创建hash表
		size_t n = 0;//记录有效长度
	};
}



namespace hash_bucket
{
	template<class K,class V>
	struct HashData//创建节点
	{
		HashData<K, V>* next;
		pair<K, V>_kv;
		HashData(const pair<K,V>&kv)
			:next(nullptr)
			,_kv(kv)
		{}
	};


	template<class K,class V,class HashFunc= DefaultHashFunc<K>>
	class Hash
	{
		typedef HashData<K, V> Node;
	public:
		Hash()
		{
			_table.resize(10,nullptr);
		}
		~Hash()
		{
			for (size_t i = 0; i < _table.size(); i++)
			{
				Node* cur = _table[i];
				while (cur)
				{
					Node* next = cur->next;
					delete cur;
					cur = next;
				}

				_table[i] = nullptr;
			}
		}
		HashFunc hf;
		bool Insert(const pair<K, V>& kv)
		{
			//如果重复插入返回false
			if (Find(kv.first))
			{
				return false;
			}

			//扩容
			if (_n == _table.size())
			{
				vector<Node*>newTable;
				newTable.resize(_table.size() * 2, nullptr);
				//遍历所有节点
				for (size_t i = 0; i < _table.size(); i++)
				{
					Node* cur = _table[i];
					while (cur)
					{
						size_t hashi = hf(cur->_kv.first) % newTable.size();
						cur->next = newTable[hashi];
						newTable[hashi] = cur;
						cur = cur->next;
					}
					_table[i] = nullptr;
				}
				_table.swap(newTable);
			}


			size_t hashi = hf(kv.first) % _table.size();
			//头插
			Node*newNode = new Node(kv);
			newNode->next = _table[hashi];
			_table[hashi] = newNode;
			_n++;

			return true;
		}

		Node* Find(const K&key)
		{
			size_t hashi = hf(key) % _table.size();
			Node* cur = _table[hashi];
			while (cur)
			{
				if (cur->_kv.first == key)
					return cur;
				cur = cur->next;
			}
			return nullptr;
		}

		bool Erase(const K& key)
		{
			size_t hashi = hf(key) % _table.size();
			Node* cur = _table[hashi];
			Node* prev = nullptr;
			while (cur)
			{
				if (cur->_kv.first == key)
				{
					if (prev == nullptr)
					{
						_table[hashi] = cur->next;
					}
					else
					{
						prev->next = cur->next;
					}

					delete cur;
					return true;
				}
				prev = cur;
				cur = cur->next;
			}
			--_n;
			
			return false;
		}

		void Print()
		{
			for (size_t i = 0; i < _table.size(); i++)
			{
				printf("[%d]->", i);
				Node* cur = _table[i];
				while (cur)
				{
					cout << cur->_kv.first << ":" << cur->_kv.second << "->";
					cur = cur->next;
				}
				printf("NULL\n");
			}
			cout << endl;
		}

	private:
		vector<Node*>_table;
		size_t _n = 0;
	};
	
}

test.cpp

int main()
{
	hash_bucket::Hash<int, int> ht;
	int a[] = { 1,111,4,7,15,25,44,9 };
	for (auto e : a)
	{
		ht.Insert(make_pair(e, e));
	}
	ht.Print();

	ht.Insert(make_pair(14, 14));
	ht.Print();

	ht.Insert(make_pair(24, 24));
	ht.Print();

	ht.Insert(make_pair(34, 34));
	ht.Print();

	ht.Erase(44);
	ht.Erase(4);
	ht.Erase(24);
	ht.Print();

	hash_bucket::Hash<string, string> dict;
	dict.Insert(make_pair("sort", "排序"));
	dict.Insert(make_pair("left", "xxx"));
	dict.Insert(make_pair("insert", "插入"));
	dict.Insert(make_pair("string", "字符串"));
	dict.Insert(make_pair("bucket", "桶"));

	auto dret = dict.Find("left");
	//dret->_kv.first = "xx";
	dret->_kv.second = "左边";
	dict.Print();

	return 0;
}