算法通关村第五关—Hash基础知识(青铜)

            Hash基础

一、Hash的概念和基本特征

哈希(Hash)也称为散列，就是把任意长度的输入，通过散列算法，变换成固定长度的输出，这个输出值就是散列值。
很多人可能想不明白，这里的映射到底是啥意思，为啥访问的时间复杂度为O(1)?我们只要看存的时候和读的时候分别怎么映射的就知道了。
我们现在假设数组array存放的是1到15这些数，现在要存在一个大小是7的Hash表中，该如何存呢？我们存储的位置计算公式是：
index = number % 7

假如我要测试13在不在这里结构里，则同样使用上面的公式来进行，很明显13%7=6，我们直接访问array[6]这个位置，很明显是在的，所以返回true。
假如我要测试20在不在这里结构里，则同样使用上面的公式来进行，很明显20模7=6，我们直接访问array[6]这个位置，但是只有6和13，所以返回false。
理解这个例子我们就理解了Hash是如何进行最基本的映射的，还有就是为什么访问的时间复杂度为O(1)。

二、碰撞处理方法(2种)

在上面的例子中，我们发现有些在Hsh中很多位置可能要存两个甚至多个元素，很明显单纯的数组是不行的，这种两个不同的输入值，根据同一散列函数计算出的散列值相同的现象叫做碰撞。
那该怎么解决呢？常见的方法有：开放定址法(Java里的Threadlocal)、链地址法(Java里的ConcurrentHashMap)、再哈希法（布隆过滤器）、建立公共溢出区。后两种用的比较少，重点看前两个。

1.开放定址法

开放定址法就是一旦发生了冲突，就去寻找下一个空的散列地址，只要散列表足够大，空的散列地址总能找到，并将记录存入。
例如上面要继续存7,8,9的时候，7没问题，可以直接存到索引为0位置。8本来应该存到索引为1的位置，但是已经满了，所以继续向后找，索引3的位置是空的，所以8存到3位置。同理9存到索引6位置。
这里是否有一个疑惑：这样鸠占鹊巢的方法会不会引起混乱？比如再存3和6的话，本来自己的位置好好的，但是被外来户占领了，该如何处理呢？这个问题直到我在学习Java里的ThreadLocal才解开。具体过程可以学习一下相关内容，我们这里只说一下基本思想。ThreadLocal?有一个专门存储元素的TheadLocalMap,每次在get和set元素的时候，会先将目标位置前后的空间搜索一下，将标记为nul的位置回收掉，这样大部分不用的位置就收回来了。这就像假期后你到公司，每个人都将自己的位子附近打扫干净，结果整个工作区就很干净了。当然Hsh处理该问题的整个过程非常复杂，涉及弱引用等等，这些都是Java技术面试里的高频考点。

2.链地址法

将哈希表的每个单元作为链表的头结点，所有哈希地址为的元素构成一个同义词链表。即发生冲突时就把该关键字链在以该单元为头结点的链表的尾部。例如：

这种处理方法的问题是处理起来代价还是比较高的，要落地还要进行很多优化，例如在Java里的ConcurrentHashMap中就使用了这种方式，其中涉及元素尽量均匀、访问和操作速度要快、线程安全、扩容等很多问题。
我们来看一下下面这个Hash结构，下面的图有两处非常明显的错误，请你先想想是啥。


首先是数组的长度必须是2的n次幂，这里长度是9，明显有错，然后是enty的个数不能大于数组长度的75%,如果大于就会触发扩容机制进行扩容，这里明显是大于75%，正确的图应该是这样的：