关于hash_map的一点感悟

关于hash_map的一点感悟

   工作两年中，关于查找敏感型的代码不少用到了hash_map，关于它的实现细节和需要注意的地方这里梳理一下。因为工作在linux环境下，所以这里hash_map的评述都是根据SGI的源码。 
   hash_map说简单一点就是一个hashtable桶和对于这个桶基本操作的再次封装。即包含(图片太麻烦，文字代替吧)：1、_Hashtable* _M_ht;2、erase()、find()等函数。对应的iterator包含：1、_hashtable* _M_ht(这个就是hash_map中的hashtable指针);2、_Node* _M_cur(指向当前hashtable桶的某个节点)。_Node的结构为： 

  template < class _Val>
     struct _Hashtable_node
    {
      _Hashtable_node* _M_next;
      _Val _M_val; //桶的节点，具体是实现使用的Vector，后面有介绍
    };

   所以hash_map的实现主要是hashtable的实现。下面看一下hashtable的组成(private成员)：

      hasher                _M_hash; //hasher，处理冲突时用到的，是hashtable性能如何的关键因素之一
      key_equal             _M_equals;//键值是否相等的函数，std::string等非基本数据类型做键值时需要提供此函数
      _ExtractKey           _M_get_key;//和Alloc相关的函数
      _Vector_type          _M_buckets;//hashtable桶的基本元素，SGI实现是 vector<_Node*, _Nodeptr_Alloc>
      size_type             _M_num_elements;//标示hashtable元素个数，size()函数返回的即是此值

   撇去具体实现细节，hashtable基本上也就这些内容(基本也就是一个很大的vector，每个vector节点挂着一个形同list存放冲突节点)。
   插入(方法有insert和operator[])过程：

1. 调用resize()     判断是否调整桶的大小，桶的不同大小SGI实现是很有讲究的，具体参见__stl_prime_list 数组
2. 得到key   通过_M_bkt_num(__obj)
3. 通过hash函数得到hash值   通过_M_hash(__key)
4. 得到桶号(一般都为hash值对桶数求模)    通过_M_hash(__key) % __n
5. 存放key和value在桶内。

   取值(find后通过iterator或者operator[])过程:

1. 得到key       _M_bkt_num_key(__key)
2. 通过hash函数得到hash值   通过_M_hash(__key)
3. 得到桶号(一般都为hash值对桶数求模)   通过_M_hash(__key) % __n
4. 比较桶的链表上元素是否与key相等，若都不相等，则没有找到。
5. 取出相等的记录的value。  find()方法返回 iterator(__first, this)
   

下面再说说iterator的操作，因为它是比较容易出错的。
begin()操作是用一个for循环，在hashtable上面的vector里找到第一个即_M_buckets[__n]指针不为空的 iterator(_M_buckets[__n], this)
end()操作返回 iterator(0, this)
operator++ 操作是从_M_cur开始，优先_M_cur->_M_next，为空时遍历vector直至找到一个_M_cur不为空的节点
迭代器操作使用不当，很容易出问题，hash_map的也不例外，具体看后面代码例子。
注意到hash_map默认的构造函数        hash_map()

      : _M_ht(100, hasher(), key_equal(), allocator_type()) {}

   默认是初始化一个100个hashtable桶元素，如果你的hash_map用不到这么多元素，建议不要使用默认值。
hash_map的键值一经插入，使用期间不要更改(有时候时内存释放等造成的)，否则会酿造悲剧，如下例：
 

/* *
 *\author peakflys
 *\brief 演示hash_map键值更改造成的问题
  */
#include <iostream>
#include <ext/hash_map>
struct Unit
{
     char name[32];
    unsigned  int score;
    Unit( const  char *_name, const unsigned  int _score) : score(_score)
    {   
        strncpy(name,_name,32);
    }   
};
int main()
{
    typedef __gnu_cxx::hash_map< char*,Unit*> uHMap;
    typedef uHMap::value_type hmType;
    typedef uHMap::iterator hmIter;
    uHMap hMap;
    Unit *unit1 =  new Unit("peak",100);
    Unit *unit2 =  new Unit("Joey",20);
    Unit *unit3 =  new Unit("Rachel",40);
    Unit *unit4 =  new Unit("Monica",90);
    hMap[unit1->name] = unit1;
    hMap[unit2->name] = unit2;
    hMap.insert(hmType(unit3->name,unit3));
    hMap.insert(hmType(unit4->name,unit4));
     for(hmIter it=hMap.begin();it!=hMap.end();++it)
    {   
        std::cout<<it->first<<"\t"<<it->second->score<<std::endl; // 正常操作
    }   
     for(hmIter it=hMap.begin();it!=hMap.end();++it)
   {
        Unit *unit = it->second;
        //hMap.erase(it++);
        delete unit;  // delete释放节点内存，但是hMap没有除去,造成hMap内部错乱，有可能宕机
    } 
     hmIter it = hMap.begin();
    strncpy(it->first,"cc",32); // 强行更改
     for(hmIter it=hMap.begin();it!=hMap.end();++it)
    {   
        std::cout<<it->first<<"\t"<<it->second->score<<std::endl; // 死循环，原因参加上面++操作说明
    }   
     return 0;
}

上面错误都是实际使用时很容易遇到的情况。暂时先写到这里，VS下的hash_map的实现和SGI的相差比较大，例如hashtable动态大小的调整是完全按照vector2倍的策略增长等等。
   原创内容，转载注明作者和出处，谢谢。