hash函数

Java数据结构-HashMap 目录 Java数据结构-HashMap 1. HashMap 1.1 HashMap介绍 1.1.1 HashMap介绍 1.1.2 HashMap继承图 1.2 HashMap 组成结构 1.2.1 Hashmap底层数据结构 2.HashMap源码解析 2.1 HashMap属性源码解析 2.1.1 HashMap中的静态常量 2.1.2 HashMap中的属性 2.1.2 HashMap中的存储结点 2.1.3 Hash表 2.2 方法源码分析 2.2.1 构造方法分析 2.2.2 Put(K key,V value) 待续... 1. HashMap 1.1 HashMap介绍 1.1.1 HashMap介绍 HashMap是一个用于存储Key-Value键值对的集合，每一个键值对也叫做 Entry ，有着key与value两个基本属性以及有其他的包含其他结点位置信息的属性 通过HashMap我们可以存储键值对，并且可以在较短的时间复杂度内， 1.1.2 HashMap继承图 HashMap通过继承 AbstractMap 实现了 Map 接口,且本身也实现了 Map 接口 在接口实现关系上来看为多余操作 但有一点要注意，在使用 反射获取实现接口 时，如果不是显示实现某接口而是通过继承来实现该接口，则不会获取该接口类型，这一点在使用

前置概念 Key : 我们提供的一个要进行哈希的数字 \(f(x)\) :即为哈希函数，将key扔到这个函数里面，可以得到Value，最核心的构造哈希表的东西 Hash地址：hash出来的值在哈希表中的存储位置 进入正题 字符串hash 例题1:【模板】KMP 现有T组数据，每次给定两个字符串 \(s1\text{和}s2\) ，求 \(s1\text{在}s2\) 中出现了几次。 首先考虑的当然是KMP了（逃 但是由于我们讲的是字符串hash，那就考虑怎么用字符串hash求解； 考虑每次枚举每一个子串的hash值，但是复杂度..... \(O(nm)\) 所以介绍一个优化技巧：滚动hash 滚动hash 滚动hash的诞生就是为了避免在 \(O(m)\) 的时间复杂度内计算一个长度为m的字符串的hash值： 我们选取两个合适的互质常数（虽然不知道为什么互质）b和h，对于字符串c，我们搞一个hash函数： \(hash(c)=(c_1b^{m-1}+c_2b^{m-2}+.....+c_mb^0)mod h\) 这个hash函数的构造过程是以递推实现的，设 \(hash(c,k)\) 为前k个字符构成的子串的hash值，有 \(hash(c,k)=hash(c,k-1)\times b+c_{k}\) 为方便理解，设 \(c="ABCD"\) 且 \(A=1,B=2....\) 则

转 http://acm.uestc.edu.cn/#/problem/show/1092 韩爷的梦 Time Limit: 200/100MS (Java/Others) Memory Limit: 1300/1300KB (Java/Others) Submit Status 一天，韩爷去百度面试，面试官给了他这么一个问题。 给你2万个字符串，每个字符串长度都是100，然后把2万个字符串丢入一个 set< string >g 中，问最终set里含有多少个元素？ g 是一个用来存储字符串、具有去重功能的容器，即相同字符串在 g 中只能保留一个。 两个字符串相等，当且仅当，长度一样且对应位置的字符都一样。 韩爷前晚没睡好，随手写了一个程序交给面试官，然后就gg了。 #include<iostream> #include<string> #include<set> using namespace std; string s; set<string>g; int main(){ for(int k=1;k<=20000;k++){ cin>>s; g.insert(s); } cout<<g.size()<<endl; return 0; } 韩爷醒来之后，发现这只是一个梦（还好只是个梦）。他回忆起梦中的面试官给他的内存限制和时间限制非常低，这么做肯定过不了，那么，现在你不在梦中

一致性Hash算法背景 　　一致性哈希算法在1997年由麻省理工学院的Karger等人在解决分布式Cache中提出的，设计目标是为了解决因特网中的热点(Hot spot)问题，初衷和CARP十分类似。一致性哈希修正了CARP使用的简单哈希算法带来的问题，使得DHT可以在P2P环境中真正得到应用。 　　但现在一致性hash算法在分布式系统中也得到了广泛应用，研究过memcached缓存数据库的人都知道，memcached服务器端本身不提供分布式cache的一致性，而是由客户端来提供，具体在计算一致性hash时采用如下步骤： 首先求出memcached服务器（节点）的哈希值，并将其配置到0～2 32 的圆（continuum）上。 然后采用同样的方法求出存储数据的键的哈希值，并映射到相同的圆上。 然后从数据映射到的位置开始顺时针查找，将数据保存到找到的第一个服务器上。如果超过2 32 仍然找不到服务器，就会保存到第一台memcached服务器上。 　　从上图的状态中添加一台memcached服务器。余数分布式算法由于保存键的服务器会发生巨大变化而影响缓存的命中率，但Consistent Hashing中，只有在园（continuum）上增加服务器的地点逆时针方向的第一台服务器上的键会受到影响，如下图所示： 一致性Hash性质 　　考虑到分布式系统每个节点都有可能失效

腾讯面试题： tcp 三次握手的过程， accept 发生在三次握手哪个阶段？ 答accept发生在三次握手之后。 第一次握手：客户端发送syn包(syn=j)到服务器。 第二次握手：服务器收到syn包，必须确认客户的SYN（ack=j+1），同时自己也发送一个ASK包（ask=k）。 第三次握手：客户端收到服务器的SYN＋ACK包，向服务器发送确认包ACK(ack=k+1)。 三次握手完成后，客户端和服务器就建立了tcp连接。这时可以调用accept函数获得此连接。 const 的含义及实现机制，比如： const int i, 是怎么做到 i 只可读的？ const用来说明所定义的变量是只读的。 这些在编译期间完成，编译器可能使用常数直接替换掉对此变量的引用。 用 UDP 协议通讯时怎样得知目标机是否获得了数据包 可以在每个数据包中插入一个唯一的ID，比如timestamp或者递增的int。 发送方在发送数据时将此ID和发送时间记录在本地。 接收方在收到数据后将ID再发给发送方作为回应。 发送方如果收到回应，则知道接收方已经收到相应的数据包；如果在指定时间内没有收到回应，则数据包可能丢失，需要重复上面的过程重新发送一次，直到确定对方收到。 求一个论坛的在线人数，假设有一个论坛，其注册 ID 有两亿个，每个 ID 从登陆到退出会向一个日志文件中记下登陆时间和退出时间

(原文 http://show.rednet.cn/user1/213546/archives/2007/35467.html ) 这篇文章来自我今天碰到的一个问题，一个朋友问我使用map和hash_map的效率问题，虽然我也了解一些，但是我不敢直接告诉朋友，因为我怕我说错了，通过我查询一些帖子，我这里做一个总结！内容分别来自 alvin_lee ，codeproject,codeguru.baidu等等！ 先看看alvin_lee 朋友做的解析，我觉得还是很正确的，从算法角度阐述了他们之间的问题！ 实际上这个问题不光C++会遇到，其他所有语言的标准容器的实现及选择上都是要考虑的。做应用程序你可能觉得影响不大，但是写算法或者核心代码就要小心了。今天改进代码，顺便又来温习基础功课了。 　　还记得Herb Sutter那极有味道的《C++对话系列》么，在其中《产生真正的hash对象》这个故事里就讲了map的选择。顺便回顾一下，也讲一下我在实用中的理解。 　　选择map容器，是为了更快的从关键字查找到相关的对象。与使用list这样的线性表容器相比，一可以简化查找的算法，二可以使任意的关键字做索引，并与目标对象配对，优化查找算法。在C++的STL中map是使用树来做查找算法，这种算法差不多相当与list线性容器的折半查找的效率一样，都是O(log2N)

//发现了一种写起来方便的素数筛选法、速度也够快 //比用sqrt写函数判断快噢 #include <iostream> #include <stdio.h> #include <string.h> #include <algorithm> #define N 1000000 using namespace std; bool hash[N]; int main() { int i,j=0; for(j=4;j<N;j+=2) hash[j]=1; for(i=3;i<1000;i+=2) if(!hash[i])//在这里面就可以直接收集素数放在数组里面了 for(j=i*i;j<N;j+=i) hash[j]=1; for(j=1,i=3;i<N;i+=2) if(!hash[i]) j++; printf("%d\n",j); return 0; } 来源： https://www.cnblogs.com/372465774y/archive/2012/07/23/2604835.html

本文首先详细介绍了oracle中buffer cache的 概念 以及所包含的 内存结构 。然后结合各个后台进程（包括DBWRn、CKPT、LGWR等）深入介绍了oracle对于buffer cache的管理机制，并详细解释了oracle为什么会采用现在的管理机制，是为了解决什么问题。比如为何会引入touch次数、为何会引入增量检查点等等。最后全面介绍了有关buffer cache监控以及调优的实用方法。 1. buffer cache的 概念 用最简单的语言来描述oracle数据库的本质，其实就是能够用磁盘上的一堆文件来存储数据，并提供了各种各样的手段对这些数据进行管理。作为管理数据的最基本要求就是能够保存和读取磁盘上的文件中的数据。众所周知，读取磁盘的速度相对来说是非常慢的，而 内存 相对速度则要快的多。因此为了能够加快处理数据的速度，oracle必须将读取过的数据缓存在内存里。而oracle对这些缓存在内存里的数据起了个名字：数据高速缓存区（db buffer cache），通常就叫做buffer cache。按照oracle官方的说法，buffer cache就是一块含有许多数据块的内存区域，而这些数据块主要都是数据文件里的数据块内容的拷贝。通过初始化参数：buffer_cache_size来指定buffer cache的大小。oracle实例一旦启动

一、HashMap概述 二、HashMap的数据结构 三、HashMap源码分析 1、关键属性 2、构造方法 3、存储数据 4、调整大小 5、数据读取 6、HashMap的性能参数 一、HashMap概述 　　HashMap基于哈希表的 Map 接口的实现。此实现提供所有可选的映射操作，并允许使用 null 值和 null 键。（除了不同步和允许使用 null 之外，HashMap 类与 Hashtable 大致相同。）此类不保证映射的顺序，特别是它不保证该顺序恒久不变。 　　值得注意的是HashMap不是线程安全的，如果想要线程安全的HashMap，可以通过Collections类的静态方法synchronizedMap获得线程安全的HashMap。 Map map = Collections.synchronizedMap(new HashMap()); 二、HashMap的数据结构 　　HashMap的底层主要是基于数组和链表来实现的，它之所以有相当快的查询速度主要是因为它是通过计算散列码来决定存储的位置。HashMap中主要是通过key的hashCode来计算hash值的，只要hashCode相同，计算出来的hash值就一样。如果存储的对象对多了，就有可能不同的对象所算出来的hash值是相同的，这就出现了所谓的hash冲突。学过数据结构的同学都知道

简介 jump consistent hash是一种一致性哈希算法, 此算法 零内存消耗 ， 均匀分配 ， 快速 ，并且 只有5行代码 。 此算法适合使用在分shard的分布式存储系统中 。 此算法的作者是 Google 的 John Lamping 和 Eric Veach，论文原文在 http://arxiv.org/ftp/arxiv/papers/1406/1406.2294.pdf 完整代码： int32_t JumpConsistentHash(uint64_t key, int32_t num_buckets) { int64_t b = -1, j = 0; while (j < num_buckets) { b = j; key = key * 2862933555777941757ULL + 1; j = (b + 1) * (double(1LL << 31) / double((key >> 33) + 1)); } return b; } 输入是一个64位的key，和桶的数量（一般对应服务器的数量），输出是一个桶的编号。 原理解释： 下面byron根据论文的推导过程，做个翻译： jump consistent hash的设计目标是： 平衡性，把对象均匀地分布在所有桶中。 单调性，当桶的数量变化时，只需要把一些对象从旧桶移动到新桶，不需要做其它移动。