哈希表

 1.哈希表的定义

哈希表：根据关键码值（key value）直接进行访问的数据结构，也就是说，它通过把关键码值映射到表中一个位置来访问记录，以加快查找速度，这个映射函数叫做哈希函数，存放记录的数组叫做哈希表。

给定表M，存在函数f(key)，对任意给定的关键字值key，代入函数后若能得到包含该关键字的记录在表中的地址，则称表M为哈希(Hash）表，函数f(key)为哈希(Hash) 函数。

举例：新华字典，我想要获取“按”字详细信息，去根据拼音an去查找拼音索引，首先去查an在字典的位置，得到“安”，这个过程就是键码映射。在公式里，就是通过key去查找f(key)。其中，按就是关键字（key），f(key)就是字典索引，也就是哈希函数，查到的页码4就是哈希值。

 

2.如何构造哈希表

根据设定的哈希函数f=H(key)和处理冲突的方法，将一组关键字映像到一个有限的连续的地址集上，并以关键字在地址集中的”象”作为记录在表中的存储位置，这一映像过程，称为构造哈希表(散列表)。

几种常见的哈希函数（散列函数）构造方法

• 直接定址法
  • 取关键字或关键字的某个线性函数值为散列地址。
  • 即 H(key) = key 或 H(key) = a*key + b，其中a和b为常数。
  • 比如
• 除留余数法 
  • 取关键字被某个不大于散列表长度 m 的数 p 求余，得到的作为散列地址。对除数p的选择很重要，若p选的不好，则很容易产生同义词。一般，将p选为素数或不包含大于20的。
  • 即 H(key) = key % p, p < m。
  • 比如
• 数字分析法
  • 当关键字的位数大于地址的位数，对关键字的各位分布进行分析，选出分布均匀的任意几位作为散列地址。
  • 仅适用于所有关键字都已知的情况下，根据实际应用确定要选取的部分，尽量避免发生冲突。
  • 比如

• 平方取中法
  • 先计算出关键字值的平方，然后取平方值中间几位作为散列地址。
  • 随机分布的关键字，得到的散列地址也是随机分布的。
  • 比如

• 折叠法（叠加法）
  • 将关键字分为位数相同的几部分，然后取这几部分的叠加和（舍去进位）作为散列地址。
  • 用于关键字位数较多，并且关键字中每一位上数字分布大致均匀。
  • 比如

• 随机数法
  • 选择一个随机函数，把关键字的随机函数值作为它的哈希值。
  • 通常当关键字的长度不等时用这种方法。

构造哈希函数的方法很多，实际工作中要根据不同的情况选择合适的方法，总的原则是尽可能少的产生冲突。

通常考虑的因素有关键字的长度和分布情况、哈希值的范围等。

如：当关键字是整数类型时就可以用除留余数法；如果关键字是小数类型，选择随机数法会比较好。

 

3.哈希冲突

若key1≠key2, 而f(key1)=f(key2), 则这种现象称为冲突，且key1和key2对哈希函数f来说是同义词。

 

4. 哈希冲突解决方法

1.开放定址法（线性探测再散列，二次探测再散列，伪随机探测再散列）

用开放定址法解决冲突的做法是：

用开放定址法解决冲突的做法是：当冲突发生时，使用某种探测技术在散列表中形成一个探测序列。沿此序列逐个单元地查找，直到找到给定的关键字，或者碰到一个开放的地址（即该地址单元为空）为止（若要插入，在探查到开放的地址，则可将待插入的新结点存人该地址单元）。查找时探测到开放的地址则表明表中无待查的关键字，即查找失败。

简单的说：当冲突发生时，使用某种探查(亦称探测)技术在散列表中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。

按照形成探查序列的方法不同，可将开放定址法区分为线性探查法、二次探查法、双重散列法等。

a.线性探查法

hi=(h(key)+i) ％ m ，0 ≤ i ≤ m-1

基本思想是：
探查时从地址 d 开始，首先探查 T[d]，然后依次探查 T[d+1]，…，直到 T[m-1]，此后又循环到 T[0]，T[1]，…，直到探查到 有空余地址 或者到 T[d-1]为止。

b.二次探查法

hi=(h(key)+i*i) ％ m，0 ≤ i ≤ m-1

基本思想是：
探查时从地址 d 开始，首先探查 T[d]，然后依次探查 T[d+1^2]，T[d+2^2]，T[d+3^2],…，等，直到探查到 有空余地址 或者到 T[d-1]为止。

缺点是无法探查到整个散列空间。

c.双重散列法

hi=(h(key)+i*h1(key)) ％ m，0 ≤ i ≤ m-1

基本思想是：
探查时从地址 d 开始，首先探查 T[d]，然后依次探查 T[d+h1(d)], T[d + 2*h1(d)]，…，等。

该方法使用了两个散列函数 h(key) 和 h1(key)，故也称为双散列函数探查法。

定义 h1(key) 的方法较多，但无论采用什么方法定义，都必须使 h1(key) 的值和 m 互素，才能使发生冲突的同义词地址均匀地分布在整个表中，否则可能造成同义词地址的循环计算。

该方法是开放定址法中最好的方法之一。

2.链地址法（拉链法）

拉链法解决冲突的做法是： 
将所有关键字为同义词的结点链接在同一个单链表中。

若选定的散列表长度为 m，则可将散列表定义为一个由 m 个头指针组成的指针数组 T[0..m-1] 。

凡是散列地址为 i 的结点，均插入到以 T[i] 为头指针的单链表中。
T 中各分量的初值均应为空指针。

在拉链法中，装填因子 α 可以大于 1，但一般均取 α ≤ 1。

3.再哈希法

这种方法是同时构造多个不同的哈希函数： 
Hi=RH1（key） i=1，2，…，k 
当哈希地址Hi=RH1（key）发生冲突时，再计算Hi=RH2（key）……，直到冲突不再产生。这种方法不易产生聚集，但增加了计算时间。

4.建立一个公共溢出区

 将哈希表分为基本表和溢出表两部分，凡是和基本表发生冲突的元素，一律填入溢出表。

 

5.哈希的应用

• 哈希表
• 分布式缓存

哈希表（散列表）

哈希表（hash table）是哈希函数最主要的应用。

哈希表是实现关联数组（associative array）的一种数据结构，广泛应用于实现数据的快速查找。

用哈希函数计算关键字的哈希值（hash value）,通过哈希值这个索引就可以找到关键字的存储位置，即桶（bucket）。哈希表不同于二叉树、栈、序列的数据结构一般情况下，在哈希表上的插入、查找、删除等操作的时间复杂度是 O(1)。

查找过程中，关键字的比较次数，取决于产生冲突的多少，产生的冲突少，查找效率就高，产生的冲突多，查找效率就低。因此，影响产生冲突多少的因素，也就是影响查找效率的因素。
影响产生冲突多少有以下三个因素：

哈希函数是否均匀；
处理冲突的方法；
哈希表的加载因子。
哈希表的加载因子和容量决定了在什么时候桶数（存储位置）不够，需要重新哈希。

加载因子太大的话桶太多，遍历时效率变低；太大的话频繁 rehash，导致性能降低。所以加载因子的大小需要结合时间和空间效率考虑。

在 HashMap 中的加载因子为 0.75，即四分之三。

分布式缓存

网络环境下的分布式缓存系统一般基于一致性哈希（Consistent hashing）。简单的说，一致性哈希将哈希值取值空间组织成一个虚拟的环，各个服务器与数据关键字K使用相同的哈希函数映射到这个环上，数据会存储在它顺时针“游走”遇到的第一个服务器。可以使每个服务器节点的负载相对均衡，很大程度上避免资源的浪费。

在动态分布式缓存系统中，哈希算法的设计是关键点。使用分布更合理的算法可以使得多个服务节点间的负载相对均衡，可以很大程度上避免资源的浪费以及部分服务器过载。 使用带虚拟节点的一致性哈希算法，可以有效地降低服务硬件环境变化带来的数据迁移代价和风险，从而使分布式缓存系统更加高效稳定。

 

转：重温数据结构：哈希 哈希函数 哈希表

 

 

来源：https://www.cnblogs.com/zkfopen/p/10610703.html