【C++进阶07】哈希表and哈希桶-Toy模板网

这篇具有很好参考价值的文章主要介绍了【C++进阶07】哈希表and哈希桶。希望对大家有所帮助。如果存在错误或未考虑完全的地方，请大家不吝赐教，您也可以点击"举报违法"按钮提交疑问。

【C++进阶07】哈希表and哈希桶,C++,哈希算法,散列表,c++

一、哈希概念

顺序结构以及平衡树中
元素关键码与存储位置没有对应关系
因此查找一个元素
必须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( $log_2 N$ )

搜索效率 = 搜索过程中元素的比较次数
理想的搜索方法：不经任何比较
一次直接从表中获取想要的元素

构造一种存储结构
通过某种函数(hashFunc)使元素的存储位置
与它的关键码之间建立一一映射的关系
就能在查找时通过该函数直接找到该元素

向该结构中：
插入元素：
根据待插入元素的关键码
以此函数计算出该元素的存储位置并按此位置
进行存放
搜索元素：
对元素的关键码进行同样的计算
把求得的函数值当做元素的存储位置
在结构中按此位置取元素比较
若关键码相等，则搜索成功

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)

例如：
数据集合{1，7，6，4，5，9};
哈希函数设置为：
hash(key) = key % capacity;
capacity：
存储元素底层空间总的大小

【C++进阶07】哈希表and哈希桶,C++,哈希算法,散列表,c++

二、哈希冲突

不同关键字通过相同的哈希函数
计算出相同的哈希地址
该种现象称为哈希冲突或哈希碰撞

把具有不同关键码
而具有相同哈希地址的数据元素称为“同义词”

11、21、31…数据经过哈希函数计算都为1
都插入在下标为1的地方便会冲突

【C++进阶07】哈希表and哈希桶,C++,哈希算法,散列表,c++

三、哈希函数

引起哈希冲突的一个原因可能是：
哈希函数设计不够合理

哈希函数设计原则：

哈希函数的定义域必须包括
需要存储的全部关键码
而如果散列表允许有m个地址时
其值域必须在0到m-1之间
哈希函数计算出来的地址能均匀分布在
整个空间中
哈希函数应该比较简单

常用哈希函数：

直接定址法
取关键字的某个线性函数为散列地址：
Hash（Key）= A*Key + B
优点：简单、均匀
缺点：需要事先知道关键字的分布情况
使用场景：适合查找比较小且连续的情况
面试题：字符串中第一个只出现一次字符
除留余数法
设散列表中允许的地址数为m
取一个不大于m
但最接近或等于m的质数p作为除数
按照哈希函数：
Hash(key) = key% p(p<=m)
将关键码转换成哈希地址

四、哈希冲突解决

解决哈希冲突两种常见方法：
闭散列和开散列

4.1 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
说明哈希表中必然还有空位置
那么可以把key存放到
冲突位置的“下一个” 空位置中去

那如何寻找下一个空位置呢？

线性探测
从发生冲突的位置开始
依次向后探测
直到寻找到下一个空位置为止

【C++进阶07】哈希表and哈希桶,C++,哈希算法,散列表,c++
线性探测优点：实现简单

线性探测缺点：一旦发生哈希冲突
所有的冲突连在一起，容易产生数据“堆积”
即：不同关键码占据了可利用的空位置
使得寻找某关键码的位置需要许多次比较
导致搜索效率降低

二次探测

线性探测的缺陷是
产生冲突的数据堆积在一块
这与其找下一个空位置有关系
因为找空位置的方式就是挨着往后逐个去找

因此二次探测为了避免该问题
找下一个空位置的方法为：
$H_i$ = ( $H_0$ + $i^2$ )% m
或者： $H_i$ = ( $H_0$ - $i^2$ )% m
其中：i = 1,2,3…， $H_0$ 是通过
散列函数Hash(x)对元素的关键码 key
进行计算得到的位置，m是表的大小

研究表明：当表的长度为质数且表装载因子
a不超过0.5时，新的表项一定能够插入
而且任何一个位置都不会被探查两次
因此只要表中有一半的空位置
就不会存在表满的问题
在搜索时可以不考虑表装满的情况
但在插入时必须确保表的装载因子a不超过
0.5，如果超出必须考虑增容
因此：比散列最大的缺陷就是空间利用率
比较低，这也是哈希的缺陷

4.2 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

如图：
将哈希地址相同的元素链接在同一个桶下面
【C++进阶07】哈希表and哈希桶,C++,哈希算法,散列表,c++
在实际应用中
开散列比闭散列更实用

哈希桶负载因子更大
空间利用率高
极端情况也有解决方案

哈希桶极端情况：
所有元素在同一个桶
为了避免这种情况
当桶超过一定高度
将该桶转换为红黑树结构

五、哈希桶的模拟实现

5.1 基本框架

namespace HashBucket // 哈希桶
{	
	template <class K, class V>
	struct HashNode
	{
		pair<K, V> _kv;
		HashNode<K, V>* _next; // 单链表的方式链接
		
		HashNode(const pair<K, V>& kv)
			: _next(nullptr)
			, _kv(kv)
		{}
	};

	template <class K, class V>
	class HashTable
	{
		typedef HashNode<K, V> Node;
	public:
	private:
		vector<Node*> _tables;
		size_t _n = 0; // 存储的有效数据个数 
	};
}

5.2 插入元素

哈希桶的增容
若哈希表的大小为0
将哈希表的初始值设置为10

若哈希表的负载因子等于1
创建一个新表，大小是原表的两倍
用新表的哈希函数计算旧表的每个
元素在新表的映射位置
将旧表的每个元素头插进新表

bool Insert(const pair<K, V>& kv)
{
	// 去重, 插入之前先查找有没有相同的元素
	if (Find(kv.first))
		return false;

	// 负载因子 == 1时扩容
	if (_n == _tables.size())
	{
		// 哈希表大小为0，将哈希表初始值设为10
		size_t newsize = _tables.size() == 0 ? 10 : _tables.size() * 2;
		vector<Node*> newtables(newsize, nullptr);
		for (auto& cur : _tables)
		{
			while (cur) // current不为空, 把挂着的数据一个一个移到新表
			{
				Node* next = cur->_next;
				size_t hashi = cur->_kv.first % newtables.size();
				// 头插到新表
				cur->_next = newtables[hashi];
				newtables[hashi] = cur;

				cur = next;
			}
		}
		_tables.swap(newtables);
	}

	size_t hashi = kv.first % _tables.size();
	// 头插
	Node* newnode = new Node(kv);
	newnode->_next = _tables[hashi];
	_tables[hashi] = newnode;
	++_n;
	return true;
}

Node* Find(const K& key)
{
	if (_tables.size() == 0)
		return nullptr;

	size_t hashi = key % _tables.size();
	Node* cur = _tables[hashi];
	while (cur)
	{
		if (cur->_kv.first == key)
		{
			return cur;
		}

		cur = cur->_next;
	}
	return nullptr;
}

bool Erase(const K& key)
{
	size_t hashi = key % _tables.size();
	Node* prev = nullptr;
	Node* cur = _tables[hashi];
	while (cur)
	{
		if (cur->_kv.first == key)
		{
			if (prev == nullptr)
			{
				_tables[hashi] = cur->_next;
			}
			else
			{
				prev->_next = cur->_next;
			}
			delete cur;
			return true;
		}
		else
		{
			prev = cur;
			cur = cur->_next;
		}
	}

	return false;
}