有趣的算法(三)——Hash算法

有趣的算法(三)——Hash算法

(原创内容,转载请注明来源,谢谢)

一、Hash算法

近期看到用hash实现基于hash的简单的小型数据库(传统大型数据库用的都是B+tree),感觉挺感兴趣,故先研究hash算法,近期会用hash实现一个小的数据库。

Hash表(Hash Table)又称为散列表,通过把关键字key映射到数组的一个位置,来访问记录。这个映射函数称为hash函数,存放记录的数组称为hash表。

1、hash函数

作用是把任意长度的输入,通过hash算法得到固定函数的输出,输出的内容就是hash值。这种映射是一种压缩映射,即输出的内容占用的存储空间可能会小于输入的内容。因此不同的key经过hash可能会得到同一个结果。

好的hash使每个关键字均匀分布到hash表的任一个位置,并于其他已被散列到hash表中的关键字不冲突。

根据关键字的不同,可能设计不同的hash算法。

2、直接取余法——适用整数

用关键字k除以hash表的大小m取余,得到的结果即为结果。

h(k) = k mod m。例如哈希表大小20,关键字是30,则h(20) = 10。

3、乘积取整法——适用小数

使用关键字k乘以一个常数A(0<A<1),取出kA的小数部分,乘以hash表的大小,向下取整即可。

hash(k)= floor(m*(kA mod 1)),kA mod 1表示kA的小数部分,floor是取整操作。

4、ASCII码处理法——适用字符串

字符串无法进行取余或者取整,则可以使用把每个字符取整求和,再按照上面的方法对结果进行处理。

5、经典hash算法:DJB hashfunction(俗称Times33)

该算法效率和随机性很高,运用广泛,包括Perl、Berkeley DB、Apache、MFC、STL、PHP等的Hash,都用的此算法。

该算法的核心是将每一位都乘以33,再加上原来的值。

代码实现方法(C语言)如下:

         unsignedlong time33(char const *str, int len)
    {
       unsigned long  hash = 0;
       for (int i = 0; i < len; i++) {
           hash = ((hash <<5) + hash) + (unsigned long) str[i];
       }
       return hash;
}

其中,采用<<方式,即将值乘以2的5次方(32)。

二、Hash表

1、算法

hash表的时间复杂的O(1),即key通过hash函数,找到值所在的地方。要构建hash表必须创建一个足够大的数组用于存放数据,另外还需要一个hash函数把关键字key映射到数组的某个位置。具体实现步骤如下:

1)创建一个固定大小的数组用于存放数据。

2)设计hash函数。

3)通过hash函数把关键字映射到数组的某个位置,并在此位置上进行数据存取。

2、用PHP实现hash表

1)定义hashtable类

<?php
classHashTable{
private $buckets;
private $size = 10;
public function __construct($size = 0){
if($size > 0){
$this->size =$size;
}
$this->buckets = new SplFixedArray($this->size);
}
}

hash表采用定长来保存数据,其中buckets是一个数组,其key是hash函数的结果,值用于存放原值。buckets的数组不采用array,而采用php的SPL中的SplFixedArray,该类要求初始化的时候需要一个定长,并且数组的key只能是整数。这个数组更接近原生的c语言,效率更高。

2)定义hash函数(Times33,字符串取ascii,结果和10)

private functionhashFunction($string){
         $len = strlen($string);
         $hash = 0;
         for($i=0;$i<$len;$i++){
         $hash += $hash<<5+ ord($key[$i]);
         $hash %=$this->size;
}
return $hash;
}

3)增删改查

         //新增,相同则覆盖
         publicfunction insert($key, $val){
                   $key= $this->hashFunction($key);
                   $this->buckets[$key]= $val;
                   return$this->buckets;
         }
         //查找
         publicfunction search($key){
                   $key= $this->hashFunction($key);
                   return$this->buckets[$key];
         }
         //删除
         publicfunction delete($key){
                   $key= $this->hashFunction($key);
                   if(isset($this->buckets[$key])){
                            unset($this->buckets[$key]); 
                   }
         }
         //修改,不存在则新增
         publicfunction update($key, $val){
                   $key= $this->hashFunction($key);
                   $this->buckets[$key]= $val;
                   return$this->buckets;
         }

3、Hash表冲突问题

因为key是通过一定的计算得到的结果,且通常传入的key和计算的key不是一一对应的,因此可能会存在冲突。要解决冲突,可以使用拉链法,即将所有相同的值放在一个链表中。此时,除了需存储value,还要存储key和下一个value的位置。

因此,需要引入一个新的类:

         classHashNode{
         public $key;
         public $value;
         public $next;
         public function __construct($key,$value, HashNode $next = null){
         $this->key = $key;
         $this->value=$value;
         $this->next =$next;
}
}

此时,相应的操作变化如下:

         //新增,链表方式,重复则添加到相应的链表
         publicfunction insert($key, $val){
                   $key= $this->hashFunction($key);
                   if(isset($this->buckets[$key])){
                            $node= new HashNode($key, $val, $this->buckets[$key]);
                   }else{
                            $node = new HashNode($key, $val);
                   }
                   unset($this->buckets[$key);
                   $this->buckets[$key]= $node;
                   return$this->buckets;
         }
         //查找
         publicfunction search($key){
                   $key= $this->hashFunction($key);
                   if(!isset($this->buckets[$key])){
                            returnnull;
                   }
                   $current= $this->buckets[$key];
                   while(isset($current)){
                            if($current->key== $key){
                                     return$current->value;
                            }
                            $current= $current->next;
                   }                                   
                   returnnull;
         }
         //修改,不存在则返回false
         publicfunction update($key, $val){
                   $key= $this->hashFunction($key);
                   if(!isset($this->buckets[$key])){
                            returnfalse;
                   }
                   $current= $this->buckets[$key];
                   $isSuccess= false;
                   while(isset($current)){
                            if($current->key== $key){
                                     $current->value= $val;
                                     $isSuccess= true;
                                     break;
                            }
                            $current= $current->next;                       
                   }
                   return$isSuccess;
         }

——written by linhxx 2017.08.18

原文发布于微信公众号 - 决胜机器学习(phpthinker)

原文发表时间:2017-08-18

本文参与腾讯云自媒体分享计划,欢迎正在阅读的你也加入,一起分享。

发表于

我来说两句

0 条评论
登录 后参与评论

相关文章

来自专栏郭艺帆的专栏

庖丁解牛:GIF

GIF 是一种使用 LZW 压缩,支持多张图像的容器。支持256色,透明通道为1bit。作为互联网表情包的载体,GIF 这项80年代的技术依然生生不息。

1770
来自专栏草根专栏

使用 C# (.NET Core) 实现模板方法模式 (Template Method Pattern)

本文的概念内容来自深入浅出设计模式一书. 项目需求 有一家咖啡店, 供应咖啡和茶, 它们的工序如下: ? 咖啡: ? 茶: ? 可以看到咖啡和茶的制作工序是差不...

3334
来自专栏Python攻城狮

Pandas的函数应用、层级索引、统计计算1.Pandas的函数应用apply 和 applymap排序处理缺失数据2.层级索引(hierarchical indexing)MultiIndex索引对

702
来自专栏王肖的UT

GLSL-变量和类型

1274
来自专栏noteless

[十]基础数据类型之Unicode编码简介

(American Standard Code for Information Interchange,美国信息交换标准代码)

702
来自专栏DOTNET

表现层设计模式

一、理论 1 MVC:模型-视图-控制器 模型: 指应用程序中,业务逻辑入口点对象。模型中包括:应用程序状态、视图展示的数据、响应用户请求的操作、执行控制器请求...

2594
来自专栏崔庆才的专栏

Scrapy爬虫去重效率优化之Bloom Filter的算法的对接

首先回顾一下Scrapy-Redis的去重机制。Scrapy-Redis将Request的指纹存储到了Redis集合中,每个指纹的长度为40,例如27adcc2...

6866
来自专栏xcywt

编译到底做了什么(***.c -> ***.o的过程)

 (第一次写博客,好激动的说.......) 我们知道,一个程序由源代码到可执行文件往往由这几步构成: 预处理(Prepressing)-> 编译(Compil...

1895
来自专栏cs

串匹配算法

问题:给定二个字符串S和T,在主串S中查找子串T的过程称之为字符串匹配问题(string matching,也称之为模式匹配)。在文本处理系统,操作系统,编译系...

32310
来自专栏大内老A

What is "Type" in managed heap?

我们知道,在程序运行过程中,每个对象(object)都是对应了一块内存,这里的对象不仅仅指的是某个具体类型的实例(instance),也包括类型(type)本身...

1777

扫码关注云+社区