前往小程序,Get更优阅读体验!
立即前往
首页
学习
活动
专区
工具
TVP
发布
社区首页 >专栏 >散列表

散列表

作者头像
周三不加班
发布2019-09-03 10:18:15
6900
发布2019-09-03 10:18:15
举报
文章被收录于专栏:程序猿杂货铺

什么是散列表

是根据键 (Key) 而直接访问在内存存储位置的数据结构。也就是说,它通过计算一个关于键值的函数,将所需查询的数据映射到表中一个位置来访问记录,这加快了查找速度。这个映射函数称做散列函数,存放记录的数组称做散列表。

通俗的解释

基本思想

散列表几个重要概念 :

散列函数、装载因子、散列冲突

装载因子:= 填入表中的元素个数 / 散列表的长度

是散列表装满程度的标志因子。由于表长是定值, 与“填入表中的元素个数”成正比,所以,越大,表明填入表中的元素越多,产生冲突的可能性就越大;反之, 越小,标明填入表中的元素越少,产生冲突的可能性就越小。实际上,散列表的平均查找长度是载荷因子 的函数,只是不同处理冲突的方法有不同的函数。

对于开放定址法,荷载因子是特别重要因素,应严格限制在 0.7-0.8 以下。超过 0.8 ,查表时的CPU缓存不命中(cache missing)按照指数曲线上升。因此,一些采用开放定址法的 hash库,如 Java 的系统库限制了荷载因子为 0.75,超过此值将 resize 散列表。

散列冲突:

就是指多个元素通过散列函数计算得到的散列地址是相同的。

散列函数:

散列函数选取原则

代码语言:javascript
复制
好的散列函数 = 计算简单 + 分布均匀
数据结构中的散列函数:

主要的散列冲突的解决办法

开放寻址法:

拉链法(链地址法) 将散列到同一个存储位置的所有元素保存在一个链表中。

再散列法:

即在上次散列计算发生冲突时,利用该次冲突的散列函数地址产生新的散列函数地址,直到冲突不再发生。

Example

开放定址法

散列表查找的伪代码
代码语言:javascript
复制
// 使用除留余数法
int Hash(int key){
    return key % HASHSIZE;        //除数一般小于等于表长的最大素数
}

// 插入关键字到散列表
void InsertHash(HashTable *H, int key){
    int addr;

    addr = Hash(key);     //只是得到一个偏移地址

    while( H->elem[addr] != NULLKEY )   // 如果不为空,则冲突出现
    {
        addr = (addr + 1) % HASHSIZE;   // 开放定址法的线性探测
    }

    H->elem[addr] = key;
}

// 散列表查找关键字
int SearchHash(HashTable H, int key, int *addr){
    *addr = Hash(key);

    while( H.elem[*addr] != key )
    {
        *addr = (*addr + 1) % HASHSIZE;
        if( H.elem[*addr] == NULLKEY || *addr == Hash(key) )   //后面那个条件说明循环回到原点
        {
            return -1;
        }
    }
    return 0;
}
Java 中的散列

Java 中的散列冲突解决方法就是上文中提到的开放定址法。散列函数如下。

代码语言:javascript
复制
static final int hash(Object key) {         
  int h;        
  return (key == null) ? 0 : (h = key.hashCode()) ^ (h >>> 16);    
}

散列查找方法

代码语言:javascript
复制
public V get(Object key) {
    Node<K,V> e;
    return (e = getNode(hash(key), key)) == null ? null : e.value;
}

final Node<K,V> getNode(int hash, Object key) {
    Node<K,V>[] tab; Node<K,V> first, e; int n; K k;
    if ((tab = table) != null && (n = tab.length) > 0 &&
        (first = tab[(n - 1) & hash]) != null) {
        if (first.hash == hash && // always check first node
            ((k = first.key) == key || (key != null && key.equals(k))))
            return first;
        if ((e = first.next) != null) {
            if (first instanceof TreeNode)
                return ((TreeNode<K,V>)first).getTreeNode(hash, key);
            do {
                if (e.hash == hash &&
                    ((k = e.key) == key || (key != null && key.equals(k))))
                    return e;
            } while ((e = e.next) != null);
        }
    }
    return null;
}

散列表的插入

代码语言:javascript
复制
public V put(K key, V value) {
    return putVal(hash(key), key, value, false, true);
}

final V putVal(int hash, K key, V value, boolean onlyIfAbsent,
               boolean evict) {
    Node<K,V>[] tab; Node<K,V> p; int n, i;
    if ((tab = table) == null || (n = tab.length) == 0)
        n = (tab = resize()).length;
    if ((p = tab[i = (n - 1) & hash]) == null)
        tab[i] = newNode(hash, key, value, null);
    else {
        Node<K,V> e; K k;
        if (p.hash == hash &&
            ((k = p.key) == key || (key != null && key.equals(k))))
            e = p;
        else if (p instanceof TreeNode)
            e = ((TreeNode<K,V>)p).putTreeVal(this, tab, hash, key, value);
        else {
            for (int binCount = 0; ; ++binCount) {
                if ((e = p.next) == null) {
                    p.next = newNode(hash, key, value, null);
                    if (binCount >= TREEIFY_THRESHOLD - 1) // -1 for 1st
                        treeifyBin(tab, hash);
                    break;
                }
                if (e.hash == hash &&
                    ((k = e.key) == key || (key != null && key.equals(k))))
                    break;
                p = e;
            }
        }
        if (e != null) { // existing mapping for key
            V oldValue = e.value;
            if (!onlyIfAbsent || oldValue == null)
                e.value = value;
            afterNodeAccess(e);
            return oldValue;
        }
    }
    ++modCount;
    if (++size > threshold)
        resize();
    afterNodeInsertion(evict);
    return null;
}

小结

最近在学习数据结构的时候,复习了一下散列表的基本概念,因为散列表在我们敲代码的时候用的比较多,所以打好基础还是有必要的。

本文参与 腾讯云自媒体同步曝光计划,分享自微信公众号。
原始发表:2018-12-03,如有侵权请联系 cloudcommunity@tencent.com 删除

本文分享自 程序员啊粥 微信公众号,前往查看

如有侵权,请联系 cloudcommunity@tencent.com 删除。

本文参与 腾讯云自媒体同步曝光计划  ,欢迎热爱写作的你一起参与!

评论
登录后参与评论
0 条评论
热度
最新
推荐阅读
目录
  • 什么是散列表
  • 通俗的解释
  • 基本思想
  • 散列表几个重要概念 :
    • 装载因子:= 填入表中的元素个数 / 散列表的长度
      • 散列冲突:
        • 散列函数:
          • 数据结构中的散列函数:
        • 主要的散列冲突的解决办法
          • 开放寻址法:
          • 再散列法:
      • Example
        • 开放定址法
          • 散列表查找的伪代码
          • Java 中的散列
      • 小结
      领券
      问题归档专栏文章快讯文章归档关键词归档开发者手册归档开发者手册 Section 归档