散列表
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：
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
// 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。
static final int hash(Object key) {
int h;
return (key == null) ? 0 : (h = key.hashCode()) ^ (h >>> 16);
}
散列查找方法
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
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
评论
登录后参与评论
推荐阅读
目录
腾讯云开发者
