哈希表
常见的搜索方式:
1、顺序搜索——O(N)
2、二分搜索——O(log₂N)
3、搜索树结构中的查找:二叉树搜索——O(N),AVL——O(log₂N),红黑树——O(log₂N)
以上都需要比较,那有没有不需要比较就能查找的方法呢?
概念
顺序结构以及平衡树中,元素关键码与其存储位置之间没有对应的关系,因此在查找一个元素时,必须要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(log₂N),搜索的效率取决于搜索过程中元素的比较次数。
理想的搜索方法:可以不经过任何比较,一次直接从表中得到要搜索的元素。 如果构造一种存储结构,通过某种函数(hashFunc)使元素的存储位置与它的关键码之间能够建立一一映射的关系,那么在查找时通过该函数可以很快找到该元素。
当向该结构中插入元素时,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
当向该结构中搜索元素时,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
该结构即为哈希(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(HashTable)(或者称散列表)
哈希函数常设置为:hash(key)= key % capacity,capacity为存储元素底层空间的总大小,对于数组 capacity = array.length
![在这里插入图片描述](https://img-blog.csdnimg.cn/fb9aa7d3dab54bd9a8f5083c81e5c902.png?x-oss-process=image/watermark,type_ZHJvaWRzYW5zZmFsbGJhY2s,shadow_50,text_Q1NETiBAT3dlbl9YcA==,size_20,color_FFFFFF,t_70,g_se,x_16#pic_center)
多个不同元素,通过相同的哈希函数计算出相同的值,很明显44插入的位置上已经有元素了,这就是哈希冲突(碰撞)
哈希冲突
对于两个数据元素的关键字Ki和Kj(i != j),有Ki!=Kj,但有:Hash(Ki) == Hash(Kj),即:不同关键字通过相同哈希哈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”
冲突避免
首先,我们需要明确一点,由于我们哈希表底层数组的容量往往是小于实际要存储的关键字的数量的,这就导致一个问题,冲突的发生是必然的,但我们能做的应该是尽量的降低冲突率。
冲突避免-哈希函数设计
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
常见哈希函数(这里介绍两种常用的)
1. 直接定制法
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
2. 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,但最接近或者等于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
冲突避免-负载因子调节
哈希的负载因子=哈希表中有效元素个数 / 表格容量
负载越小:存的元素越少,发生的冲突概率越低
负载因子和冲突率的关系粗略演示
![在这里插入图片描述](https://img-blog.csdnimg.cn/0dfcb872df2145dc99ba82e077efc57f.png?x-oss-process=image/watermark,type_ZHJvaWRzYW5zZmFsbGJhY2s,shadow_50,text_Q1NETiBAT3dlbl9YcA==,size_20,color_FFFFFF,t_70,g_se,x_16#pic_center)
所以当冲突率达到一个无法忍受的程度时,我们需要通过降低负载因子来变相的降低冲突率。
哈希冲突的解决方式
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,说明在哈希表中必然还有空位置,那么可以把key存放到冲突位置中的“下一个” 空位置中去。那如何寻找下一个空位置呢?
1、线性探测
比如上面的场景,现在需要插入元素44,先通过哈希函数计算哈希地址,下标为4,因此44理论上应该插在该位置,但是该位置已经放了值为4的元素,即发生哈希冲突。
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。
插入
- 通过哈希函数获取待插入元素在哈希表中的位置
- 如果该位置中没有元素则直接插入新元素,如果该位置中有元素发生哈希冲突,使用线性探测找到下一个空位置,插入新元素
- 采用闭散列处理哈希冲突时,不能随便物理删除哈希表中已有的元素,若直接删除元素会影响其他元素的搜索。比如删除元素4,如果直接删除掉,44查找起来可能会受影响。因此线性探测采用标记的伪删除法来删除一个元素
哈希表格中每个空间必须有带状态的标记:EMPTY(判断空),EXIST(判断存在),DELETE(删除元素)
![在这里插入图片描述](https://img-blog.csdnimg.cn/266cb59fafd149fd9754aa1633853d71.png?x-oss-process=image/watermark,type_ZHJvaWRzYW5zZmFsbGJhY2s,shadow_50,text_Q1NETiBAT3dlbl9YcA==,size_20,color_FFFFFF,t_70,g_se,x_16#pic_center)
线性探测
优点:处理哈希冲突方式简单——逐个挨着往后找
缺点:容易产生数据堆积——一旦发生冲突,数据就会连成一片
2、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:Hi= (H0+i²)% m, 或者:Hi= (H0-i²)% m。其中:i = 1,2,3…, 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。
二次探测
优点:解决了线性探测数据堆积的问题
缺点:当表格中元素越来越多,二次探测需要的次数也会增加
开散列/哈希桶
相同于数组+链表
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。
![在这里插入图片描述](https://img-blog.csdnimg.cn/d99d843cb8b4412caf769730bdcfbcaf.png?x-oss-process=image/watermark,type_ZHJvaWRzYW5zZmFsbGJhY2s,shadow_50,text_Q1NETiBAT3dlbl9YcA==,size_20,color_FFFFFF,t_70,g_se,x_16#pic_center)
从上图可以看出,开散列中每个桶中放的都是发生哈希冲突的元素。
开散列,可以认为是把一个在大集合中的搜索问题转化为在小集合中做搜索了。
实现
public class HashBucket {
public static class ListNode{
Integer key;
Integer value;
ListNode next;
public ListNode(Integer key, Integer value){
this.key = key;
this.value = value;
}
}
// 数组---
ListNode[] table;
int size; // 哈希桶中有效元素的个数
public HashBucket(int initCapacity){
initCapacity = initCapacity <= 0? 16 : initCapacity;
table = new ListNode[initCapacity];
}
// O(1)
public Integer put(Integer key, Integer value){
// 0. 是否需要扩容
checkCapacity();
// 1. 根据哈希函数计算对应的桶号
int bucketNo = hashFunc(key);
// 2. 检测key在bucketNo桶中是否存在
// 相当于在链表中查找一个元素是否存在
ListNode cur = table[bucketNo];
while(cur != null){
if(key.equals(cur.key)){
Integer oldValue = cur.value;
cur.value = value;
return oldValue;
}
cur = cur.next;
}
// 2. 将元素插入到bucketNo桶中
ListNode newNode = new ListNode(key, value);
newNode.next = table[bucketNo];
table[bucketNo] = newNode;
++size;
return value;
}
// O(1)
public Integer get(Integer key){
// 1. 通过哈希函数计算key对应的桶号
int bucketNo = hashFunc(key);
// 2. 到bucketNo桶中找key
ListNode cur = table[bucketNo];
while(cur != null){
if(key.equals(cur.key)){
return cur.value;
}
cur = cur.next;
}
return null;
}
public Integer getOfDefault(Integer key, Integer value){
Integer ret = get(key);
if(ret != null){
return ret;
}
return value;
}
public Integer remove(Integer key){
// 1. 通过哈希函数计算key对应的桶号
int bucketNo = hashFunc(key);
// 2. 在bucketNo桶中找待删除的节点
ListNode cur = table[bucketNo];
ListNode prev = null;
while(cur != null){
if(key.equals(cur.key)){
Integer oldValue = cur.value;
// 要删除的节点刚好是第一个
if(table[bucketNo] == cur){
table[bucketNo] = cur.next;
}else{
prev.next = cur.next;
}
cur.next = null;
--size;
return oldValue;
}
// prev = cur;
cur = cur.next;
}
return null;
}
// O(1)
public boolean containsKey(Integer key){
// 可以按照哈希的特性来查找
return null != get(key);
}
// O(n)
public boolean containsValue(Integer value){
for(int bucketNo = 0; bucketNo < table.length; ++bucketNo){
ListNode cur = table[bucketNo];
while(cur != null){
if(value.equals(cur.value)){
return true;
}
cur = cur.next;
}
}
return false;
}
public int size(){
return size;
}
private void checkCapacity(){
if(size >= table.length){
int newCapacity = table.length*2;
ListNode[] newTable = new ListNode[newCapacity];
// 将table中所有的节点搬移到newTable中
// 注意:每个节点节点都需要搬移
for (int i = 0; i < table.length; ++i){
// 逐个桶进行搬移---逐条链表进行搬移
ListNode cur = table[i];
while(cur != null){
// 将cur先从table[i]桶中移除---类似头删
table[i] = cur.next;
// 将cur往newTable中插入
int bucketNo = cur.key % newTable.length; //hashFunc(cur.key);
cur.next = newTable[bucketNo];
newTable[bucketNo] = cur;
//...
cur = table[i];
}
}
table = newTable;
}
}
private int hashFunc(int key){
return key % table.length;
}