哈希表查找

【参考】
【1】数据结构（Java版）吕云翔，郭颖美
【2】数据结构 杨剑
【3】数据结构教程 王少波，张志

哈希表

1.哈希(hash)表的概念

为了一次存取便能得到所查记录，在记录的存储位置和它的关键字之间建立一个确定的对应关系H，以H（key）作为关键字为key的记录在表中的位置，称这个对应关系H为哈希（Hash）函数。按这个方式建立哈希表。

1.1 哈希冲突

如果两个hash值相同，称为hash冲突。如下：$H(k1)=H（k2）$

2.哈希函数的构建

下面介绍两种构造hash函数的常用方法。

2.1.直接地址法

直接定址法即：

$H(key)=a\ast key+b(a、b为常数)$

它是取关键字的某个线性函数值为hash地址。

直接地址法简单，不会产生冲突，但是关键字往往是离散的，且关键字集合比hash地址大，会造成存储空间的浪费。

2.2.除留余数法

除留余数法即：

$Hey(key)=keymodp(p<=m)$

它是以关键字除$p$的余数作为hash地址，其中$m$为hash表的长度。

使用除留余数法$p$的选择很重要，否则会造成严重的冲突。例如，若取$p=2^k$,则$H(key)=keymodp$的值仅仅是用二进制表示的$key$右边的$k$个位，造成了关键字的映射并不均匀，易造成冲突。通常，为了获取比较均匀的地址分布，一般令$p$位小于等于$m$的某个最大元素。

3.解决冲突的方法

无论如何构造哈希函数，冲突都是不可避免的，因此如何处理冲突是建hash表的一个重要方面。

3.1.开放地址法

开放地址法的基本思想是：在发生冲突时，按照某种方法继续探测基本表中的其他存储单元，直到找到空位置为止。可用下式描述：

$H_i(key)=(H(key)+d_i)modm(i=1,2,...,k(k<=m-1))$

其中，$H(key)$为关键字$key$的直接hash地址，$m$为hash表长，$d_i$为每次再探测地址增量。

用这种方法时，首先计算出它的直接hash地址$H(key)$,若该单元已被其他记录占用，继续查找地址为$H（key)+d_1$的单元，若也被占用，再继续查看地址为$H(key)+d_2$的单元，如此下去，当发现某个单元为空时，将关键字为key的记录存放到该单元中。
增量$d_i$可以有不同的取法：
（a）$d_i=1,2,...,m-1$
（b）$d_i=1^2,-1^2,2^2,-2^2,...,k^2,-k^2(k<=m/2)$
（c）$d_i=伪随机序列$

当$d_i$采用上述3种不同的取值方法时，分别称为线性探测再散列、二次探测再散列、和伪随机再散列。

3.2.链地址法

链地址法是把具有相同哈希地址的关键字放在同一个链表中。若选定的哈希表长度为$m$,则可以将哈希表定义为一个由$m$个头指针组成的指针数组T，凡是哈希地址为$i$的节点，均插入到$T[i]$为头节点的单链表中。$T$中各分量的初值均应该为空。

例如，给定关键字集合{ 19,01,23,14,55,68,11,82,36 },取哈希表长为$m=7$,散列函数为$H(key)=keymod7$,用链地址法解决冲突所构造出来的哈希表，如下图

3.3.公共溢出区

公共溢出区域法是另建一个溢出表，当不发生冲突时，数据元素存入基本表，当发生冲突时数据元素存入溢出表。

3.4.再哈希法

再哈希法是当发生冲突时，再使用另一个哈希函数得到一个新的哈希地址，若再发生冲突，则再使用另一个函数，直到不发生冲突为止。这种方法需要预先设计一个哈希函数序列：
$H_i=R{H}_i(key)(i=1,2,3,...,k)$
这种方法不易产生“聚集”现象，但会增加计算的时间。

4.哈希表查找性能分析

使用平均查找长度来衡量哈希表的查找效率，在查找过程中与关键字比较的比较次数取决于hash函数的选取和处理冲突的方法。
假设hash函数是均匀的，即对同样的一组随机关键字出现冲突的可能是相同的。因此，哈希表的查找效率主要取决于处理冲突的方法。发生冲突的次数和hash表的装填因子有关，哈希表的装填因子如下：

$a=哈希表中数据元素个数/哈希表的长度$

填入表中的数据元素越多，$a$越大，产生冲突的可能性越大；填入表中的数据元素越少，$a$越小，产生冲突的可能性越小，$a$通常取1和0.5之间的较小数（一般取0.75左右）。

5.习题

例题:已知关键码序列为（Jan, Feb, Mar, Apr, May, Jun, Jul ,Aug, Sep, Oct, Nov, Dec）,散列表的地址空间为$0-16$,设散列函数为$H(x)=i/2$(向下取整数)，其中$i$为关键码中第一个字母在字母表中的序号，采用线性探测法和链地址法处理冲突，试分别构造散列表并等概率情况下查找成功的平均查找长度。

HashMap

HashMap是一个存储键值对的集合，也就是我们常说的key,value,其中每一个存储位置都是一个Entry对象，Entry对象里有key,value,key的hash值，下一个对象的地址next,初始化的时候，每一个数组元素都为空。
hashMap的散列函数是 index = HashCode（key）& (length-1)(length必须是2的幂次，这样散列表比较均匀);

元素插入方式

在JDK1.8中采用的是尾插法。

在JDK1.6，JDK1.7中采用的是头插法。

1.put()方法：先对要插入的元素进行hash,找到数组当中对应的索引。
插入方式有四种情况（JDK1.8）：

• slot为空，直接插入

• slot不为空

  • 如果key相同，进行替换
  • 如果key不同,采用尾插法

• 有红黑树的插入。

数据结构

   Entry(int hash, K key, V value, Node<K,V> next) {
            this.hash = hash;
            this.key = key;
            this.value = value;
            this.next = next;
        }

2. get() 方法：可以帮助我们通过key来找到value.首先会把key做一次hash得到对应的数组位置。
3. Hash算法：hashMap的散列函数是 index = HashCode（key）& (length-1)(length必须是2的幂次，这样散列表比较均匀);
4. hashmap扩容：由于HashMap的容量非常有限，当多次元素插入的时候，使得HashMap达到一定的饱和程度以后，key的映射发生冲突的概率比较高，这个时候HashMap需要拓展他的数组长度，也就是HashMap扩容，影响扩容的因素有两个，第一个Capacity（初始值16）,这个是HashMap当前的最大数组容量。第二个LoadFactor，这个是HashMap的负载因子（默认值为0.75）。判断HashMap是否扩容条件（HashMap.size>=Capacity*LoadFactor）,满足这个条件以后，那么会创建一个新的Entry数组，长度为原来的两倍，之后会遍历原来的Entry数组，把之前的Entry数组重新Hash到新的数组中。
5. 红黑树：JDK1.8之前：数组+链表，JDK1.8及以后采用的是数组+链表+红黑树。当链表长度小于8的时候依然采用的是数组加链表的实现方式，但是当节点数大于8的时候（数组长度>=64），采用的是红黑树来实现，目的是提高查找效率。

Hashmap中的链表大小超过八个时会自动转化为红黑树，当删除小于六时重新变为链表，为啥呢？

根据泊松分布，在负载因子默认为0.75的时候，单个hash槽内元素个数为8的概率小于百万分之一，所以将7作为一个分水岭，等于7的时候不转换，大于等于8的时候才进行转换，小于等于6的时候就化为链表。

HashMap和Hashtable的区别

1. 线程安全： HashMap 是线程不安全的，HashTable 是线程安全的；HashTable 内部的方法基本都用 synchronized 修饰。
2. 效率：因为线程安全的问题，HashMap 要比 HashTable 效率高一点。另外，HashTable 基本被淘汰。
3. 对Null key 和Null value的支持： HashMap 中，null 可以作为键，这样的键只有一个，可以有一个或多个键 所对应的值为 null。但是在 HashTable 中 put 进的键值只要有一个 null，直接抛出 NullPointerException。
4. 初始容量大小和每次扩充容量大小的不同 ： ①创建时如果不指定容量初始值，Hashtable 默认的初始大小为 11，之后每次扩充，容量变为原来的2n+1。HashMap 默认的初始化大小为16。之后每次扩充，容量变为原来 的2倍。②创建时如果给定了容量初始值，那么 Hashtable 会直接使用你给定的大小，而 HashMap 会将其扩充 为2的幂次方大小（HashMap 中的 tableSizeFor() 方法保证，下面给出了源代码）。也就是说 HashMap 总 是使用2的幂作为哈希表的大小,后面会介绍到为什么是2的幂次方。
5. 底层数据结构： JDK1.8 以后的 HashMap 在解决哈希冲突时有了较大的变化，当链表长度大于阈值（默认为 8）时，将链表转化为红黑树，以减少搜索时间。Hashtable 没有这样的机制。

Hashtable与ConcurrentHashMap

1.对比HashMap，Hashtable本身是一个线程安全的集合类，在修改数据的时候会锁住整个哈希表，执行效率比较低，在多线程进行操作的时候，基本上就等同于串行。

ConcurrentHashMap他通过把整个Map划分为16Segment，在对一Segment进行写操作的时候，会把这个Segment加锁，其他线程就无法进入这个Segment进行操作，但是其他线程的读写操作并不受影响，相比Hashtable，他的性能总体上是提升了16倍。但是读操作并不会加锁，而是采用volatile这个关键字修饰，保证可读操作的一个可见性，可以保证我们的线程不会读到脏数据，总结起来，HashMap是线程不安全的，但是他的效率比较高。 Hashtable与ConcurrentHashMap，其中Hashtable采用的是锁住这个对象效率比较低，虽然线程安全但是效率极低，ConcurrentHashMap采用了分段锁，效率高，同时也可以保证线程的安全。并发量情况较大的时候，建议采用ConcurrentHashMap。