哈希表

1.哈希表也叫散列表

是一种O(1)的查找，即所谓的秒杀。所谓哈希关系，即哈希函数，就是一个key对应一个value，要遵循的原则：

 ①:  key尽可能的分散。也就是丢一个“6”和“5”，都返回一个“2”，那么这样的哈希函数不尽完美。

 ②： 哈希函数尽可能的简单。也就是说丢一个“6”给你，你哈希函数要搞1小时才能给我，这样也是不好的。

2.常用的做哈希的手法有“五种”：

第一种：”直接定址法“。

                  很容易理解，key=Value+C； 这个“C"是常量。Value+C其实就是一个简单的哈希函数。

第二种：“除法取余法”。

                  很容易理解， key=value%C;解释同上。

第三种：“数字分析法”。

                  这种蛮有意思，比如有一组value1=112233，value2=112633，value3=119033，

                  针对这样的数我们分析数中间两个数比较波动，其他数不变。那么我们取key的值就可以是

                  key1=22,key2=26,key3=90。 

第四种：“平方取中法”。此处忽略，见名识意。

第五种：“折叠法”。

                 这种蛮有意思,比如value=135790，要求key是2位数的散列值。那么我们将value变为13+57+90=160，

                 然后去掉高位“1”,此时key=60，哈哈，这就是他们的哈希关系，这样做的目的就是key与每一位value都相

                 关，来做到“散列地址”尽可能分散的目地。

 

正所谓常在河边走，哪有不湿鞋。哈希也一样，你哈希函数设计的再好，搞不好哪一次就撞楼了，那么抛给我们的问题

就是如果来解决“散列地址“的冲突。

 

3.其实解决冲突常用的手法也就2种：

 

第一种： “开放地址法“。

                 所谓”开放地址“，其实就是数组中未使用的地址。也就是说，在发生冲突的地方，后到的那个元素（可采用两种方式

                 :①线性探测，②函数探测）向数组后寻找"开放地址“然后把自己插进入。

 

第二种：”链接法“。也叫拉链法

                这个大家暂时不懂也没关系，我就先介绍一下原理，就是在每个元素上放一个”指针域“，在发生冲突的地方，后到的那

               个元素将自己的数据域抛给冲突中的元素，此时冲突的地方就形成了一个链表。

4.【应用举例】

海量处理

给定a、b两个文件，各存放50亿个url，每个url各占64字节，内存限制是4G，让你找出a、b文件共同的url？

答：

可以估计每个文件安的大小为5G×64=320G，远远大于内存限制的4G。所以不可能将其完全加载到内存中处理。考虑采取分而治之的方法。

 分而治之/hash映射：

遍历文件a，对每个url求取，然后根据所取得的值将url分别存储到1000个小文件（记为，这里漏写个了a1）中。这样每个小文件的大约为300M。遍历文件b，采取和a相同的方式将url分别存储到1000小文件中（记为）。这样处理后，所有可能相同的url都在对应的小文件（）中，不对应的小文件不可能有相同的url。然后我们只要求出1000对小文件中相同的url即可。

 hash_set统计：

求每对小文件中相同的url时，可以把其中一个小文件的url存储到hash_set中。然后遍历另一个小文件的每个url，看其是否在刚才构建的hash_set中，如果是，那么就是共同的url，存到文件里面就可以了。

 

（此题来源于v_July_v的博客）

 

//创建哈希表，初始化哈希表const int tablesize = 256;unsigned int hashTable[tablesize];for(unsigned int i = 0;i < tablesize; ++i)hashTable[i] = 0;