转载-为什么是哈希表

 

为什么是哈希表？！

1、提出问题：

       这里有一个 大的跨国公司，公司中的职员信息全部存储在数据库中。对于其中的任何一个职员来说，他们的唯一标识就是员工号，而这个公司的员工号是按照职员工作的地点以 及部门及工作开始时间确定的，比如01-20-09-24-3，这一个职工编号（纯属杜撰，但也有实际作用，因为在像群体查找时会比较方便等），其中的 01代表亚洲办公区员工，20表示在研发部门，09-24表示09年9月24号入职，3表示为当天入职的第三个人。这样每一个员工号就代表唯一的一个员 工，假如现在我们需要随机抽取20000名员工搞一个什么活动，然后我们需要从数据库取出20000个员工的信息存在一个地方，然后对员工信息进行一系列 的操作，无非增、删、改、查，现在就会出现一个问题，我们怎么存储这20000个员工的信息，使得操作的时间更快？

       我们会想到的是什么，数组？链表？

              如果是数组，那我们怎么根据一个员工号来得到员工所在数组的索引，快速返回相应的员工信息呢？

              如果是链表，难道我们每次查找时都要遍历整个链表吗？如果员工数更多，这样可行吗？

       由此就引出为什么是哈希表？

              因为实际中会存在上述的问题，因此哈希表应运而生，在大数据量中进行查找，为了提高速度，我们会选择数组，因为如果知道数据在数组中的索引，那么时间复杂 度就是O(1)的，但是对于实际中的这些问题，数组的索引就不是那么好得到的。比如就像上面那样，知道员工号，来找数据，而员工号根本不是索引！所以我们 需要根据员工号来生成索引，那么我们给定一个员工号，就会对应一个索引，那么就可以直接找到存储的位置，这样就很好了。

             因此，上面最后所说的由员工号拿到数组的索引的过程，就是一个哈希化过程。哈希化过程：给定关键字，通过哈希函数，生成确定的索引值。

 

2、给出上述问题的解决方法（一步步演示用哈希表处理）：

       我们现在明确一下目标，就是根据职员号生成数组索引，将职员数据存入数组中，快速进行修改！

       哈希表的方法是什么呢？

       哈希表的方法是，对于键值（这里是职员号）给出一个映射，将键值映射到确定的数组索引上，每次查找时，只需要输入键值，然后根据映射找到索引就可以进行操 作。因为键值的数据类型各式各样，那么这个映射也是五花八门，没有固定的取法，但是对于这个映射最好满足两个要求：计算方便、产生的索引随机性好！

这样映射在哈希表中称为哈 希函数。对于上面的职员号，我们可以简单的定义一个哈希函数为，对于上面的职员号转化为整数，直接对于存储数组的大小进行取余运算，通过这样的方法来生成 数组索引。对于存储的数组一般选取的都会比要存储的元素大，对于现在已知所需存储数据的大小，经证明一般来说，当所存储的数据是整个数组的2/3时，效果 比较好，因此我们的存储数组大小可以设定为30001，为什么是30001呢？选取质数的原因与后面怎么解决哈希冲突有莫大的关系！

         给出哈希函数如下： 

Java代码

/**  * 根据key值，进行hash过程  * 其中的capacity为数组容量大小  * @param key   传进来的键值key  * @return  返回hash函数产生的数组索引值  */  public int hash(String key){      int k = Integer.parseInt(key);      return k % capacity;  }  /** * 根据key值，进行hash过程 * 其中的capacity为数组容量大小 * @param key    传进来的键值key * @return    返回hash函数产生的数组索引值 */public int hash(String key){    int k = Integer.parseInt(key);    return k % capacity;}

 

       那么从上面很容易就会知道，这样的哈希函数，对于不同的键值可能产生相同的数组索引值，这就是所谓的哈希冲突。

 

       对于解决哈希冲突，有两种方法：开放地址法和链地址法。

      （在这里我们使用开放地址法，因为在下一篇分析HashTable和HashMap博客中会分析链地址法）

        一般来说，对于开放地址法，又可以分为：线性探测法、二次探测和再哈希。（不要被名词吓着......其实都很简单）

        首先概述一下对于开放地址法的这三种方法的大体实现思想：

 

        线性探测：当经过hash方法计算产生数组索引后，如果发生冲突，那么就检查索引的下一位数组是否空着，如果空着，那么就将数据放置进去，如果没有空着，则继续向下一位进行检测，知道将数据放入或是数组已经放满。示例代码：

 

Java代码 

 

   1. public void put(String key,Clerk clerk){     2.     int index = hash(key);     3.     while(clerkArray[index] != null){     4.         ++index;     5.         index %= clerkArray.length;     6.     }     7.     clerkArray[index] = clerk;     8. }  public void put(String key,Clerk clerk){    int index = hash(key);    while(clerkArray[index] != null){        ++index;        index %= clerkArray.length;    }    clerkArray[index] = clerk;}

 

        二次探测：同样的类似上面的线性探测，但是这次不是移向下一位，而是这样移动，第一个移动1^2位，如果非空，则继续再移动2^2位，如果还是非空，那么再移动3^2位，以此类推。

 

Java代码 

   1. public void put(String key,Clerk clerk){     2.     int index = hash(key);     3.     int step = 1;     4.     while(clerkArray[index] != null){     5.         index += Math.pow(step++, 2);     6.         index %= clerkArray.length;     7.     }     8.     clerkArray[index] = clerk;     9. }  public void put(String key,Clerk clerk){    int index = hash(key);    int step = 1;    while(clerkArray[index] != null){        index += Math.pow(step++, 2);        index %= clerkArray.length;    }    clerkArray[index] = clerk;}

 

 

           再哈希： 对于上面两种处理冲突的方法，只要是映射到同一索引位置，如果发生冲突，所有的冲突元素的移位步长都是相同的，所以为了避免这种情况，才会有了再哈希这个 方法，方法是，在冲突时，对于键值，再经过一个hash方法的计算，来生成对于特定键值有特定步长，这样即使是映射到同一索引位置放生冲突，但是对于不同 的键值，处理冲突移动的步长会不同。

 

Java代码 

收藏代码   1. public void put(String key,Clerk clerk){     2.     int index = hash(key);     3.     int step = hashStep(key);     4.     while(clerkArray[index] != null){     5.         index += step;     6.         index %= clerkArray.length;     7.     }     8.     clerkArray[index] = clerk;     9. }    10.         11. public int hashStep(String key){    12.     return 5 - Integer.parseInt(key) % 5;    13. }  public void put(String key,Clerk clerk){    int index = hash(key);    int step = hashStep(key);    while(clerkArray[index] != null){        index += step;        index %= clerkArray.length;    }    clerkArray[index] = clerk;}    public int hashStep(String key){    return 5 - Integer.parseInt(key) % 5;}

 

        也许我们会问，为什么会有这三种方法呢？产生的原因是什么呢？

        产生这三个方法的原因是，在处理哈希冲突的时候会引起聚焦（就是元素会聚集在发生冲突的地方，从而会影响哈希表的性能），因此这三种方法依次减弱了这种聚 焦效应。同时在这里也可以解释为什么数组的长度要选择质数？如果不选择质数，那么总有一个比原数小，而比1大的数整除这个长度，所以当我们按照我们选择的 步长去移动时，可能会出现整除数组长度的情况，那么这会使得移动跳过某些空位，而在固定的几个位置上进行检测，但是如果长度是质数，就会避免这种情况。

 

3、问题总结

 

      现在我们可以由上面的结果，就可以实现我们自己的哈希表了，因为上面已经描述了，如何进行哈希化处理得到数组索引，在得到索引冲突时，该如何处理冲突。然后剩下的工作就是围绕这两点展开的，来实现查找，删除或是添加等方法，在这里就不再赘述了。

 

       下一篇博客会来分析自带的Hashtable和HashMap源码，来提高对哈希的进一步认识，及Hashtable和HashMap之间的比较！

注：本篇文章转载自 java EYE wojiaolongyinong的文章《为什么是哈希表》  原文链接 http://wojiaolongyinong.iteye.com/blog/1967089