c++中关于hash_map自定义equal function和hash function

下面所讲内容hash_map的案例代码实现以及附加数据 [ 下载地址 ]。

我们知道hash_map是利用hash table实现的一种数据结构，能够快速根据KEY值查找对应的VALUE。hash_map特点是查找快，但是占用内存高，因为hash_map在初始化的时候需要为每个桶分配一块连续的内存块。所以适用于要求快速查找，同时不计较内存消耗的情形中。

hash_map应用案例

使用c++实现sql语句：
select c_nationkey, c_mktsegment, count(*), max(c_acctbal) from aaa_customer_1g group by c_nationkey, c_mktsegment order by c_nationkey, c_mktsegment

aaa_customer_1g表中的数据：

我们使用hash_map来实现group by的操作。

构建equal function

因为 group by后面有2个字段，所以我们自定义一个struct结构体作为KEY：

struct KEY {    int  c_nationkey;    std::string c_mktsegment;    bool operator==(const KEY & my) const {        return (my.c_nationkey == c_nationkey) && (my.c_mktsegment.compare(c_mktsegment) == 0);    }};

上面结构体中operator==就是我们所构建的equal_function。c_nationkey字段中的值记为nk，c_mktsegment字段中的值记为mg。group by利用hash_map实现：找出相同的nk所对应的行rows1，然后在row1中找出相同的mg所对应的行rows2，然后对rows2进行统计处理，在本例中统计rows2的行数(count(*))、rows2中最大的c_acctbal(max(c_acctbal) )。

下面的结构体是我们上面的sql语句要输出的数据：

struct VALUE {    int c_nationkey;    string c_mktsegment;    int count;    double max_c_acctbal;};

构建hash function

下面这段程序中RSHash_new函数是众多hash function一种，选择不同，hash map执行的性能也会不同。主要从两方面考虑：1、选择的hash function尽量不要让桶内的数据产生倾斜，也就是让数据均匀分布到各桶中；2、选择的hash function时间复杂度要小，也就是让其执行时间缩小，这是因为每个记录(行)都会执行hash function，当数据量变得越来越大时，hash function整体消耗时间也会变得很大。

unsigned int RSHash_new(const KEY& key) {   unsigned int b    = 378551;   unsigned int a    = 63689;   unsigned int hash = 0;   for(std::size_t i = 0; i < key.c_mktsegment.length(); i++) {      hash = hash * a +  key.c_mktsegment[i];      a    = a * b;   }   hash = hash * a + key.c_nationkey;   return hash;}struct str_hash{    size_t operator()(const KEY& key) const {        return RSHash_new(key);    }};

如果你不好确定上面2个因素，那你就选择不同的hash function，测出他们运行的时间，选择最小时间的hash function。

Notice：现在绝大多数的hash function输入参数都是字符串的形式，但是实际中是不同类型的组合(本例是int、string)，需要把int、string类型强制转换组合成一个string类型，然后再使用hash function，这样严重违背了上面我所讲到的第2点，hash_map执行性能严重下降。

定义hash_map变量

hash_map<KEY, VALUE, str_hash, equal_to<KEY> > _hash_data;

下面的下载地址是我的完整程序并附有数据，我是在linux下开发的，执行下面指令进行编译：

g++ main.cpp parserXML.h hash_function.h tinyxml/libtinyxml.a -o main

[ 下载地址 ]。