GitHub源码分享
主页地址：https://gozhuyinglong.github.io
源码分享：https://github.com/gozhuyinglong/blog-demos
1. 什么是散列表
散列表（Hash Table）也叫哈希表，是根据给定关键字（Key）来计算出该关键字在表中存储地址的数据结构。也就是说，散列表建立了关键字与存储地址之间的一种直接映射关系，将关键字映射到表中记录的地址，这加快了查找速度。
使用函数表达式来表示，应为：hash(key)=v，其中key为关键字，hash()为散列函数，v为散列地址。
1.1 相关术语
- 关键字（Key）：关键字是散列表的查找对象，也是散列函数的参数。其可以是记录本身，也可以是记录的唯一索引，这取决于散列表的设计。
- 散列函数（Hash Function）：将关键字映射为散列表中适当存储地址的函数称为散列函数，也叫做哈希函数。
- 散列地址（Hash Address）：将关键字通过散列函数计算出的地址称为散列地址，也叫做散列值、哈希值。
- 散列表（Hash Table）：这种使用散列技术来存储数据记录的表称为散列表。
- 散列冲突（Hash Collision）：当不同的关键字具有相同的散列地址，这种现象称为冲突，也叫做哈希冲突。而这些关键字对该散列函数来说是同义词。
- 表长：散列表的大小，即能够存储散列地址的数量。用m表示。
1.2 举个例子
一个比较通俗的例子，就是我们手机中的通讯录。通讯录用于存储联系人的姓名及电话号码信息，它是一个按照姓名首字母进行顺序排列的表。比如我们找“嬴政”就可以通过字母“Y”进行快速定位，并找到“嬴政”。
- 在该例子中，姓名“嬴政”便是关键字。
- 取姓名的首字母的算法便是散列函数。即：hash(嬴政) = Y。
- 通过
- 当我们定位到“Y”地址后，不仅有“赢政”，还有“赢异人”，也就是说，通过关键字“赢异人”也能找到“Y”的地址，这种现象便是冲突。即：hash(嬴政) = hash(嬴异人) = Y。
- 而“赢政”与“赢异人”对该散列函数来说是同义词。
- 这个用于存储联系人的通讯录便是散列表。
1.3 小结
本章节介绍了散列表的概念及相关术语，并以一个通讯录的例子来加深对散列表的了解。但还有一些问题等待我们解决，那就是“散列冲突”。我们一方面可以通过精心设计散列函数来尽量减少冲突的次数，另一方面仍需要提供解决冲突的方法。后面章节会详细介绍散列函数的设计和解决冲突的方法。
2. 散列函数的设计
散列函数的设计原则应该遵循计算简单、散列地址分布均匀。下面我们介绍几种常用的散列函数的构造方法。
2.1 直接定址法
取关键字或关键字的某个线性函数值为散列地址。即hash(key) = key 或 hash(key) = a * key + b，其中a、b 为常数。这种散列函数也叫做自身函数。
如下图中，我们要获取某个岗位级别的信息，就可以使用级别减去1来作为地址，即：hash(key) = key - 1
直接定址法的优点是简单、均匀也不会产生冲突。但由于这是一种拿空间换时间的方式，所以适合查找表较小且连续的情况。比如年龄、岗位级别等。
2.2 数字分析法
通过分析一组数据，这些数据中可能出现的关键字都是事先知道的，则可以取关键字的若干数位组成散列地址。取出的这部分数据要在其数位上出现的频率小，这样出现冲突的几率就会很小。
比如手机号码，其前3位为网络识别号，中间4位为地区编码，而后4位才是真正的用户号码。那么在某个公司中，其员工的手机号码前7位出现冲突的概率会很大，而后4位出现冲突的概率会很小，则可以取后四位做为散列地址。
2.3 平方取中法
取关键字平方后的中间几位作为散列地址。该方法是一个产生伪随机数的方法，由冯·诺伊曼在1946年提出。
2.4 折叠法
将关键字分割成位数相同的几部分（最后一部分的位数可以不同），然后取这几部分的叠加和（舍去进位）作为散列地址。这种方法比较适用于关键字位数很多的情况。
比如关键字为 1234567890，散列表的表长为3位：
（1）将关键字分为4组： 123|456|789|0
（2）将它们叠加求和：123 + 456 + 789 + 0 = 1368
（3）舍去进位，得：368 ，即为最终散列地址
2.5 除留余数法
假定散列表的表长为m，取一个不大于m但最接近或等于m的质数p，通过关键字对p取模运算来转换为散列地址。散列函数为：hash(key) = key % p，其中p $\leq$ m。
不仅可以对关键字直接取模，也可以在折叠法、平方取中法等运算后取模。对p的选择很重要，若选择不好很容易产生冲突。
3. 散列冲突的处理方法
解决冲突的方法有几种，这里我们将讨论其中最简单的两种：开放定址法和链地址法（拉链法）。
3.1 开放定址法
将产生冲突的散列地址做为自变量，通过某种冲突解决函数得到一个新的空闲散列地址。即当产生冲突后，寻找下一个空闲的散列地址。根据寻找的方式不同又分为几种方法，下面来介绍。
3.1.1 线性探测法
当产生冲突时， 顺序探测表中下一地址，直探测到一个空闲（自由）的地址，将记录插入。若一直探测到表尾地址m-1,则下一探测地址为表首地址0。当表满的时候，则探测失败。
比如下图散列表的散列函数使用除留余数法（m=10, p=10）。那么我们顺序插入12、13、24时顺利插入到对应地址中，再插入34、44时会产生冲突，使用线性探测法，继续探测下一地址，将插入到空闲地址上。
线性探测法会造成大量元素在相邻的散列地址上“聚集”起来，使得我们要不断处理冲突，这大大降低查找和存入效率。
3.1.2 平方探测法
平方探测法是消除线性探测法中的聚集问题的一种冲突解决方法。设发生冲突的地址为d，那么使用平方探测法得到的新的地址序列为d $\pm$ 1^2、d $\pm$ $2^2$、d $\pm$ $3^2$...d $\pm$ $key^2$（key $\leq$ m/2）。
还是刚才那个例子，当插入34时，在下标为4的位置产生冲突，我们先计算一下在该位置探测的序列： 4 + $1^2$ = 5、4 - $1^2$ = 3、4 + $2^2$ = 8、4 - $2^2$ = 0，即：5、2、8、0，所以34应该被放到5的位置。而44应该放到8的位置。
平方探测法的缺点是不能探测到散列表上所有的地址，但至少能探测到一半地址。
3.1.3 伪随机探测法
伪随机探测法是当发生地址冲突时，地址增量为伪随机数序列。
伪随机数是说，如果我们设置随机种子相同，则不断调用随机函数可以生成不会重复的数列，我们在查找时，用同样的随机种子，它每次得到的数列是相同的，相同的地址当然可以得到相同的散列地址。
3.1.4 双散列
双散列顾名思义是使用了两个散列函数，当执行第一个散列函数得到的地址发生冲突时，则执行第二个散列函数来计算该关键字的地址增量。
一种常见的算法是：(hash1(key) + i * hash2(key)) mod m，其中i为冲突次数，hash1()为第一个散列函数，hash2()为第二个散列函数，m为散列表大小。当发生冲突后，我们通过重复增加步长i来寻址。
还是以上面的例子为例。第一个散列函数为hash1(key) = key mod 10，第二个散列函数设为hash2(key) = key mod 3。
通过上面公式，可以计算出关键字34的散列地址： (34 mod 10 + 1 (34 mod 3)) mod 10 = (4 + 1 1) mod 10 = 5。而关键字44的散列地址为：(44 mod 10 + 2 (44 mod 3)) mod 10 = (4 + 2 2) mod 10 = 8
3.2 链地址法
链地址法又称拉链法，是利用链表来解决冲突的一种方法，即把具有相同散列地址的关键字记录存入到同一个单链表中，该链表称为同义词链表。每一个散列地址都有一个对应的链表。
还是上面的例子，使用链地址法的存储模型如下图所示。
4. 代码实现
我们使用链地址法来实现上例中散列表，其散列函数使用除留余数法。
4.1 节点类
因为链表不是本篇重点，所以这里设计一个简单的节点类。关于链表的相关知识请参阅：《 链表（单链表、双链表、环形链表） 》
class Node {
private final int key; // 关键字
private Node next; // 下一节点
public Node(int key) {
this.key = key;
}
public int getKey() {
return key;
}
public Node getNext() {
return next;
}
public void setNext(Node next) {
this.next = next;
}
}
4.2 散列表类
散列表类使用数组存储表数据，其指向链表的头节点，其散列函数使用除留余数法。
本类主要实现了散列表的添加关键字、删除关键字和匹配关键字。
class HashTable {
private final int size; // 散列表大小
private final Node[] table; // 散列表
private HashTable(int size) {
this.size = size;
this.table = new Node[size];
}
/**
* 散列函数 - 除留余数法
*
* @param key
* @return
*/
private int hash(int key) {
return key % size;
}
/**
* 添加关键字
*
* @param key
*/
public void add(int key) {
int hashAddress = hash(key);
if (table[hashAddress] == null) {
table[hashAddress] = new Node(key);
return;
}
add(table[hashAddress], key);
}
/**
* 添加关键字 - 递归
*
* @param node
* @param key
*/
private void add(Node node, int key) {
if (node.getNext() == null) {
node.setNext(new Node(key));
return;
}
add(node.getNext(), key);
}
/**
* 匹配关键字
*
* @param key
* @return
*/
public boolean contains(int key) {
int hashAddress = hash(key);
Node headNode = table[hashAddress];
if (headNode == null) {
return false;
}
return contains(headNode, key);
}
/**
* 匹配关键字 - 递归
*
* @param node
* @param key
* @return
*/
private boolean contains(Node node, int key) {
if (node == null) {
return false;
}
if (node.getKey() == key) {
return true;
}
return contains(node.getNext(), key);
}
/**
* 移除关键字
*
* @param key
*/
public void remove(int key) {
int hashAddress = hash(key);
Node headNode = table[hashAddress];
if (headNode == null) {
return;
}
if (headNode.getKey() == key) {
table[hashAddress] = headNode.getNext();
return;
}
remove(headNode, key);
}
/**
* 移除关键字 - 递归
*
* @param node
* @param key
*/
private void remove(Node node, int key) {
if (node.getNext() == null) {
return;
}
if (node.getNext().getKey() == key) {
node.setNext(node.getNext().getNext());
return;
}
remove(node.getNext(), key);
}
}
5. 完整代码
完整代码请访问我的Github，若对你有帮助，欢迎给个Star，谢谢！
推荐阅读
- 《 数组 》
- 《 稀疏数组 》
- 《 链表（单链表、双链表、环形链表） 》
- 《 栈 》
- 《 队列 》
- 《 树 》
- 《 二叉树 》
- 《 二叉查找树（BST） 》
- 《 AVL树（平衡二叉树） 》
- 《 B树 》
