散列表和散列函数

2020-10-21 本文已影响0人文景大大

一、什么是散列表

散列表是由数组扩展而来，其通过散列函数将元素的键值映射为下标，然后将元素存储在数组中对应下标的位置。

关键字经过散列函数的计算得到一个散列值：hash(key)=hashCode；关于散列函数的选择和设计，应该要满足如下三个要求：

这三个条件中，最难满足的就是第三点，在现实中找一个这样的散列函数几乎是不可能的；比如著名的hash算法MD5、SHA、CRC等，都只是尽量均匀地散列，尽量避免散列冲突，但是做不到完全避免；而且由于数组空间有限，散列冲突就太正常不过了。

线性探测

当散列冲突发生时，存储位置已经被占用，那么就往后探测查找空闲位置；

如果想在散列表中查找某个元素，那么先计算得到散列值，找到该值对应的存储空间，如果无值，说明要查找的元素不存在；如果有值，那么就比对值是否相等，相等则说明找到了，不相等那么就依次往后探测比较，要么找到，要么遇到空闲的存储空间，说明查找的元素不存在；

如果想在散列表中删除元素，那么不能将其简单地删除，因为删除后会导致该空间后面的元素查找失败，因为将需要删除的元素置为逻辑删除，如此才能不影响后面元素的查找过程；

线性探测方法弊端比较明显，极端情况下插入、查找、删除都需要探测n个元素才能找到目标位置，时间复杂度为O(n)；
二次探测

其实是在线性探测的基础上每次探测增大步长，比如，每次探测当前次数的平方之后的位置，如此可以降低探测的次数的概率；但是不能解决线性探测同样的弊端问题；
双重散列

准备多个散列函数，如果第一个散列之后冲突了，就换一个散列函数，依次类推，直到找到空闲位置；但是一样的，当元素增多后，所有散列函数都可能造成散列冲突；
使用场景

当数据量比较小，且装载因子也比较小的时候，适合使用开放寻址法，比如ThreadLocalMap；

该种方法中，每个位置（可以称为桶、槽）对应一个链表，所有散列值相同的元素都放在该位置对应的链表中，结构示意图如下：

链表发解决散列冲突示意

当需要插入元素的时候，直接找到对应下标的插槽，插入链表即可，时间复杂度为O(1)；

当需要查找和删除元素的时候，也是找到对应下标的插槽，然后遍历链表查找即可，时间复杂度为O(n/m)，n是当前元素的个数，m是数组大小，假设散列是均匀的，那么时间复杂度就是链表的长度；

无论插入、查找还是删除，时间复杂度都要优于开放寻址法；

适用场景：

当需要存储的数据比较多，或者存储的是大对象的时候，链表法比较合适，而且链表的长度过长时可以采用灵活的优化策略，比如红黑树来代替链表，如此查找时间复杂度最坏情况下的O(n)就能优化为O(logn)；

装载因子=已经装入散列表中的元素个数/散列表总的位置个数

装载因子是用来衡量散列表当前盈满程度的指标，其越大，说明散列冲突的概率就越高，当达到一定程度，就需要对散列表进行扩容了。

开放寻址法中，装载因子不会超过100%，但是在拉链法中，装载因子是会超过100%的；

散列函数不能太复杂，否则计算散列值就需要花费很多时间和资源；
散列函数生成的值要尽可能随机并且均匀分布，最小化散列冲突，并避免某个槽中的链表过长；
装载因子需要根据实际情况进行设置，当超过阈值会触发散列表的扩容和rehash（重新申请一个大的散列表），时间复杂度将为O(n)；当小于某个阈值会触发缩容和rehash；如果阈值设置地太大，就容易造成散列冲突，但如果设置地太小，就容易造成空间资源浪费；
为了避免扩容和rehash的影响，可以在装载因子达到阈值时先申请大的散列表，但是不做rehash，当有新的元素需要插入的时候，就插入到新的散列表中，并从旧的散列表中取小量的元素进行rehash，当插入若干新元素后，旧的散列表中的所有元素就能逐渐rehash到新的散列表，如此是将整个rehash均摊到每次插入新元素操作中，用户就不会感觉效率低了，此时的时间复杂度近似O(1)；

初始大小默认为16，如果事先能知道数据量，可以在初始化的时候就设置相应的大小，避免动态扩容。
最大装载因子为0.75，触发扩容时，会扩容为原来的两倍。
当链表长度超过8时，链表就转换为红黑树，从而提高增删查改的效率；当红黑树元素个数小于8个的时候，就会再次转换会链表，因为小数据量时红黑树为了维护平衡，性能并不比链表高。

散列函数并不复杂，足够简单高效，并且分布均匀。

int hash(Object key){
    // 键对象的hashcode
    int h = key.hashCode();
    // capitity表示散列表的大小
    return (h ^ (h >>> 16)) & (capitity - 1);
}

也是通过散列表和链表组合在一起实现的，只不过此处的链表不是单链表，而是双向链表，可以用来记录元素插入的顺序。