散列表

一、散列表的由来？

1. 散列表来源于数组，它借助散列函数对数组这种数据结构进行扩展，利用的是数组支持按照下标随机访问元素的特性。
2. 需要存储在散列表中的数据我们称为键，将键转化为数组下标的方法称为散列函数，散列函数的计算结果称为散列值。
3. 将数据存储在散列值对应的数组下标位置。

二、如何设计散列函数？

总结3点设计散列函数的基本要求

1. 散列函数计算得到的散列值是一个非负整数。
2. 若key1=key2，则hash(key1)=hash(key2)
3. 若key≠key2，则hash(key1)≠hash(key2)
   正是由于第3点要求，所以产生了几乎无法避免的散列冲突问题。

三、散列冲突的解放方法？

1. 常用的散列冲突解决方法有2类：开放寻址法（open addressing）和链表法（chaining）
2. 开放寻址法

• 核心思想：如果出现散列冲突，就重新探测一个空闲位置，将其插入。
• 线性探测法（Linear Probing）：
  插入数据：当我们往散列表中插入数据时，如果某个数据经过散列函数之后，存储的位置已经被占用了，我们就从当前位置开始，依次往后查找，看是否有空闲位置，直到找到为止。
  查找数据：我们通过散列函数求出要查找元素的键值对应的散列值，然后比较数组中下标为散列值的元素和要查找的元素是否相等，若相等，则说明就是我们要查找的元素；否则，就顺序往后依次查找。如果遍历到数组的空闲位置还未找到，就说明要查找的元素并没有在散列表中。
  删除数据：为了不让查找算法失效，可以将删除的元素特殊标记为deleted，当线性探测查找的时候，遇到标记为deleted的空间，并不是停下来，而是继续往下探测。
  结论：最坏时间复杂度为O(n)
• 二次探测（Quadratic probing）：线性探测每次探测的步长为1，即在数组中一个一个探测，而二次探测的步长变为原来的平方。
• 双重散列（Double hashing）：使用一组散列函数，直到找到空闲位置为止。
• 线性探测法的性能描述：
  用“装载因子”来表示空位多少，公式：散列表装载因子=填入表中的个数/散列表的长度。
  装载因子越大，说明空闲位置越少，冲突越多，散列表的性能会下降。

3. 链表法（更常用）
   插入数据：当插入的时候，我们需要通过散列函数计算出对应的散列槽位，将其插入到对应的链表中即可，所以插入的时间复杂度为O(1)。
   查找或删除数据：当查找、删除一个元素时，通过散列函数计算对应的槽，然后遍历链表查找或删除。对于散列比较均匀的散列函数，链表的节点个数k=n/m，其中n表示散列表中数据的个数，m表示散列表中槽的个数，所以是时间复杂度为O(k)。

四、思考

1. 散列冲突的解放方法有几种
2. hash函数的设计目标是什么
3. Word文档中单词拼写检查功能是如何实现的？
   字符串占用内存大小为8字节，20万单词占用内存大小不超过20MB，所以用散列表存储20万英文词典单词，然后对每个编辑进文档的单词进行查找，若未找到，则提示拼写错误。
4. 假设我们有10万条URL访问日志，如何按照访问次数给URL排序？
   字符串占用内存大小为8字节，10万条URL访问日志占用内存不超过10MB，通过散列表统计url访问次数，然后用TreeMap存储散列表的元素值（作为key）和数组下标值（作为value）
5. 有两个字符串数组，每个数组大约有10万条字符串，如何快速找出两个数组中相同的字符串？
   分别将2个数组的字符串通过散列函数映射到散列表，散列表中的元素值为次数。注意，先存储的数组中的相同元素值不进行次数累加。最后，统计散列表中元素值大于等于2的散列值对应的字符串就是两个数组中相同的字符串。
6. 为什么散列表和链表经常会一起使用？
7. LRU 缓存淘汰算法
8. linkHashMap的实现
9. Redis 有序集合
10. 假设猎聘网有 10 万名猎头，每个猎头都可以通过做任务（比如发布职位）来积累积分，然后通过积分来下载简历。假设你是猎聘网的一名工程师，如何在内存中存储这 10 万个猎头 ID 和积分信息，让它能够支持这样几个操作：

• 根据猎头的 ID 快速查找、删除、更新这个猎头的积分信息；
• 查找积分在某个区间的猎头 ID 列表；
• 查找按照积分从小到大排名在第 x 位到第 y 位之间的猎头 ID 列表

面试题目：如何设计一个工业级的散列函数？(思考hashmap源码的设计)

思路：

何为一个工业级的散列表？工业级的散列表应该具有哪些特性？结合学过的知识，我觉的应该有这样的要求：

1. 支持快速的查询、插入、删除操作：设计一个合适的散列函数；
2. 内存占用合理，不能浪费过多空间：定义装载因子阈值，并且设计动态扩容策略；
3. 性能稳定，在极端情况下，散列表的性能也不会退化到无法接受的情况：选择合适的散列冲突解决方法。

方案：

设计散列函数：

1. 要尽可能让散列后的值随机且均匀分布，这样会尽可能减少散列冲突，即便冲突之后，分配到每个槽内的数据也比较均匀。
2. 除此之外，散列函数的设计也不能太复杂，太复杂就会太耗时间，也会影响到散列表的性能。
3. 常见的散列函数设计方法：直接寻址法、平方取中法、折叠法、随机数法等。

根据装载因子动态扩容

1. 如何设置装载因子阈值？

• 可以通过设置装载因子的阈值来控制是扩容还是缩容，支持动态扩容的散列表，插入数据的时间复杂度使用摊还分析法。
• 装载因子的阈值设置需要权衡时间复杂度和空间复杂度。如何权衡？如果内存空间不紧张，对执行效率要求很高，可以降低装载因子的阈值；相反，如果内存空间紧张，对执行效率要求又不高，可以增加装载因子的阈值。

2. 如何避免低效扩容？分批扩容

• 分批扩容的插入操作：当有新数据要插入时，我们将数据插入新的散列表，并且从老的散列表中拿出一个数据放入新散列表。每次插入都重复上面的过程。这样插入操作就变得很快了。
• 分批扩容的查询操作：先查新散列表，再查老散列表。
• 通过分批扩容的方式，任何情况下，插入一个数据的时间复杂度都是O(1)。

如何选择散列冲突解决方法？

• 常见的2中方法：开放寻址法和链表法。
• 大部分情况下，链表法更加普适。而且，我们还可以通过将链表法中的链表改造成其他动态查找数据结构，比如红黑树、跳表，来避免散列表时间复杂度退化成O(n)，抵御散列冲突攻击。
• 但是，对于小规模数据、装载因子不高的散列表，比较适合用开放寻址法。
  Java 中 LinkedHashMap 就采用了链表法解决冲突，ThreadLocalMap 是通过线性探测的开放寻址法来解决冲突