Algorithm 我们可以使用1表实现布谷鸟哈希吗？

我找到了大约个，看起来不错。
但我发现的大多数示例代码都是使用两个表实现的。
在我看来，这似乎是错误的，因为这两个表可能位于不同的内存页中，我们有获取随机地址的开销，并且没有实际的局部性。
不能使用1个数组而不是2个数组吗？

---

是否可能无法检测某个元素何时已被踢出2次，是否需要调整大小？

好吧，所有形式的哈希都会在缓存中被杀死

无论如何，您可以轻松地将这两个表合并到一个表中。但是，如何判断您使用的是第一个散列函数还是第二个散列函数呢？选项是将其作为元数据添加到每个bucket中，或者通过运行第一个散列函数，查看是否获得当前位置，并仅在您位于第一个位置时运行第二个散列函数来确定它。这要么需要额外的空间，要么运行更多的散列函数

---

将表拆分为2可以更有效地解决该问题。从统计上讲，无论表是否已拆分，都需要相同数量的存储桶来存储相同数量的内容。因此，您的整个哈希表变得更小。

回答注释中的困惑：不，这不是特定于语言的。如果您正在考虑内存的局部性，并且希望确保两个表是接近的，那么单次分配是最好的选择（不管您如何分配）。在java中，这可能如下所示：

class-two表{
私有静态最终整数大小表第一个=11，大小表第二个=29；
公共双表（）{
m_buffer=newint[SIZE_TABLE_FIRST+SIZE_TABLE_SECOND]；
}
/考虑类似的设置…
公共int getFirst（int键）{
返回m_buffer[toIndex（hashFirst（键），SIZE_TABLE_FIRST，0）]；
}
公共整数getSecond（整数键）{
返回m_缓冲区[toIndex（哈希秒（键），大小表秒，大小表首）]；
}
私有静态int-toIndex（int散列、int-mod、int-offset）{
返回哈希%mod+偏移量；
}
私有静态int hashFirst（int key）{return…；}
私有静态int hashSecond（int key）{return…；}
专用最终int[]m_缓冲区；
}

但是，如果这比访问两个单独的数组更好，则取决于您的JVM：只需考虑JIT能够动态地将两个较小的分配合并为一个较大的分配，而无需执行任何索引魔术。

是的

---

你可以在spoj上检查这个问题，我们需要使用一个哈希表和两个哈希函数来解决这个问题。

你完全可以使用一个哈希表来处理布谷鸟哈希表；也就是说，每个对象的两个位置只是单个哈希表中的位置

唯一需要解决的小问题是，如何在布谷鸟逐出循环期间决定将两个位置中的哪一个用于逐出键。当然，如果第一个位置与实际位置相同，您可以尝试一个位置并使用另一个位置。应该可以使用SIMD并行计算这两个哈希，因此此策略的成本可能很小

但是，如果您想保证在布谷鸟循环期间进行单个哈希计算，有一个简单的解决方案：使用

H0（k）

和

H1（k）

作为两个位置，而不是使用

H0（k）

和

H0（k）xorH1（k）

。（如果

H1

独立于

H0

，那么

H0xorH1

也是独立的，所以异或不会影响散列值的分布。）通过此修改，您可以通过将当前位置与

H1（k）

异或，始终找到

k

的“其他位置”，因此，循环中只需要一次散列计算

---

虽然这允许您使用单个哈希表，甚至可以简化代码，但没有很多证据表明它改进了算法的操作。在我有限的测试中，它似乎将循环迭代次数增加了40-50%。（尽管需要强调的是，在绝大多数情况下，可以在不进入循环的情况下将新键插入表中，因此在实际执行时间内，循环数的增加几乎不明显。）

您可以在同一内存块中分配两个表，即一次分配，要确保空间位置，请分配一个表，然后将其切分为两部分。还要注意，在当今的系统上，一级缓存的大小顺序为几KBs（例如查找当前的英特尔微体系结构）这样就有了存储几页内存的空间——必须索引到少量的页面应该不是问题either@BeyelerStudios：这是一个特定于语言的问题吗？例如，我对Java感兴趣，但您不能这样做this@harold：我在想，如果使用1，可能无法检测到这是元素的第二次逐出表。两个哈希函数是否有可能因数组的某些元素和大小而发生冲突，因此实际上不使用两个表是不可避免的？

所有形式的哈希都是在缓存上进行的。

据我所知，open addressing没有您认为的问题mention@Jim在插入时，插入始终有可能创建一个循环，您必须使用两个新的哈希函数重建表。不管你用一张桌子还是两张桌子，这都是事实。至于散列杀死缓存，我说的是全部，我的意思是全部。第一步是计算散列函数并跳转到内存块中的伪随机位置。如果该块大于缓存，则可能会破坏缓存。具体例子。在许多用例中，一个数据量超过RAM的BTree在每次查找一个磁盘寻道下的平均值非常显著。同样大小的散列总是在寻找。@b我可以反驳这句话

所有形式的散列都是在缓存中被谋杀的
。1） 根据帕累托原理，一小部分条目可能构成访问的主要部分，即hot和sit