C++ 实现哈希表

几天前，我开始阅读关于实现各种数据结构的书籍，开始研究散列表，并在某个特定点上陷入困境

我对哈希表如何实现的理解： 密钥K被传递给散列函数H，散列函数H返回K，HK的散列版本。HK应该至少是一个uint32_t来解释冲突，我们有一个大小为X的数组，该项存储在该数组的索引HK处。。但是，这难道不需要一个至少长度为uint32_t的预分配数组（或者不管H的返回值是什么）吗？假设我们不将数据本身存储在该数组中，而是将ptr存储到数据中，那么我们需要一个长度为uint32的ptr\t数组。。这似乎相当浪费，64位意味着内存使用： 2^32*8=34359738368字节或~32GB仅用于数据的PTR数组，这显然不是它在现实生活中实际实现的方式

---

那么我遗漏了什么呢？

您应该构建您的哈希表，以便对其进行扩展。有一些方法可以做到这一点。读一下会有帮助的。在本例中，使用了链表。如果不再有空值，还需要扩展表。您将遇到以下问题：如果扩展map，则H函数可以为旧K键返回新的HK值。所以你必须思考如何解决这个问题。其中一种方法是在扩展表时重新加载所有值。如果不经常扩展它，这是正常的。

这取决于实现。这有三种基本方法：

1） 使用小散列。因此，不用32位哈希，比如说，使用8位哈希

2） 使用了多级散列。因此，例如，12位散列可以确定条目进入哪个“bucket”，但只有当完整的32位散列匹配时才会发生冲突。每个存储桶都存储在链表或类似结构中。（可能是为搜索其中的完整32位散列而优化的。）

---

3） 使用稀疏数组。这些数据结构实际上不需要为未填充的插槽存储空格。（实际上，它可能是完全不同的东西，比如一棵树，但它就像一个具有高效搜索功能的稀疏数组。）

实际上，您有一个由一些更小、固定数量的bucket组成的数组，这些bucket或者使用链接（结果是一个链表）或者探测（最糟糕的例子是：如果使用哈希（x），则在冲突时尝试哈希（x）+1）。你可以根据桶的大小选择uint32和mod，这是最简单的情况

您可以定义一个负载因子—一旦阵列的N%已满，我们将（比方说）将阵列的大小增加一倍，并将所有内容重新灰化到新阵列中。比方说，使用率在50%到75%之间

---

嗯，你说那不是很贵吗？嗯，不是真的。假设每次将数组的大小增加一倍。因此，添加N个项目，最后一个项目触发一个副本。N在O（1）处添加，然后添加一个O（N）副本。但是wait-O（N）/N的平均值为O（1），因此，假设您明智地选择了负载因子，那么添加的摊销平均成本仍然是O（1）。

哈希表的典型实现是一个链表数组。链表可以很容易地替换为另一个数据结构，因此从现在起我们将其称为

Bucket

想法很简单：

class HashTable {
public:


private:
  std::vector<Bucket*> _array;
};

类哈希表{
公众：
私人：
std:：vector_数组；
};

---

然后，取HK并将其缩小到数组中，通常使用一个模：

HK%大小（\u数组）

，它给出要使用的bucket的索引。

我认为典型的实现不是使用数组而是使用链表。我认为典型的实现不是使用链表而是使用数组。关于冲突，当使用哈希表时，会出现冲突。它们应该得到处理，而不是避免。可以通过适当的散列和维度来最小化它们。@bamboon:实际上，您使用一个链表数组来实现日常操作。在发生冲突的情况下，它并不理想，而且（项目之间）引用的局部性很差，但操作的复杂性是可以预测的。@MatthieuM。是的，这是一个误会，我以为他说的是第二阶段。如果重新哈希，当它是一个哈希集时会发生什么，也就是说，你没有原始数据可以重新哈希？@KimSun wu:你可以简单地将哈希存储在数据旁边，以避免重新计算。@MatthieuM。即使在不扩展表的情况下，存储完整的32位散列也是访问的有效优化；在检查相等性之前比较32位哈希值。@JamesKanze:对！我甚至没有想过这一点（但是，我自己从来没有真正实现过哈希表…）哈希表或哈希映射是一种数据结构，它使用哈希函数将标识值（称为键）映射到它们的关联值。哈希表中有键和哈希值。您只需要计算旧键的新值。如果你没有键（即只有一组散列值），为什么你需要它呢？我刚才说的是散列集，但是Matthieu M回答了这个问题。