Data structures 为了平均节省O（1）的时间复杂度，我必须散列整个密钥吗？

假设我有一个散列表和一个均匀分布的散列函数，它使用单独的链表链接

表中保存的键是a、b对无限数，我根据hasha将它们插入表中，我忽略了b

---

查找、插入和删除操作平均仍在O1时间内吗？或者我必须散列整个密钥，包括b？

不，这不能保证您期望O1查找。例如，假设您散列0，0，0，1，0，2，0，3，…，0，n-1。由于忽略了第二个组件，因此所有n个值都将散列到表中的同一位置，因此无论散列函数如何散列第一个组件0，最终都会在一个散列表中的同一位置包含n个元素，在最坏的情况下，会使查找退化为花费时间Θn

---

一般来说，使用哈希表时需要对整个键进行哈希。否则，通过保持密钥的一部分不变并更改其他部分，很容易导致哈希冲突。

否，这不能保证您期望O1查找。例如，假设您散列0，0，0，1，0，2，0，3，…，0，n-1。由于忽略了第二个组件，因此所有n个值都将散列到表中的同一位置，因此无论散列函数如何散列第一个组件0，最终都会在一个散列表中的同一位置包含n个元素，在最坏的情况下，会使查找退化为花费时间Θn

---

一般来说，使用哈希表时需要对整个键进行哈希。否则，通过保持密钥的一部分不变并更改其他部分，很容易导致哈希冲突。

如果使用a、b作为密钥，但仅基于哈希a进行存储，则每当有多个具有相同a值的对象时，都会发生冲突。例如，1、2和1、3都将散列到同一个bucket，因此您必须遍历链表。对性能的实际影响取决于您的数据集，但平均而言，您不会仍然具有O1性能。

如果您使用a、b作为键，但仅基于hasha进行存储，则当您有多个具有相同值a的对象时，您将发生冲突。例如，1、2和1、3都将散列到同一个bucket，因此您必须遍历链表。对性能的实际影响取决于您的数据集，但平均而言，您不会仍然拥有O1性能。

您是否事先了解a和b？如果否，则需要将两者都散列。如果你知道它们都是相当随机的，那么单独基于a的散列就足够了，尽管散列2个整数的计算量不应该比单个整数更大。

你事先知道a和b吗？如果否，则需要将两者都散列。如果您知道它们都是相当随机的，那么基于a的散列应该足够好了，尽管散列2个整数不应该比单个整数更需要计算。

无论如何，这是最坏的情况。一般情况如何？它是如何毁掉它的？@XtremeJoe每当你听到“平均”时，你都应该思考“平均”是什么？传统的哈希表分析假设数据是非随机选择的，并且哈希函数提供了随机性，一个好的哈希表实现应该提供良好的保证，而不管提供什么数据。为了按照你的建议提供一个平均案例分析，你需要提供一个关于可能输入的概率分布的数学上严格的描述。但是在我所介绍的案例中，当我对b一无所知时，是否有可能实现O1平均input@XtremeJoe在不知道输入分布的情况下，你不能说平均情况是O1，因为你不能说你的平均值是多少。@XtremeJoe只对a而不是b进行散列运算，实际上是将碰撞次数增加了b的一个因子，因此碰撞不再依赖于常数，但是，相反，b，因此它不可能是恒定的，不管怎样，这都是最坏的情况。一般情况如何？它是如何毁掉它的？@XtremeJoe每当你听到“平均”时，你都应该思考“平均”是什么？传统的哈希表分析假设数据是非随机选择的，并且哈希函数提供了随机性，一个好的哈希表实现应该提供良好的保证，而不管提供什么数据。为了按照你的建议提供一个平均案例分析，你需要提供一个关于可能输入的概率分布的数学上严格的描述。但是在我所介绍的案例中，当我对b一无所知时，是否有可能实现O1平均input@XtremeJoe在不知道输入分布的情况下，你不能说平均值是O1，因为你不能说你平均值是多少。@Xtre

---

meJoe如果只对a而不是b进行散列，那么实际上是将碰撞的数量增加了b的一个因子，因此碰撞不再依赖于常数，而是b，因此它不能是常数查找知道它们都是相当随机的是一个重要的见解，虽然关键的问题是a值的取值范围是否也明显超过了被散列的对数——如果是这样，那么冲突就不太可能了。这与假设a在0到10之间，而b在0到10亿之间形成对比：值可能是非常随机的，但是如果你对一百万对进行散列，你会遇到冲突。知道它们都是相当随机的是一个重要的见解，虽然关键的问题是a值的取值范围是否也明显超过了被散列的对数——如果是这样，那么冲突就不太可能了。这与假设a在0到10之间，而b在0到10亿之间形成了对比：这些值可能是非常随机的，但如果你对一百万对进行散列运算，就会产生冲突。@TonyD它们可能是anything@TonyD它们可能是任何东西