Data structures 自定义hasmap实现中的冲突解决技术

这是一次面试。 他们问我什么是实现自定义hashmap的好方法

我回答说，如果你有一个数组，比如说，n，元素

您可以将单个键映射到索引%n的整数。 这将允许您将密钥存储在hashmap中。但是 如果发生冲突，则可以在自定义数组中保留一个值列表。 现在，像这样在自定义hashmap中使用列表的最坏情况是O（n）。 因此，我建议，我们可以在列表中使用Heap（minheap）并调用heapify（） 平衡它。这也会给logn带来复杂性

我想到的另一件事是，我可以使用一个有2-3-4个节点的树，这样logn的复杂性就会降低。（有点像B+树）

---

在自定义堆实现的情况下，有没有更好的解决冲突的方法？

最常见的解决hashmap冲突的方法是：

deque（PHP是如何实现的）

链表

实际上，只要增加散列值，直到找到一个不是冲突的插槽

对于第一个示例，要使用值“world”存储键“hello”，您可以通过哈希函数获得整数hashmap键（假设C/C++实现）：

然后将该值插入索引

hash\u key

处的deque元素：

hash_map[hash_key].push_back(myvalue);

其中，

hash_-map

是您的DEQUE的N索引数组，

myvalue

是要插入的对象（请注意，

myvalue

应该将自己的

key

成员设置为“hello”，以便以后可以检索）

要在散列映射中找到一个项，可以散列键（“hello”），然后遍历deque直到找到该项。如果哈希函数的摘要空间足够大（例如，一个32位无符号整数=40亿个唯一哈希结果），并且哈希函数给出了一个均匀分布，那么发生冲突的几率足够小（1/2^32），以至于您的数据块可能只有1或2个项（即使您存储了2^33个项），更奇特的结构（AVL树、RB树等等）会使数据结构的速度慢得多

在发生碰撞之前，存储项目的内存几乎完全耗尽，线性搜索的缓慢成为一个限制因素

（编辑为添加：您不必[也不应该，对于大型散列函数空间]预分配整个散列映射。也可以使用deque，以便随着散列结果数量的增加而增加。）

通常的技巧（至少Python和Java都是这样做的）是通过将动态数组或链表放入哈希桶中来解决冲突，如您所建议的。此外，哈希表还获取一个称为最大负载因子的参数，例如2/3。当加载因子高于其允许的最大值（表已满2/3以上）时，a（即，两倍于原始值）将所有数据移动到新的哈希表中

---

虽然复制可能很昂贵，但其成本可能超过查找。

堆在最坏的情况下需要O（n），因为您可能必须遍历整个堆，直到找到所需的元素。堆不提供通用的查找算法。树建议将约束键以某种方式排序，并且排序必须与哈希函数和相等关系一致。如果N=2^32，则需要那么多指针来表示空哈希表。在x86-64上，这是32GB。我的假设是（我没有为它编写代码，因为我很懒），您只在第一次引用deque时创建它们，然后将哈希映射创建为deque本身或int**（数组数组数组），根据需要为哈希指针实例化页面，或者更聪明的方法。我将把这个练习留给真正想要编写它的人。即使N=2^16（x86-64上只有500KB的内存空间），仍然会产生1/65536项的分布，因此每1000000项哈希的深度约为15项/deque。O（M），其中M=15相当小：）

hash_map[hash_key].push_back(myvalue);