Java 哈希表自身实现中的负载因子

作为datastructure and algorithm实验问题的一部分，我尝试创建Customhashtable，将CustomLinkedList[]作为底层数据结构，以避免共谋（分离链接）。但是当负载因子超过0.75时，我一直在研究如何将以前的内容映射到大小增加的新数组，以便返回的索引与新大小相同，代码用于哈希，大小为100

public int arrayIndex(String key)
{
   int index = key.charAt(0);

   for(int j = 1;j<key.length;j++)
     {
        int temp = key.charAt(j);
         index = ((index*27)+temp)%100;
     }
}

public int-arrayIndex（字符串键）
{
int index=key.charAt（0）；
对于（int j=1；j基本上，您构建一个新的哈希表，并将所有数据从旧的哈希表迁移到新的哈希表。加载因子是一个触发器，用于告诉您何时构建新的（更大的）表，这意味着新的哈希表将具有更大的起始数组

您还可以（为了好玩）添加一个“最小加载因子”设置，这将构造一个较小的哈希表。使用具有最小和最大加载因子的解决方案，初始备份数组（这是哈希选择表单的唯一部分）将根据存储项的数量对其大小进行概念上的调整。由于大小与性能相关，这可以使哈希表始终保持可接受的性能范围（通过增加和缩小其内存占用）

至于荷载系数的计算

  (in the store routines)

  if (array[index] == null) {
    loadCount++;
  }
  if (loadCount / arraySize > maxLoad) {
    resizeUp(...);
  }

  (in the remove routines)
  if (array[index] is cleared to null) {
    loadCount--;
  }
  if (loadCount / arraySize < minLoad) {
    resizeDown(...);
  }

（在存储例程中）
if（数组[索引]==null）{
loadCount++；
}
如果（加载计数/阵列大小>最大加载）{
调整大小（…）；
}
（在删除例程中）
如果（数组[索引]被清除为空）{
装载计数--；
}
if（负载计数/阵列大小<最小负载）{
调整大小（…）；
}
基本上，您可以构造一个新的哈希表，并将所有数据从旧的哈希表迁移到新的哈希表。加载因子是一个触发器，用于告诉您何时构造较新（较大）的哈希表，这意味着新的哈希表将有一个较大的起始数组

您还可以（为了好玩）添加一个“最小加载因子”设置，这将构造一个较小的哈希表。使用具有最小和最大加载因子的解决方案，初始备份数组（这是哈希选择表单的唯一部分）将根据存储项的数量对其大小进行概念上的调整。由于大小与性能相关，这可以使哈希表始终保持可接受的性能范围（通过增加和缩小其内存占用）

至于荷载系数的计算

  (in the store routines)

  if (array[index] == null) {
    loadCount++;
  }
  if (loadCount / arraySize > maxLoad) {
    resizeUp(...);
  }

  (in the remove routines)
  if (array[index] is cleared to null) {
    loadCount--;
  }
  if (loadCount / arraySize < minLoad) {
    resizeDown(...);
  }

（在存储例程中）
if（数组[索引]==null）{
loadCount++；
}
如果（加载计数/阵列大小>最大加载）{
调整大小（…）；
}
（在删除例程中）
如果（数组[索引]被清除为空）{
装载计数--；
}
if（负载计数/阵列大小<最小负载）{
调整大小（…）；
}
在一个简单的实现中，当您在哈希表中增加备份数组的大小时，所有存储元素的索引都将更改，并且您需要从链接列表中删除元素，因为元素不太可能在新映射中继续共享同一个存储桶

例如，最初我们的支持阵列为：

0: [ A ]
1: [ ]
2: [ B, C ]
3: [ D ]

然后我们增加备份阵列，最终可能会得到：

0: [ ]
1: [ ]
2: [ C ]
3: [ ]
4: [ D ]
5: [ A ]
6: [ ]
7: [ B ]

备份数组中的每个项都需要重新计算其哈希和模，因为它现在属于一个新的存储桶。如果您使用特定的备份数组大小，则可能有一种更优化的方法来执行此重新计算或映射，您可以查看现有的哈希表实现以了解它们的作用（即java.util.HashMap的源代码随时可用），但通常您需要将所有元素移动到其正确的存储桶。
在直接实现中，当您增加哈希表中备份数组的大小时，所有存储元素的索引都将更改，并且您需要从链接列表中删除元素，因为元素不太可能继续共享sam在新地图上画一个水桶

例如，最初我们的支持阵列为：

0: [ A ]
1: [ ]
2: [ B, C ]
3: [ D ]

然后我们增加备份阵列，最终可能会得到：

0: [ ]
1: [ ]
2: [ C ]
3: [ ]
4: [ D ]
5: [ A ]
6: [ ]
7: [ B ]

备份数组中的每个项都需要重新计算其哈希和模，因为它现在属于一个新的存储桶。如果您使用特定的备份数组大小，则可能有一种更优化的方法来执行此重新计算或映射，您可以查看现有的哈希表实现以了解它们的作用（即java.util.HashMap的源代码随时可用），但通常需要将所有元素移动到正确的存储桶。
不要使用索引，使用计数器来保存填充的条目数。1）帮自己一个忙，找到一个更健壮的哈希算法。只有在计算完完整的哈希值后，才应该“mod”它取决于数组大小。2）在某些情况下，溢出方案是在保留现有元素的同时放大表，然后“记住”以前大小的历史记录和“mod”在搜索时按每个先前大小依次调整哈希值，直到找到匹配项为止。以较慢的搜索速度为代价，可以减少放大的开销。不要使用索引，使用计数器来保存填充的条目数。1）帮自己一个忙，找到一个更健壮的哈希算法。只有在计算完完整的哈希值后，才应该“mod”它取决于数组大小。2）在某些情况下，溢出方案是在保留现有元素的同时放大表，然后“记住”以前大小的历史记录和“mod”在搜索时按每个先前的大小依次调整哈希值，直到找到匹配项。以降低搜索速度为代价，可以减少放大的开销。不，您必须创建新数组，然后使用常规哈希例程将所有项添加到该数组中，因为哈希的模数在数组之间可能不相同。通常来说，如果（x mod y==5）那么你就不能（除非在一些非常特殊的情况下）知道（x mod z==5）。不，你必须创建新的数组，然后使用普通的散列例程将所有项添加到其中，因为散列的模可能不会被识别