Performance 哈希表-为什么它比数组快？

如果每个元素都有一个键，但不知道该元素在数组中的索引，则哈希表的性能优于数组（O（1）vs O（n））

---

为什么呢？我的意思是：我有一把钥匙，我把它弄碎了。。我有杂烩。。算法不应该将这个散列与每个元素的散列进行比较吗？我认为内存配置背后有一些技巧，不是吗？

哈希表有点复杂。他们根据散列%some值将元素放入不同的桶中。在理想的情况下，每个桶只装很少的物品，空桶也不多

一旦知道了密钥，就可以计算散列。根据散列，您知道要查找哪个bucket。如上所述，每个桶中的物品数量应该相对较少

哈希表在内部发挥了巨大的作用，以确保存储桶尽可能小，同时不会为空存储桶消耗太多内存。另外，很大程度上取决于key->hash函数的质量

---

Wikipedia提供了。

数组：如果你知道值，你必须平均搜索一半的值（除非排序）才能找到它的位置

---

带散列：根据值生成位置。因此，再次给定该值，可以计算插入时计算的哈希值。有时，多个值会导致相同的散列，因此在实践中，每个“位置”本身就是散列到该位置的所有值的数组（或链表）。在这种情况下，只需要搜索这个小得多的数组（除非它是一个糟糕的散列）。

我想你已经回答了你自己的问题。“算法不应该将这个散列与每个元素的散列进行比较吗？”。当它不知道你要搜索的内容的索引位置时，它就是这样做的。它会比较每个元素以找到您要查找的元素：

例如，假设您正在字符串数组中查找名为“Car”的项。您需要检查每个项目，并检查item.Hash（）==“Car”.Hash（）以找出您正在查找的项目。显然，它在搜索时不总是使用散列，但这个例子是正确的。然后你有一个哈希表。哈希表所做的是创建一个稀疏数组，或者有时像上面提到的那样创建一个桶数组。然后它使用“Car”.Hash（）来推断“Car”项在稀疏数组中的实际位置。这意味着它不必搜索整个数组来查找您的项目

如果每个元素都有一个键，但我不知道 将元素索引到数组中，哈希表的性能优于 数组（O（1）vs O（n））

哈希表搜索在平均情况下执行O（1）。在最坏的情况下，哈希表搜索执行O（n）：当发生冲突时，哈希函数总是返回相同的插槽。人们可能会认为“这是一个遥远的情况”，但一个好的分析应该考虑它。在这种情况下，您应该遍历所有元素，如数组或链表（O（n））中的元素

为什么呢？我的意思是：我有一把钥匙，我把它弄碎了。。我有杂烩。。 算法不应该将这个散列与每个元素的散列进行比较吗 搞砸我想在记忆处理的背后有一些技巧，不是吗 是吗

你有一把钥匙，你把它散列。。您有一个hash：元素所在的哈希表的索引（如果它以前被定位过）。此时，您可以访问O（1）中的哈希表记录。如果荷载系数很小，则不太可能看到多个构件。因此，您看到的第一个元素应该是您正在查找的元素。否则，如果有多个元素，则必须将在该位置找到的元素与正在查找的元素进行比较。在这种情况下，有O（1）+O（元素的数量）

在平均情况下，哈希表搜索复杂度为O（1）+O（加载因子）=O（1+加载因子）

记住，在最坏的情况下，荷载系数=n。因此，在最坏的情况下，搜索复杂度为O（n）

我不知道你说的“记忆处置背后的诡计”是什么意思。在某些观点下，哈希表（其结构和通过链接解决的冲突）可以被认为是一个“聪明的把戏”

---

当然，哈希表分析结果可以通过数学证明。

哈希表不必比较哈希表中的每个元素。它将根据密钥计算hashcode。例如，如果键是4，那么hashcode可能是-4*x*y。现在指针确切地知道要拾取哪个元素

然而，如果它是一个数组，它必须遍历整个数组来搜索这个元素

为什么[哈希表按键查找比数组（O（1）vs O（n））要好]？我的意思是：我有一把钥匙，我把它弄碎了。。我有杂烩。。算法不应该将这个散列与每个元素的散列进行比较吗？我认为在记忆处理的背后有一些技巧，不是吗

一旦你有了散列，它可以让你计算一个“理想的”或预期的位置在桶数组中：通常：

理想存储桶=哈希%num\u存储桶

问题是另一个值可能已经散列到该存储桶，在这种情况下，哈希表实现有两个主要选择：

1） 试试另一个水桶

2） 让几个不同的值“属于”一个bucket，可能是通过让bucket将指针放入一个值的链表中

对于被称为的实现1，您可以跳转到其他bucket：如果您发现了自己的价值，那就太好了；如果您找到了一个从未使用过的bucket，那么您可以在插入时将您的值存储在其中，或者您知道在搜索时将永远找不到您的值。如果遍历替代存储桶的方式最终多次搜索同一个存储桶，则搜索可能比O（n）更糟糕；例如，如果您使用理想的桶索引+1、然后是+4、然后是+9、然后是+16，依此类推-