C++ STL中哈希表 hash_map从头到尾详细介绍[转]
0 为什么需要hash_map
用过map吧？map提供一个很常用的功能，那就是提供key-value的存储和查找功能。例如，我要记录一个人名和相应的存储，而且随时增加，要快速查找和修改：
岳不群－华山派掌门人，人称君子剑 张三丰－武当掌门人，太极拳创始人 东方不败－第一高手，葵花宝典 ...
这些信息如果保存下来并不复杂，但是找起来比较麻烦。例如我要找"张三丰"的信息，最傻的方法就是取得所有的记录，然后按照名字一个一个比较。如果要速度快，就需要把这些记录按照字母顺序排列，然后按照二分法查找。但是增加记录的时候同时需要保持记录有序，因此需要插入排序。考虑到效率，这就需要用到二叉树。讲下去会没完没了，如果你使用STL 的map容器，你可以非常方便的实现这个功能，而不用关心其细节。关于map的数据结构细节，感兴趣的朋友可以参看学习STL map, STL set之数据结构基础。看看map的实现:
1 #include <map> 2 #include <string> 3 using namespace std; 4 ... 5 map<string, string> namemap; 6 //增加。。。 7 namemap["岳不群"]="华山派掌门人，人称君子剑"; 8 namemap["张三丰"]="武当掌门人，太极拳创始人"; 9 namemap["东方不败"]="第一高手，葵花宝典"; 10 ... 11 //查找。。 12 if(namemap.find("岳不群") != namemap.end()){ 13 ... 14 }
不觉得用起来很easy吗？而且效率很高，100万条记录，最多也只要20次的string.compare的比较，就能找到你要找的记录;200万条记录事，也只要用21次的比较。
速度永远都满足不了现实的需求。如果有100万条记录，我需要频繁进行搜索时，20次比较也会成为瓶颈，要是能降到一次或者两次比较是否有可能？而且当记录数到200万的时候也是一次或者两次的比较，是否有可能？而且还需要和map一样的方便使用。
答案是肯定的。这时你需要has_map. 虽然hash_map目前并没有纳入C++ 标准模板库中，但几乎每个版本的STL都提供了相应的实现。而且应用十分广泛。在正式使用hash_map之前，先看看hash_map的原理。
1 数据结构：hash_map原理
这是一节让你深入理解hash_map的介绍，如果你只是想囫囵吞枣，不想理解其原理，你倒是可以略过这一节，但我还是建议你看看，多了解一些没有坏处。
hash_map基于hash table（哈希表）。 哈希表最大的优点，就是把数据的存储和查找消耗的时间大大降低，几乎可以看成是常数时间；而代价仅仅是消耗比较多的内存。然而在当前可利用内存越来越多的情况下，用空间换时间的做法是值得的。另外，编码比较容易也是它的特点之一。
其基本原理是：使用一个下标范围比较大的数组来存储元素。可以设计一个函数（哈希函数，也叫做散列函数），使得每个元素的关键字都与一个函数值（即数组下标，hash值）相对应，于是用这个数组单元来存储这个元素；也可以简单的理解为，按照关键字为每一个元素“分类”，然后将这个元素存储在相应“类”所对应的地方，称为桶。
但是，不能够保证每个元素的关键字与函数值是一一对应的，因此极有可能出现对于不同的元素，却计算出了相同的函数值，这样就产生了“冲突”，换句话说，就是把不同的元素分在了相同的“类”之中。 总的来说，“直接定址”与“解决冲突”是哈希表的两大特点。
hash_map，首先分配一大片内存，形成许多桶。是利用hash函数，对key进行映射到不同区域（桶）进行保存。其插入过程是：
- 得到key
- 通过hash函数得到hash值
- 得到桶号(一般都为hash值对桶数求模)
- 存放key和value在桶内。
其取值过程是:
- 得到key
- 通过hash函数得到hash值
- 得到桶号(一般都为hash值对桶数求模)
- 比较桶的内部元素是否与key相等，若都不相等，则没有找到。
- 取出相等的记录的value。
hash_map中直接地址用hash函数生成，解决冲突，用比较函数解决。这里可以看出，如果每个桶内部只有一个元素，那么查找的时候只有一次比较。当许多桶内没有值时，许多查询就会更快了(指查不到的时候).
由此可见，要实现哈希表, 和用户相关的是：hash函数和比较函数。这两个参数刚好是我们在使用hash_map时需要指定的参数。
2 hash_map 使用
2.1 一个简单实例
不要着急如何把"岳不群"用hash_map表示，我们先看一个简单的例子：随机给你一个ID号和ID号相应的信息，ID号的范围是1～2的31次方。如何快速保存查找。
1 #include <hash_map> 2 #include <string> 3 using namespace std; 4 int main(){ 5 hash_map<int, string> mymap; 6 mymap[9527]="唐伯虎点秋香"; 7 mymap[1000000]="百万富翁的生活"; 8 mymap[10000]="白领的工资底线"; 9 ... 10 if(mymap.find(10000) != mymap.end()){ 11 ... 12 }
够简单，和map使用方法一样。这时你或许会问？hash函数和比较函数呢？不是要指定么？你说对了，但是在你没有指定hash函数和比较函数的时候，你会有一个缺省的函数，看看hash_map的声明，你会更加明白。下面是SGI STL的声明：
template <class _Key, class _Tp, class _HashFcn = hash<_Key>,
class _EqualKey = equal_to<_Key>,
class _Alloc = __STL_DEFAULT_ALLOCATOR(_Tp) >
class hash_map
{
...
}
也就是说，在上例中，有以下等同关系：
...
hash_map<int, string> mymap;
//等同于:
hash_map<int, string, hash<int>, equal_to<int> > mymap;
Alloc我们就不要取关注太多了(希望深入了解Allocator的朋友可以参看标准库 STL ：Allocator能做什么)
hash_map类在头文件hash_map中，和所有其它的C++标准库一样，头文件没有扩展名。如下声明：
1 #include <hash_map> 2 using namespace std; 3 using namespace stdext;
hash_map是一个聚合类，它继承自_Hash类，包括一个vector，一个list和一个pair，其中vector用于保存桶，list用于进行冲突处理，pair用于保存key->value结构，简要地伪码如下：
1 class hash_map<class _Tkey, class _Tval> 2 { 3 private: 4 typedef pair<_Tkey, _Tval> hash_pair; 5 typedef list<hash_pair> hash_list; 6 typedef vector<hash_list> hash_table; 7 };
当然，这只是一个简单模型，C++标准库的泛型模版一向以嵌套复杂而闻名，初学时看类库，无疑天书啊。微软的hash_map类还聚合了hash_compare仿函数类，hash_compare类里又聚合了less仿函数类，乱七八糟的。
2.2 hash_map 的hash函数
hash< int>到底是什么样子？看看源码:
struct hash<int> {
size_t operator()(int __x) const { return __x; }
};
原来是个函数对象。在SGI STL中，提供了以下hash函数：
1 struct hash<char*> 2 struct hash<const char*> 3 struct hash<char> 4 struct hash<unsigned char> 5 struct hash<signed char> 6 struct hash<short> 7 struct hash<unsigned short> 8 struct hash<int> 9 struct hash<unsigned int> 10 struct hash<long> 11 struct hash<unsigned long>
也就是说，如果你的key使用的是以上类型中的一种，你都可以使用缺省的hash函数。当然你自己也可以定义自己的hash函数。对于自定义变量，你只能如此，例如对于string，就必须自定义hash函数。例如：
1 struct str_hash{ 2 size_t operator()(const string& str) const 3 { 4 unsigned long __h = 0; 5 for (size_t i = 0 ; i < str.size() ; i ++) 6 __h = 5*__h + str[i]; 7 return size_t(__h); 8 } 9 }; 10 //如果你希望利用系统定义的字符串hash函数，你可以这样写： 11 struct str_hash{ 12 size_t operator()(const string& str) const 13 { 14 return __stl_hash_string(str.c_str()); 15 } 16 };
在声明自己的哈希函数时要注意以下几点：
- 使用struct，然后重载operator().
- 返回是size_t
- 参数是你要hash的key的类型。
- 函数是const类型的。
如果这些比较难记，最简单的方法就是照猫画虎，找一个函数改改就是了。
现在可以对开头的"岳不群"进行哈希化了 . 直接替换成下面的声明即可：
map<string, string> namemap; //改为： hash_map<string, string, str_hash> namemap;
其他用法都不用边。当然不要忘了吧str_hash的声明以及头文件改为hash_map。
你或许会问：比较函数呢？别着急，这里就开始介绍hash_map中的比较函数。
2.3 hash_map 的比较函数
在map中的比较函数，需要提供less函数。如果没有提供，缺省的也是less< Key> 。在hash_map中，要比较桶内的数据和key是否相等，因此需要的是是否等于的函数:equal_to< Key> 。先看看equal_to的源码：
1 //本代码可以从SGI STL 2 //先看看binary_function 函数声明，其实只是定义一些类型而已。 3 template <class _Arg1, class _Arg2, class _Result> 4 struct binary_function { 5 typedef _Arg1 first_argument_type; 6 typedef _Arg2 second_argument_type; 7 typedef _Result result_type; 8 }; 9 //看看equal_to的定义： 10 template <class _Tp> 11 struct equal_to : public binary_function<_Tp,_Tp,bool> 12 { 13 bool operator()(const _Tp& __x, const _Tp& __y) const { return __x == __y; } 14 };
如果你使用一个自定义的数据类型，如struct mystruct, 或者const char* 的字符串，如何使用比较函数？使用比较函数，有两种方法. 第一种是：重载==操作符，利用equal_to;看看下面的例子：
1 struct mystruct{ 2 int iID; 3 int len; 4 bool operator==(const mystruct & my) const{ 5 return (iID==my.iID) && (len==my.len) ; 6 } 7 }; 8 这样，就可以使用equal_to< mystruct>作为比较函数了。另一种方法就是使用函数对象。自定义一个比较函数体： 9 struct compare_str{ 10 bool operator()(const char* p1, const char*p2) const{ 11 return strcmp(p1,p2)==0; 12 } 13 }; 14 有了compare_str，就可以使用hash_map了。 15 typedef hash_map<const char*, string, hash<const char*>, compare_str> StrIntMap; 16 StrIntMap namemap; 17 namemap["岳不群"]="华山派掌门人，人称君子剑"; 18 namemap["张三丰"]="武当掌门人，太极拳创始人"; 19 namemap["东方不败"]="第一高手，葵花宝典";
2.4 hash_map 函数
hash_map的函数和map的函数差不多。具体函数的参数和解释，请参看：STL 编程手册：Hash_map，这里主要介绍几个常用函数。
- hash_map(size_type n) 如果讲究效率，这个参数是必须要设置的。n 主要用来设置hash_map 容器中hash桶的个数。桶个数越多，hash函数发生冲突的概率就越小，重新申请内存的概率就越小。n越大，效率越高，但是内存消耗也越大。
- const_iterator find(const key_type& k) const. 用查找，输入为键值，返回为迭代器。
- data_type& operator[](const key_type& k) . 这是我最常用的一个函数。因为其特别方便，可像使用数组一样使用。不过需要注意的是，当你使用[key ]操作符时，如果容器中没有key元素，这就相当于自动增加了一个key元素。因此当你只是想知道容器中是否有key元素时，你可以使用find。如果你希望插入该元素时，你可以直接使用[]操作符。
- insert 函数。在容器中不包含key值时，insert函数和[]操作符的功能差不多。但是当容器中元素越来越多，每个桶中的元素会增加，为了保证效率，hash_map会自动申请更大的内存，以生成更多的桶。因此在insert以后，以前的iterator有可能是不可用的。
- erase 函数。在insert的过程中，当每个桶的元素太多时，hash_map可能会自动扩充容器的内存。但在sgi stl中是erase并不自动回收内存。因此你调用erase后，其他元素的iterator还是可用的。
3 相关hash容器
hash 容器除了hash_map之外，还有hash_set, hash_multimap, has_multiset, 这些容器使用起来和set, multimap, multiset的区别与hash_map和map的区别一样，我想不需要我一一细说了吧。
4 其他
这里列几个常见问题，应该对你理解和使用hash_map比较有帮助。
4.1 hash_map和map的区别在哪里？
- 构造函数。hash_map需要hash函数，等于函数；map只需要比较函数(小于函数).
- 存储结构。hash_map采用hash表存储，map一般采用红黑树(RB Tree)实现。因此其memory数据结构是不一样的。
4.2 什么时候需要用hash_map，什么时候需要用map?
总体来说，hash_map 查找速度会比map快，而且查找速度基本和数据数据量大小，属于常数级别;而map的查找速度是log(n)级别。并不一定常数就比log(n)小，hash还有hash函数的耗时，明白了吧，如果你考虑效率，特别是在元素达到一定数量级时，考虑考虑hash_map。但若你对内存使用特别严格，希望程序尽可能少消耗内存，那么一定要小心，hash_map可能会让你陷入尴尬，特别是当你的hash_map对象特别多时，你就更无法控制了，而且hash_map的构造速度较慢。
现在知道如何选择了吗？权衡三个因素: 查找速度, 数据量, 内存使用。
这里还有个关于hash_map和map的小故事，看看:http://dev.csdn.net/Develop/article/14/14019.shtm
4.3 如何在hash_map中加入自己定义的类型?
你只要做两件事, 定义hash函数，定义等于比较函数。下面的代码是一个例子：
1 #include <hash_map> 2 #include <string> 3 #include <iostream> 4 5 using namespace std; 6 //define the class 7 class ClassA{ 8 public: 9 ClassA(int a):c_a(a){} 10 int getvalue()const { return c_a;} 11 void setvalue(int a){c_a;} 12 private: 13 int c_a; 14 }; 15 16 //1 define the hash function 17 struct hash_A{ 18 size_t operator()(const class ClassA & A)const{ 19 // return hash<int>(classA.getvalue()); 20 return A.getvalue(); 21 } 22 }; 23 24 //2 define the equal function 25 struct equal_A{ 26 bool operator()(const class ClassA & a1, const class ClassA & a2)const{ 27 return a1.getvalue() == a2.getvalue(); 28 } 29 }; 30 31 int main() 32 { 33 hash_map<ClassA, string, hash_A, equal_A> hmap; 34 ClassA a1(12); 35 hmap[a1]="I am 12"; 36 ClassA a2(198877); 37 hmap[a2]="I am 198877"; 38 39 cout<<hmap[a1]<<endl; 40 cout<<hmap[a2]<<endl; 41 return 0; 42 } 43 运行： 44 I am 12 45 I am 198877
4.4如何用hash_map替换程序中已有的map容器？
这个很容易，但需要你有良好的编程风格。建议你尽量使用typedef来定义你的类型：
typedef map<Key, Value> KeyMap;
当你希望使用hash_map来替换的时候，只需要修改:
typedef hash_map<Key, Value> KeyMap;
其他的基本不变。当然，你需要注意是否有Key类型的hash函数和比较函数。
4.5为什么hash_map不是标准的？
具体为什么不是标准的，我也不清楚，有个解释说在STL加入标准C++之时，hash_map系列当时还没有完全实现，以后应该会成为标准。如果谁知道更合理的解释，也希望告诉我。但我想表达的是，正是因为hash_map不是标准的，所以许多平台上安装了g++编译器，不一定有hash_map的实现。我就遇到了这样的例子。因此在使用这些非标准库的时候，一定要事先测试。另外，如果考虑到平台移植，还是少用为佳。
常见问题：
本来想用hash_map实现大数量的快速查找，后来发现效率并不快，而且有些问题也很不解，比如看如下代码：
1 #include <iostream> 2 #include <hash_map.h> 3 using namespace std; 4 int main(){ 5 hash_map<int,string> hm(3); //初始化hash_map的桶的个数 6 hm.insert(make_pair(0,"hello")); 7 hm.insert(make_pair(1,"ok")); 8 hm.insert(make_pair(2,"bye")); 9 hm.insert(make_pair(3,"world")); 10 cout<<hm.size()<<endl; 11 cout<<hm.bucket_count()<<endl; 12 return 0; 13 } 14 输出结果： 15 4 16 53 17 对这个结果很疑惑，明明我定义了桶的个数，为什么后面得到桶的个数为53？ 18 hash_map默认对int类型的Key如何hash，hash函数是什么？ 19 如何使得查找能更高效？可以用空间来换 20 各位大侠请教啊 21 这是我对hash的曾经的一点尝试，仅供参考： 22 23 C/C++ code 24 #include <iostream> 25 #include <map> 26 #include <string> 27 28 #ifdef __GNUC__ 29 #include <ext/hash_map> 30 #else 31 #include <hash_map> 32 #endif 33 34 #ifdef __GXX_EXPERIMENTAL_CXX0X__ 35 #include <unordered_map> 36 #endif 37 38 namespace std 39 { 40 using namespace __gnu_cxx; 41 } 42 43 namespace __gnu_cxx 44 { 45 template<> struct hash< std::string > 46 { 47 size_t operator()( const std::string& x ) const 48 { 49 return hash< const char* >()(x.c_str()); 50 } 51 }; 52 } 53 54 int main() 55 { 56 std::map<std::string, std::string> stdMap; 57 stdMap["_GLIBCXX_STD"] = "std"; 58 stdMap["_GLIBCXX_BEGIN_NESTED_NAMESPACE"] = "+namespace"; 59 stdMap["_GLIBCXX_BEGIN_NAMESPACE"] = "+namespace"; 60 stdMap["_GLIBCXX_END_NESTED_NAMESPACE"] = "}"; 61 stdMap["_GLIBCXX_END_NAMESPACE"] = "}"; 62 stdMap["_GLIBCXX_END_NAMESPACE_TR1"] = "}"; 63 stdMap["_GLIBCXX_BEGIN_NAMESPACE_TR1"] = "-namespace tr1 {"; 64 stdMap["_GLIBCXX_STD2"] = "2std"; 65 stdMap["_GLIBCXX_BEGIN_NESTED_NAMESPACE2"] = "2+namespace"; 66 stdMap["_GLIBCXX_BEGIN_NAMESPACE2"] = "2+namespace"; 67 stdMap["_GLIBCXX_END_NESTED_NAMESPACE2"] = "2}"; 68 stdMap["_GLIBCXX_END_NAMESPACE2"] = "2}"; 69 stdMap["_GLIBCXX_END_NAMESPACE_TR12"] = "2}"; 70 stdMap["_GLIBCXX_BEGIN_NAMESPACE_TR12"] = "2-namespace tr1 {"; 71 stdMap["_XXGLIBCXX_END_NAMESPACE_TR12"] = "X2}"; 72 stdMap["_XXGLIBCXX_BEGIN_NAMESPACE_TR12"] = "X2-namespace tr1 {"; 73 74 std::hash_map<std::string, std::string> hashMap; 75 hashMap["_GLIBCXX_STD"] = "std"; 76 hashMap["_GLIBCXX_BEGIN_NESTED_NAMESPACE"] = "+namespace"; 77 hashMap["_GLIBCXX_BEGIN_NAMESPACE"] = "+namespace"; 78 hashMap["_GLIBCXX_END_NESTED_NAMESPACE"] = "}"; 79 hashMap["_GLIBCXX_END_NAMESPACE"] = "}"; 80 hashMap["_GLIBCXX_END_NAMESPACE_TR1"] = "}"; 81 hashMap["_GLIBCXX_BEGIN_NAMESPACE_TR1"] = "-namespace tr1 {"; 82 hashMap["_GLIBCXX_STD2"] = "2std"; 83 hashMap["_GLIBCXX_BEGIN_NESTED_NAMESPACE2"] = "2+namespace"; 84 hashMap["_GLIBCXX_BEGIN_NAMESPACE2"] = "2+namespace"; 85 hashMap["_GLIBCXX_END_NESTED_NAMESPACE2"] = "2}"; 86 hashMap["_GLIBCXX_END_NAMESPACE2"] = "2}"; 87 hashMap["_GLIBCXX_END_NAMESPACE_TR12"] = "2}"; 88 hashMap["_GLIBCXX_BEGIN_NAMESPACE_TR12"] = "2-namespace tr1 {"; 89 hashMap["_XXGLIBCXX_END_NAMESPACE_TR12"] = "X2}"; 90 hashMap["_XXGLIBCXX_BEGIN_NAMESPACE_TR12"] = "X2-namespace tr1 {"; 91 92 #ifdef __GXX_EXPERIMENTAL_CXX0X__ 93 std::unordered_map<std::string, std::string> unorderedMap; 94 unorderedMap["_GLIBCXX_STD"] = "std"; 95 unorderedMap["_GLIBCXX_BEGIN_NESTED_NAMESPACE"] = "+namespace"; 96 unorderedMap["_GLIBCXX_BEGIN_NAMESPACE"] = "+namespace"; 97 unorderedMap["_GLIBCXX_END_NESTED_NAMESPACE"] = "}"; 98 unorderedMap["_GLIBCXX_END_NAMESPACE"] = "}"; 99 unorderedMap["_GLIBCXX_END_NAMESPACE_TR1"] = "}"; 100 unorderedMap["_GLIBCXX_BEGIN_NAMESPACE_TR1"] = "-namespace tr1 {"; 101 unorderedMap["_GLIBCXX_STD2"] = "2std"; 102 unorderedMap["_GLIBCXX_BEGIN_NESTED_NAMESPACE2"] = "2+namespace"; 103 unorderedMap["_GLIBCXX_BEGIN_NAMESPACE2"] = "2+namespace"; 104 unorderedMap["_GLIBCXX_END_NESTED_NAMESPACE2"] = "2}"; 105 unorderedMap["_GLIBCXX_END_NAMESPACE2"] = "2}"; 106 unorderedMap["_GLIBCXX_END_NAMESPACE_TR12"] = "2}"; 107 unorderedMap["_GLIBCXX_BEGIN_NAMESPACE_TR12"] = "2-namespace tr1 {"; 108 unorderedMap["_XXGLIBCXX_END_NAMESPACE_TR12"] = "X2}"; 109 unorderedMap["_XXGLIBCXX_BEGIN_NAMESPACE_TR12"] = "X2-namespace tr1 {"; 110 #endif 111 112 for (int i = 0; i < 5; ++i) 113 { 114 const clock_t t = clock(); 115 for (int j = 0; j < 1000000; ++j) stdMap.find("testfindkey"); 116 std::cout << "stdMap " << i + 1 << " : " << clock() - t << std::endl; 117 } 118 119 std::cout << "/n---------------/n" << std::endl; 120 121 for (int i = 0; i < 5; ++i) 122 { 123 const clock_t t = clock(); 124 for (int j = 0; j < 1000000; ++j) hashMap.find("testfindkey"); 125 std::cout << "hashMap " << i + 1 << " : " << clock() - t << std::endl; 126 } 127 128 #ifdef __GXX_EXPERIMENTAL_CXX0X__ 129 std::cout << "/n---------------/n" << std::endl; 130 131 for (int i = 0; i < 5; ++i) 132 { 133 const clock_t t = clock(); 134 for (int j = 0; j < 1000000; ++j) unorderedMap.find("testfindkey"); 135 std::cout << "unorderedMap " << i + 1 << " : " << clock() - t << std::endl; 136 } 137 #endif 138 139 return 0; 140 } 141 142 如果你使用的vc自带的hash函数，那么它的定义中如下： 143 144 template<class _Kty, class _Pr = less> 145 class hash_compare1 146 { // traits class for hash containers 147 public: 148 //const static long lBucketSize = 0; 149 enum 150 { // parameters for hash table 151 bucket_size = 4, // 0 < bucket_size 152 min_buckets = 8 // min_buckets = 2 ^^ N, 0 < N 153 }; 154 。。。 155 156 每次增长会2倍增加预分配内存，你的hash_map是哪个版本的？
