散列表

散列表的定义

　　散列表（Hash table，也叫哈希表），是根据关键码值(Key value)而直接进行访问的数据结构。也就是说，它通过把关键码值映射到表中一个位置来访问记录，以加快查找的速度。这个映射函数叫做散列函数，存放记录的数组叫做散列表。

　　从这个定义就可以得知，散列表实际上存储数据的仍然是数组。

 

　　假设我们要存储一组电话簿：

　　Bob 13113113111
　　Lany 13113113113
　　Mary 13113113112

　　数组查询数据靠的是数组下标，当我们要查询Mary的电话号码，那得先从下标0开始查询，取出来发现是Bob，再取下标1的数据，取出来也不对，再取下标2的数据，取出来才是Mary的数据，这样遍历了整个数组才找到Mary的电话号码。

 

　　设计者的想法就是将Bob、Lany、Mary设计成key，能够用key来直接取出value值，并且不用遍历整组数据。

　　实现方式也是选择用数组来实现，利用数组高效查询的特性，在存取数据的时候使用了一个中转，将key转化成数组下标。

 

哈希函数

　　这个中转站，也就是哈希函数，这是一个加密函数，可以将任何数据加密成一串整型数字，虽然是数字，但一般情况下都是以十六进制来表示的，所以我们平常看到的都是字符串的样子。

　　哈希算法有很多种，目前应用最广泛的差不多是MD4、MD5、SHA1等加密算法。

 

　　将哈希映射到数组下标的实现方式也有很多，直接定址法、数字分析法、平方取中法、折叠法等等，在不同的语言中，实现方式是不太一样的。

　　最常见的实现就是将哈希函数的结果对数组长度进行取模，得到一个0到数组长度之间的数字，将此数字作为下标。

　　

　　存电话簿：

　　Bob 13113113111
　　Lany 13113113113
　　Mary 13113113112

　　我们先创建一个长度为10的数组：

　　假设 Bob的哈希值为51246，那么51246%10=6，就将Bob的电话号码放到下标为6的空间中。

　　Mary的哈希值为26154，那么取模后得到的值为4，就将Mary的电话号码放到下标为4的空间中。

添加

　　但是由于数组的长度是有限的，系统创建数组的时候也无法预测程序员要存储的数据有多大，所以当添加的数据越来越多的时候，数组的空间就会逐渐填满，即使没填满，取模后下标相同的几率也会越来越大。

 

　　比如Lany哈希值为33724，取模后值也是：

　　这种情况，就叫哈希冲突。

　　无论哈希函数设计有多么精细，都会产生冲突现象，也就是2个key的处理结果映射在了同一位置上，避免冲突的办法也有多种。

 

　　多哈希法，设计多种哈希函数。

　　开放地址法，如果哈希冲突，立刻计算出一个候补地址尝试存储数据，如果仍有冲突便继续计算下一个候补地址。

　　拉链法，如果哈希冲突，则在目标地址中将数据换成链表存储，无论多少数据，都可以在链表末尾进行连接。

 

　　这里我们以拉链法来理解：

查找

　　查找和添加也是一样的，将key进行哈希处理，取模，得到的值就是数组下标。

　　如果我取Lany的电话号码呢？ 

　　在上面我们已经知道了Lany和Mary是有哈希冲突的，在内存中已经拉出了一个动态链表，当我要查询Lany的电话号码的时候，找到了arr[4]这个元素，由于arr[4]这个元素与链表链头相对应，所以就顺着链表往下找。

　　可能大家会奇怪，因为我也奇怪，它是怎么确定哪一个元素是Lany的电话号码呢？

 

　　这里可以看一段Java中HashMap的源码：

　　JDK8，HashMap.java 第285行：

        Node(int hash, K key, V value, Node<K,V> next) {
            this.hash = hash;
            this.key = key;
            this.value = value;
            this.next = next;
        }

　　数组中的每个元素，存的并不是单纯的我们想存的数据，而是存了一个Node对象，同时将hash、key、和next也一起存了。

 

扩容

　　当添加的数据多了（HashMap初始长度只有16），散列表达到一定的饱和度，出现哈希冲突的几率会逐渐增高，可能会导致大量数据挤压在同一个数组下标上，形成长链，链表的查询无疑的低效率的，严重影响整个散列表的插入读取性能。

　　所以散列表必然会有一个扩容的操作：新创建一个2两倍长的空数组，再遍历原数组，将所有的节点重新进行哈希处理，后将新节点放入新数组。