hash算法的介绍 【清晰易懂】

 

 

Hash表是一种数据结构 提供快速的存取和查找，他是基于数组的，数组创建后大小是固定的难以拓展 ，当然可以复制数据到更大的数组，但是非常消耗性能，如果数据量固定，需要快速查询时 hash表是一个不错的选择

 

数组只能以数字作为下标 而不能以字符串作为下标 所以要考虑将字符串转换为唯一的数字 这个过程叫做hash化 过程由hash函数完成，使用hash函数插入数据到数组后，数组被称为hash表

 

Hash函数

1叠加法

假如给 字母编个号码

空格0 a 1 ,b2 c 2,  27 z

 

Hash函数采用加法运算

   比如 abc = 1+2+3

   最大的字母是10位

   zzzzzzzzzz=26*10=260

 

显然 所有的字母可能只能组合出  260个索引为 ，而实际上单词有 50000

 

而每一个索引的位置 需要存放单词 50000/260=192个单词 显然不行

 

2 幂的连续乘法

 

   参考数字的拆分

   234=2*100+3*10+4

 

   那么abc  因为字母是27个

   1*27*27+2*27+3= 786

 

如果是 zzzzzzzzzz=?  不知道有多大  可能会操过变量允许的最大位数

 

怎么解决了 可以对产生的数字进行压缩

 比如 数组的大小是1000 

那么获取下标可以用 要存放的字母幂的连乘获取的结果 % 1000（也就是数组的大小）

就能获取一个数 <1000 的

 比如（1000+999）%1000 =999  

 

这样仍然有一个问题

 

就是数组 可能压缩产生的数字 已经被其他的字母占据了 怎么办了

 

有两种解决方法 ：开放地址法 和 链地址法

 

2.1开放地址法：

  开放地址法就是发现如果被占据，就需要利用方法去找寻空白的位置，三种方法：线性探测，二次探测，再hash法

   线性探测： 比如产生的索引位置是123，123被占据了  找124 124被占用找125 一直到找到是空白的地址

 

   二次探测：已填充数据的个数/hash表的大小 就是装填因子，聚集就是hash表某个部分的位置都被填充 而部分位置一个数据的都没有 出现聚集时 可能到比较远一点的单元格去寻找空的位置 就叫二次探测

 

  一次探测 比如 找到的位置是 123  123+1 ，123+2  一步一步探测

  二次探测      找到的位置是 123  123+1   123+4 123+9  已 n的平方来探测

可以这么理解 首先查找临边 如果临边被占据了 怀疑可能旁边也被占据了，跳到4的位置

有点忧虑可能有很大的聚集 结果跳到9的位置

   但是二次探测也会产生问题 ：二次聚集 比如 n多个数 通过hash函数转换的数字式一样的 跳动的步骤也是一样的 出现二次聚集

 

再哈希法：二次探测出现二次聚集的原因是因为 步长时相同的，现在需要创建一个布长不一样的探测序列 这个序列可以在用一次hash化一便，布长不能为0 否则每次都在原地打转

  stepSize=contant*(key%contant)

contant是介质 小于数组容量，key是第一次hash的位置

 

 

2.2链地址法：

 这种方法比较容易理解

 Hash表中位置放置的是第一次插入的值，以后如果hash话出来的位置 已经存在数据的话 就已链表的形式指向第一个位置 ，如果在来一个指向第二个位置

 

很明显这样做会出现重复值 ，当然也允许出现重复值

链表就不用再担心容量问题