C++ STL中哈希表Map 与 hash_map 介绍
0 为什么须要hash_map
用过map吧？map提供一个非经常常使用的功能，那就是提供key-value的存储和查找功能。比如，我要记录一个人名和对应的存储，并且随时添加。要高速查找和改动：
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 ...
这些信息假设保存下来并不复杂。可是找起来比較麻烦。比如我要找"张三丰"的信息，最傻的方法就是取得全部的记录。然后依照名字一个一个比較。假设要速度快，就须要把这些记录依照字母顺序排列，然后依照二分法查找。
可是添加记录的时候同一时候须要保持记录有序。因此须要插入排序。考虑到效率，这就须要用到二叉树。讲下去会没完没了，假设你使用STL 的map容器。你能够很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。感兴趣的朋友能够參看学习STL map, STL set之数据结构基础。看看map的实现:
#include <map> #include <string> using namespace std; ... map<string, string> namemap; //添加。。。 namemap["岳不群"]="华山派掌门人，人称君子剑"; namemap["张三丰"]="武当掌门人，太极拳创始人"; namemap["东方不败"]="第一高手，葵花宝典"; ... //查找。。
if(namemap.find("岳不群") != namemap.end()){ ... }
不认为用起来非常easy吗？并且效率非常高。100万条记录，最多也仅仅要20次的string.compare的比較，就能找到你要找的记录;200万条记录事。也仅仅要用21次的比較。
速度永远都满足不了现实的需求。假设有100万条记录。我须要频繁进行搜索时，20次比較也会成为瓶颈，要是能降到一次或者两次比較是否有可能？并且当记录数到200万的时候也是一次或者两次的比較。是否有可能？并且还须要和map一样的方便使用。
答案是肯定的。这时你须要has_map. 尽管hash_map眼下并没有纳入C++ 标准模板库中。但差点儿每一个版本号的STL都提供了对应的实现。
并且应用十分广泛。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，假设你仅仅是想囫囵吞枣，不想理解其原理。你倒是能够略过这一节，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）。
哈希表最大的长处。就是把数据的存储和查找消耗的时间大大减少，差点儿能够看成是常数时间；而代价不过消耗比較多的内存。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，编码比較easy也是它的特点之中的一个。
其基本原理是：使用一个下标范围比較大的数组来存储元素。能够设计一个函数（哈希函数，也叫做散列函数），使得每个元素的keyword都与一个函数值（即数组下标，hash值）相相应，于是用这个数组单元来存储这个元素。也能够简单的理解为。依照keyword为每个元素“分类”，然后将这个元素存储在相应“类”所相应的地方，称为桶。
可是。不可以保证每一个元素的keyword与函数值是一一相应的。因此极有可能出现对于不同的元素。却计算出了同样的函数值，这样就产生了“冲突”。换句话说，就是把不同的元素分在了同样的“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。形成很多桶。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)
- 比較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，用比較函数解决。这里能够看出。假设每一个桶内部仅仅有一个元素，那么查找的时候仅仅有一次比較。当很多桶内没有值时，很多查询就会更快了(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函数和比較函数。这两个參数刚好是我们在使用hash_map时须要指定的參数。
2 hash_map 使用
2.1 一个简单实例
不要着急怎样把"岳不群"用hash_map表示。我们先看一个简单的样例：随机给你一个ID号和ID号对应的信息。ID号的范围是1～2的31次方。怎样高速保存查找。
#include <hash_map>
#include <string>
using namespace std;
int main(){
hash_map<int, string> mymap;
mymap[9527]="唐伯虎点秋香";
mymap[1000000]="百万富翁的生活";
mymap[10000]="白领的工资底线";
...
if(mymap.find(10000) != mymap.end()){
...
}
够简单。和map用法一样。这时你也许会问？hash函数和比較函数呢？不是要指定么？你说对了，可是在你没有指定hash函数和比較函数的时候。你会有一个缺省的函数。看看hash_map的声明，你会更加明确。
以下是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。有下面等同关系：
... 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的朋友能够參看标准库 STL ：Allocator能做什么)
hash_map类在头文件hash_map中，和全部其他的C++标准库一样。头文件没有扩展名。例如以下声明：
#include <hash_map> using namespace std; using namespace stdext;hash_map是一个聚合类，它继承自_Hash类，包含一个vector。一个list和一个pair。当中vector用于保存桶，list用于进行冲突处理，pair用于保存key->value结构，简要地伪码例如以下：
class hash_map<class _Tkey, class _Tval>
{
private:
typedef pair<_Tkey, _Tval> hash_pair;
typedef list<hash_pair> hash_list;
typedef vector<hash_list> hash_table;
}; 当然。这仅仅是一个简单模型。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>究竟是什么样子？看看源代码:
struct hash<int> { size_t operator()(int __x) const { return __x; } };
原来是个函数对象。在SGI STL中，提供了下面hash函数：
struct hash<char*> struct hash<const char*> struct hash<char> struct hash<unsigned char> struct hash<signed char> struct hash<short> struct hash<unsigned short> struct hash<int> struct hash<unsigned int> struct hash<long> struct hash<unsigned long>
也就是说。假设你的key使用的是以上类型中的一种，你都能够使用缺省的hash函数。
当然你自己也能够定义自己的hash函数。
对于自己定义变量，你仅仅能如此。比如对于string，就必须自己定义hash函数。
比如：
struct str_hash{
size_t operator()(const string& str) const
{
unsigned long __h = 0;
for (size_t i = 0 ; i < str.size() ; i ++)
__h = 5*__h + str[i];
return size_t(__h);
}
};
//假设你希望利用系统定义的字符串hash函数，你能够这样写：
struct str_hash{
size_t operator()(const string& str) const
{
return __stl_hash_string(str.c_str());
}
};在声明自己的哈希函数时要注意下面几点：
- 使用struct。然后重载operator().
- 返回是size_t
- 參数是你要hash的key的类型。
- 函数是const类型的。
假设这些比較难记，最简单的方法就是照猫画虎，找一个函数改改就是了。
如今能够对开头的"岳不群"进行哈希化了 . 直接替换成以下的声明就可以：
map<string, string> namemap;
//改为：
hash_map<string, string, str_hash> namemap;其它使用方法都不用边。当然不要忘了吧str_hash的声明以及头文件改为hash_map。
你也许会问：比較函数呢？别着急，这里就開始介绍hash_map中的比較函数。
2.3 hash_map 的比較函数
在map中的比較函数，须要提供less函数。假设没有提供。缺省的也是less< Key> 。在hash_map中，要比較桶内的数据和key是否相等。因此须要的是是否等于的函数:equal_to< Key> 。先看看equal_to的源代码：
//本代码能够从SGI STL
//先看看binary_function 函数声明，事实上仅仅是定义一些类型而已。
template <class _Arg1, class _Arg2, class _Result>
struct binary_function {
typedef _Arg1 first_argument_type;
typedef _Arg2 second_argument_type;
typedef _Result result_type;
};
//看看equal_to的定义：
template <class _Tp>
struct equal_to : public binary_function<_Tp,_Tp,bool>
{
bool operator()(const _Tp& __x, const _Tp& __y) const { return __x == __y; }
};假设你使用一个自己定义的数据类型。如struct mystruct, 或者const char* 的字符串，怎样使用比較函数？使用比較函数，有两种方法. 第一种是：重载==操作符，利用equal_to;看看以下的样例：struct mystruct{
int iID;
int len;
bool operator==(const mystruct & my) const{
return (iID==my.iID) && (len==my.len) ;
}
};
这样，就能够使用equal_to< mystruct>作为比較函数了。还有一种方法就是使用函数对象。自己定义一个比較函数体：
struct compare_str{
bool operator()(const char* p1, const char*p2) const{
return strcmp(p1,p2)==0;
}
};
有了compare_str，就能够使用hash_map了。
typedef hash_map<const char*, string, hash<const char*>, compare_str> StrIntMap;
StrIntMap namemap;
namemap["岳不群"]="华山派掌门人，人称君子剑";
namemap["张三丰"]="武当掌门人。太极拳创始人";
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的函数几乎相同。详细函数的參数和解释，请參看：STL 编程手冊：Hash_map。这里主要介绍几个经常使用函数。
- hash_map(size_type n) 假设讲究效率，这个參数是必需要设置的。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，又一次申请内存的概率就越小。
n越大。效率越高。可是内存消耗也越大。
- 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) . 这是我最经常使用的一个函数。由于其特别方便，可像使用数组一样使用。
只是需要注意的是。当你使用[key ]操作符时。假设容器中没有key元素，这就相当于自己主动添加了一个key元素。因此当你仅仅是想知道容器中是否有key元素时，你能够使用find。假设你希望插入该元素时，你能够直接使用[]操作符。
- insert 函数。在容器中不包括key值时，insert函数和[]操作符的功能几乎相同。
可是当容器中元素越来越多。每一个桶中的元素会添加，为了保证效率，hash_map会自己主动申请更大的内存，以生成很多其它的桶。因此在insert以后。曾经的iterator有可能是不可用的。
- erase 函数。在insert的过程中。当每一个桶的元素太多时，hash_map可能会自己主动扩充容器的内存。
但在sgi stl中是erase并不自己主动回收内存。
因此你调用erase后，其它元素的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的差别与hash_map和map的差别一样，我想不须要我一一细说了吧。
4 其它
这里列几个常见问题。应该对你理解和使用hash_map比較有帮助。
4.1 hash_map和map的差别在哪里？
- 构造函数。
hash_map须要hash函数，等于函数；map仅仅须要比較函数(小于函数).
- 存储结构。hash_map採用hash表存储，map一般採用红黑树(RB Tree)实现。因此其memory数据结构是不一样的。
4.2 什么时候须要用hash_map，什么时候须要用map?
整体来说，hash_map 查找速度会比map快。并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。明确了吧，假设你考虑效率，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，并且hash_map的构造速度较慢。
如今知道怎样选择了吗？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 怎样在hash_map中增加自定义的类型?
你仅仅要做两件事, 定义hash函数，定义等于比較函数。以下的代码是一个样例：
#include <hash_map>
#include <string>
#include <iostream>
using namespace std;
//define the class
class ClassA{
public:
ClassA(int a):c_a(a){}
int getvalue()const { return c_a;}
void setvalue(int a){c_a;}
private:
int c_a;
};
//1 define the hash function
struct hash_A{
size_t operator()(const class ClassA & A)const{
// return hash<int>(classA.getvalue());
return A.getvalue();
}
};
//2 define the equal function
struct equal_A{
bool operator()(const class ClassA & a1, const class ClassA & a2)const{
return a1.getvalue() == a2.getvalue();
}
};
int main()
{
hash_map<ClassA, string, hash_A, equal_A> hmap;
ClassA a1(12);
hmap[a1]="I am 12";
ClassA a2(198877);
hmap[a2]="I am 198877";
cout<<hmap[a1]<<endl;
cout<<hmap[a2]<<endl;
return 0;
}
执行：
I am 12
I am 198877
4.4怎样用hash_map替换程序中已有的map容器？
这个非常easy。但须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，仅仅须要改动:
typedef hash_map<Key, Value> KeyMap;其它的基本不变。当然，你须要注意是否有Key类型的hash函数和比較函数。
4.5为什么hash_map不是标准的？
详细为什么不是标准的。我也不清楚，有个解释说在STL增加标准C++之时，hash_map系列当时还没有全然实现，以后应该会成为标准。假设谁知道更合理的解释。也希望告诉我。但我想表达的是。正是由于hash_map不是标准的，所以很多平台上安装了g++编译器。不一定有hash_map的实现。我就遇到了这种样例。
因此在使用这些非标准库的时候。一定要事先測试。另外，假设考虑到平台移植。还是少用为佳。
常见问题：
本来想用hash_map实现大数量的高速查找。后来发现效率并不快。并且有些问题也非常不解，比方看例如以下代码：
#include <iostream>
#include <hash_map.h>
using namespace std;
int main(){
hash_map<int,string> hm(3); //初始化hash_map的桶的个数
hm.insert(make_pair(0,"hello"));
hm.insert(make_pair(1,"ok"));
hm.insert(make_pair(2,"bye"));
hm.insert(make_pair(3,"world"));
cout<<hm.size()<<endl;
cout<<hm.bucket_count()<<endl;
return 0;
}
输出结果：
4
53
对这个结果非常疑惑，明明我定义了桶的个数。为什么后面得到桶的个数为53？
hash_map默认对int类型的Key怎样hash，hash函数是什么？
怎样使得查找能更高效？能够用空间来换
各位大侠请教啊
这是我对hash的以前的一点尝试。仅供參考：
C/C++ code
#include <iostream>
#include <map>
#include <string>
#ifdef __GNUC__
#include <ext/hash_map>
#else
#include <hash_map>
#endif
#ifdef __GXX_EXPERIMENTAL_CXX0X__
#include <unordered_map>
#endif
namespace std
{
using namespace __gnu_cxx;
}
namespace __gnu_cxx
{
template<> struct hash< std::string >
{
size_t operator()( const std::string& x ) const
{
return hash< const char* >()(x.c_str());
}
};
}
int main()
{
std::map<std::string, std::string> stdMap;
stdMap["_GLIBCXX_STD"] = "std";
stdMap["_GLIBCXX_BEGIN_NESTED_NAMESPACE"] = "+namespace";
stdMap["_GLIBCXX_BEGIN_NAMESPACE"] = "+namespace";
stdMap["_GLIBCXX_END_NESTED_NAMESPACE"] = "}";
stdMap["_GLIBCXX_END_NAMESPACE"] = "}";
stdMap["_GLIBCXX_END_NAMESPACE_TR1"] = "}";
stdMap["_GLIBCXX_BEGIN_NAMESPACE_TR1"] = "-namespace tr1 {";
stdMap["_GLIBCXX_STD2"] = "2std";
stdMap["_GLIBCXX_BEGIN_NESTED_NAMESPACE2"] = "2+namespace";
stdMap["_GLIBCXX_BEGIN_NAMESPACE2"] = "2+namespace";
stdMap["_GLIBCXX_END_NESTED_NAMESPACE2"] = "2}";
stdMap["_GLIBCXX_END_NAMESPACE2"] = "2}";
stdMap["_GLIBCXX_END_NAMESPACE_TR12"] = "2}";
stdMap["_GLIBCXX_BEGIN_NAMESPACE_TR12"] = "2-namespace tr1 {";
stdMap["_XXGLIBCXX_END_NAMESPACE_TR12"] = "X2}";
stdMap["_XXGLIBCXX_BEGIN_NAMESPACE_TR12"] = "X2-namespace tr1 {";
std::hash_map<std::string, std::string> hashMap;
hashMap["_GLIBCXX_STD"] = "std";
hashMap["_GLIBCXX_BEGIN_NESTED_NAMESPACE"] = "+namespace";
hashMap["_GLIBCXX_BEGIN_NAMESPACE"] = "+namespace";
hashMap["_GLIBCXX_END_NESTED_NAMESPACE"] = "}";
hashMap["_GLIBCXX_END_NAMESPACE"] = "}";
hashMap["_GLIBCXX_END_NAMESPACE_TR1"] = "}";
hashMap["_GLIBCXX_BEGIN_NAMESPACE_TR1"] = "-namespace tr1 {";
hashMap["_GLIBCXX_STD2"] = "2std";
hashMap["_GLIBCXX_BEGIN_NESTED_NAMESPACE2"] = "2+namespace";
hashMap["_GLIBCXX_BEGIN_NAMESPACE2"] = "2+namespace";
hashMap["_GLIBCXX_END_NESTED_NAMESPACE2"] = "2}";
hashMap["_GLIBCXX_END_NAMESPACE2"] = "2}";
hashMap["_GLIBCXX_END_NAMESPACE_TR12"] = "2}";
hashMap["_GLIBCXX_BEGIN_NAMESPACE_TR12"] = "2-namespace tr1 {";
hashMap["_XXGLIBCXX_END_NAMESPACE_TR12"] = "X2}";
hashMap["_XXGLIBCXX_BEGIN_NAMESPACE_TR12"] = "X2-namespace tr1 {";
#ifdef __GXX_EXPERIMENTAL_CXX0X__
std::unordered_map<std::string, std::string> unorderedMap;
unorderedMap["_GLIBCXX_STD"] = "std";
unorderedMap["_GLIBCXX_BEGIN_NESTED_NAMESPACE"] = "+namespace";
unorderedMap["_GLIBCXX_BEGIN_NAMESPACE"] = "+namespace";
unorderedMap["_GLIBCXX_END_NESTED_NAMESPACE"] = "}";
unorderedMap["_GLIBCXX_END_NAMESPACE"] = "}";
unorderedMap["_GLIBCXX_END_NAMESPACE_TR1"] = "}";
unorderedMap["_GLIBCXX_BEGIN_NAMESPACE_TR1"] = "-namespace tr1 {";
unorderedMap["_GLIBCXX_STD2"] = "2std";
unorderedMap["_GLIBCXX_BEGIN_NESTED_NAMESPACE2"] = "2+namespace";
unorderedMap["_GLIBCXX_BEGIN_NAMESPACE2"] = "2+namespace";
unorderedMap["_GLIBCXX_END_NESTED_NAMESPACE2"] = "2}";
unorderedMap["_GLIBCXX_END_NAMESPACE2"] = "2}";
unorderedMap["_GLIBCXX_END_NAMESPACE_TR12"] = "2}";
unorderedMap["_GLIBCXX_BEGIN_NAMESPACE_TR12"] = "2-namespace tr1 {";
unorderedMap["_XXGLIBCXX_END_NAMESPACE_TR12"] = "X2}";
unorderedMap["_XXGLIBCXX_BEGIN_NAMESPACE_TR12"] = "X2-namespace tr1 {";
#endif
for (int i = 0; i < 5; ++i)
{
const clock_t t = clock();
for (int j = 0; j < 1000000; ++j) stdMap.find("testfindkey");
std::cout << "stdMap " << i + 1 << " : " << clock() - t << std::endl;
}
std::cout << "/n---------------/n" << std::endl;
for (int i = 0; i < 5; ++i)
{
const clock_t t = clock();
for (int j = 0; j < 1000000; ++j) hashMap.find("testfindkey");
std::cout << "hashMap " << i + 1 << " : " << clock() - t << std::endl;
}
#ifdef __GXX_EXPERIMENTAL_CXX0X__
std::cout << "/n---------------/n" << std::endl;
for (int i = 0; i < 5; ++i)
{
const clock_t t = clock();
for (int j = 0; j < 1000000; ++j) unorderedMap.find("testfindkey");
std::cout << "unorderedMap " << i + 1 << " : " << clock() - t << std::endl;
}
#endif
return 0;
}
假设你使用的vc自带的hash函数。那么它的定义中例如以下：
template<class _Kty, class _Pr = less>
class hash_compare1
{ // traits class for hash containers
public:
//const static long lBucketSize = 0;
enum
{ // parameters for hash table
bucket_size = 4, // 0 < bucket_size
min_buckets = 8 // min_buckets = 2 ^^ N, 0 < N
};
。。。
每次增长会2倍添加预分配内存。你的hash_map是哪个版本号的？
