哈希表设计与哈希函数选择

一、哈希表#

　　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。

　　哈希表的特点：

• 哈希表充分体现了算法设计领域的经典思想：空间换区时间
• 哈希表是时间和空间之间的一个平衡
• 哈希函数的设计很重要
• 键通过哈希函数得到索引分布均匀

二、哈希函数#

　　哈希函数（Hash Function），也称为散列函数，给定一个输入x，它会算出相应的输出H(x)。哈希函数的主要特征是：https://www.jianshu.com/p/bba9b61b80e7

• 输入x可以是任意长度的字符串
• 输出结果即H(x)的长度是固定的
• 计算 H(x) 的过程是高效的（对于长度为 n 的字符串 x ，计算出 H(x) 的时间复杂度应为 O(n) ）

　　另外哈希函数一般还要求以下两种特点：免碰撞和隐匿性（逆推推不出来）

　　通过哈希函数去计算哈希值，难免会有冲突的时候，解决冲突的方法有如下几种：

• 开放定址法：依靠数组中的空位解决碰撞冲突

  • 线性探测法：直接检测散列表的下一个位置（即索引值加1），如果仍冲突，继续；
  • 二次探测法：即H + 1^2, H + 2^2, H + 3^2…
  • 伪随机探测

• 再哈希法：使用多个哈希函数，第一个冲突时，使用第二个哈希函数，知道不冲突为止；

• 链地址法：将所有哈希地址相同的关键
• 字，都链接到同一个链表中；

　　哈希函数总结：上述设计方式都是转化成整型处理，并不是唯一的方法，

　　原则：

　　1.一致性：如果a == b,则hash(a) == hash(b)

　　2.高效性：计算高效简便

　　3.均匀性：哈希值均匀分布

　　常用的字符串哈希函数（转）

Hash函数	数据1	数据2	数据3	数据4	数据1得分	数据2得分	数据3得分	数据4得分	平均分
BKDRHash	2	0	4774	481	96.55	100	90.95	82.05	92.64
APHash	2	3	4754	493	96.55	88.46	100	51.28	86.28
DJBHash	2	2	4975	474	96.55	92.31	0	100	83.43
JSHash	1	4	4761	506	100	84.62	96.83	17.95	81.94
RSHash	1	0	4861	505	100	100	51.58	20.51	75.96
SDBMHash	3	2	4849	504	93.1	92.31	57.01	23.08	72.41
PJWHash	30	26	4878	513	0	0	43.89	0	21.95
ELFHash	30	26	4878	513	0	0	43.89	0	21.95

三、装载因子#

　　装载因子是表示Hsah表中元素的填满的程度.若:加载因子越大,填满的元素越多,好处是,空间利用率高了,但:冲突的机会加大了.反之,加载因子越小,填满的元素越少,好处是:冲突的机会减小了,但:空间浪费多了冲突的机会越大,则查找的成本越高.反之,查找的成本越小.因而,查找时间就越小.   因此,必须在 "冲突的机会"与"空间利用率"之间寻找一种平衡与折衷. 这种平衡与折衷本质上是数据结构中有名的"时-空"矛盾的平衡与折衷。

　　HashMap默认的加载因子是0.75，最大容量是16，因此可以得出HashMap的默认容量是：0.75*16=12。用户可以自定义最大容量和加载因子。