散列表(哈希表)介绍

　　数据结构中的线性表和数等，记录在结构中的位置是不固定的，查找元素时需经过一系列和关键字的比较。而在哈希表中，元素和位置存在某种对应关系，查找元素时可根据关键字一次存取便可取得元素。

 

一、定义

　　根据散列函数(即哈希函数)H(key)和处理冲突的方法将一组关键字映像到一个有限的连续的地址集上，并以关键字在地址集中的“象”作为记录在表中的存储位置，这种表便称为散列表(即哈希表)，这一映像过程称为散列造表或散列，所得的的存储位置称散列地址。

　　若key1≠key2，而f(key1)=f(key2)，这种现象称为冲突(即碰撞)。具有相同函数值的关键字对该散列函数来说称为同义词，即key1和key2对于散列函数f(key)来说是同义词。

　　若对于关键字集合中的任一关键字，经散列函数映像到地址集合中任何一个地址的概率是相等的，则称为此类散列函数为均匀散列函数。

 

二、散列函数性质

　　所有散列函数都有如下基本特性：①如果两个散列值不相同，则这两个散列值的原始输入也是不同的；②如果两个散列值相同，则两个输入值有可能相同，有可能不相同，相同的概率很大。

　　也即散列值对应输入值的关系是一对多，一个散列值可以对应多个输入值，而输入值对应散列值的关系是一对一，一个输入值经过散列函数只能得到一个散列值。

　　PS：不同字符串求md5值有可能相同，但不同md5值的原始字符串肯定不相同。

 

三、散列函数构造方法

　　好的散列函数参考原则：①计算简单。散列函数的计算时间不应该超过其他查找技术与关键字比较的时间；②散列地址均匀分布。地址均匀分布，可以保证存储空间的有效利用，减少为处理冲突而耗费的时间。

　　常见散列函数构造方法如下：

　　1、直接定址法：取关键字或关键字的某个线性函数值为哈希地址，即H(key)=key或H(key)=a*key+b。由于直接定址法所得地址集合和关键字集合大小相同，因此对于不同的关键字不会发生冲突，但实际中使用这种哈希函数的情况很少。直接定址法适用于事先知道关键字的分布情况，查找表较小且连续的情况。

　　　 例：制作0~100岁的人口数字统计表，可将关键字0~100分别对应存放于0~100的连续地址中，此时H(key)=key。

　　2、数字分析法：分析关键字中的数字，找出差异较大的部分作为哈希函数的输入值。数字分析法适用于事先知道关键字的分布情况，关键字较长且若干位分布较均匀的情况。

　　　 例：根据某单位员工的手机号码制作散列表，可取手机号码的后四位作为散列表的输入。

　　3、平方取中法：取关键字平方后的中间几位数字作为哈希函数的输入值。一个数的平方中间几位与每位数字都有关，当数字分析法不合适时，可考虑使用此方法。平方取中法适用于不知道关键字的分布且位数又不是很大的情况。

　　　 例：1)关键字1234的平方是1522756，取中间三位就是227。 2)关键字4321平方是18671041，取中间三位为671或710。

　　4、折叠法：将关键字从左到右分割成位数相等的几部(最后一部分位数允许短些)，然后将这几部分叠加求和，并按散列表表长，取后几位作为散列地址。折叠法事先不需要知道关键的分布，适用于关键字位数较多的情况。

　　　 例：散列表表长为0~999，地址位数为3位，我们将关键字9876543210分为四组，987|654|321|0，然后这几部分求和987+654+321+0=1962，取后3位962即为散列地址。

　　5、除留余数法：取关键字或关键字折叠、平方取中后对某个数p取模，对于散列表表长为m的散列函数公式为：H(key)=key mod p(p<=m)。

除留余数法最重要的就是p的选择，p选择的好坏直接影响冲突的个数。前辈们的经验，通常p为小于等于表长m(最好接近m)的最小质数或不包含小雨20质因子的和数。

　　6、随机数法：H(key)=random(key)。随机数法相关资料很少，使用情况有待进一步考证。

 

四、处理冲突的方法

　　再好的散列函数也只能尽可能减少冲突的发生，却不能完全避免冲突的发生。因此，在构造散列表时必须考虑冲突发生后的处理方法。 

　　常见处理冲突的方法如下：

　　1、开放定址法：一旦发生冲突，就去寻找下一个空的散列地址，只要散列表足够大，空的散列地址总能找到，并将记录存入。

　　　 ①线性探测再散列：f(key)=(f(key)+di) mod m(di=1,2,3...m-1)。当发生冲突时，向下逐个查找，直到找到一个空地址。缺点：关键字堆积严重，效率较低。

　　　 ②二次探测再散列：f(key)=(f(key)+di) mod m(di=1²,-1²,2²,-2²,...,q²,-q²,q<=m/2)。发生冲突时，向两侧双向查找，可避免关键字聚集在某一块区域。

　　　 ③随机探测再散列：f(key)=(f(key)+di) mod m(di是一个随机数列)。di是伪随机数，通过随即种子产生。

　　2、再散列函数法：事先准备多个散列函数，冲突发生时，就更换一个散列函数重新计算散列地址。fi(key)=RHi(key)(i=1,2,...k)　

　　3、链地址法：将所有关键字为同义词的记录存储在一个单链表中。链地址法不会出现找不到地址的情况，同时，在查找时需要遍历单链表，带来了一定的性能损耗(如图4-1所示)。

　　图4-1 链地址法结构图

　　4、公共溢出区法：为所有的冲突的关键字建立一个公共的溢出区并保存。在查找时，对给定值通过散列函数计算出散列地址后，先与基本表相应位置进行比对，若相等，查找成功；若不想等，则到溢出表顺序查找对应记录。在冲突很少的情况下，公共溢出区法效率还是非常高的(结构如图4-2所示)。

图4-2 公共溢出区法结构图

 

五、散列表的查找

　　散列表查找时，现根据散列函数将关键字转换成散列地址，再到对应的散列地址中取值，若值的标记与关键字相等，则查找成功；若不相等，则说明该关键字值存在冲突，根据相应处理冲突的方法进行相应的查找。

　　散列表的平均查找长度取决于以下因素：①散列表是否均匀；②处理冲突的方法；③散列表的装填因子(装填因子a=关键字个数/散列表长度)。