哈希表

哈希表：从原理到碰撞处理

哈希表（Hash Table）是编程中最常用的高效数据结构之一，不管是 Python 的字典、Java 的 HashMap，还是 C++ 的 unordered_map，底层核心都是哈希表。它能实现「平均 O (1) 时间复杂度」的查找、插入和删除，比数组、链表快得多，今天就用最通俗的话讲清哈希表的原理和核心问题。

一、哈希表到底是什么？

简单说，哈希表的本质是「数组 + 映射规则」—— 把「任意类型的键（比如字符串、数字）」通过一套规则，转换成「数组的下标」，从而实现「通过键快速找值」。

举个生活例子：

你有一堆快递（键值对），快递站有一排货架（数组），每个货架有编号（下标）。你不用挨个翻货架，只需要按「快递单号最后一位」（映射规则）找对应货架，就能快速找到自己的快递 —— 这就是哈希表的核心逻辑。

二、哈希函数：把「任意键」变成「数组下标」

要让键对应数组下标，就得靠哈希函数。它的作用只有一个：接收任意类型的键（比如 "apple"、123），返回一个整数（数组下标）。

哈希函数的基本要求

1. 相同的键，必须返回相同的结果（比如 "apple" 每次算出来都是 45）；
2. 尽量让不同的键，返回不同的结果（减少冲突）；
3. 计算要快，不能比遍历数组还慢。

常见的哈希函数（以数字键为例）

最朴素的哈希函数：哈希值 = 键 % 数组长度。

比如数组长度是 10，键是 123 → 123%10=3 → 对应数组下标 3；键是 45 → 45%10=5 → 对应下标 5。

如果键是字符串（比如 "apple"），会先把字符串转成数字（比如按 ASCII 码求和），再取模得到下标。

三、哈希碰撞：躲不开的小问题

理想状态下，每个键都对应唯一的数组下标，但现实中一定会出现「不同的键，哈希函数算出相同下标」的情况 —— 这就是哈希碰撞。

比如数组长度 10，键是 13（13%10=3）、23（23%10=3）、33（33%10=3），都映射到下标 3，这就发生了碰撞。

碰撞是哈希表必须解决的核心问题，工业界最常用的有两种方法：拉链法和线性探测法。

四、碰撞处理方法 1：拉链法（最常用）

拉链法是目前工业界的主流（比如 Java HashMap、C++ unordered_map），核心思路是「数组存链表头，碰撞就往链表加」。

具体逻辑

1. 哈希表的数组每个下标，不直接存值，而是存「链表的头节点」；
2. 没碰撞时：键值对直接存在下标对应的链表中（只有一个节点）；
3. 发生碰撞时：把新的键值对追加到该下标链表的末尾（或头部）。

可视化例子

数组长度 10，键 13、23、33 都映射到下标 3：

plaintext

数组下标：0 1 2 3          4 5 ... 9
        | | | |          | |     |
        ∅ ∅ ∅ 13→23→33   ∅ ∅     ∅

• 查找键 23：先算下标 3，再遍历链表找到 23；
• 插入键 43：直接加到链表末尾，变成 13→23→33→43。

优缺点

✅ 优点：处理碰撞简单，不会连锁影响其他下标，空间利用率高；

❌ 缺点：链表遍历有少量开销（可优化成红黑树，比如数据量多的时候）。

五、碰撞处理方法 2：线性探测法（纯数组实现）

线性探测法是「开放寻址法」的一种，核心思路是「纯数组存储，碰撞就往后找空位」，没有链表。

具体逻辑

1. 哈希表就是一个普通数组，每个下标直接存键值对；
2. 没碰撞时：键值对直接存在计算出的下标位置；
3. 发生碰撞时：从目标下标开始，按步长 1 向后逐个检查，找到第一个空位置存放。

可视化例子

数组长度 10，键 13（下标 3）、23（下标 3，碰撞）、33（下标 3，碰撞）：

1. 插入 13：下标 3 为空，直接存 → [∅,∅,∅,13,∅,∅,∅,∅,∅,∅]；
2. 插入 23：下标 3 被占，往后找下标 4，存 23 → [∅,∅,∅,13,23,∅,∅,∅,∅,∅]；
3. 插入 33：下标 3、4 被占，往后找下标 5，存 33 → [∅,∅,∅,13,23,33,∅,∅,∅,∅]。

关键注意点

• 查找时：先算目标下标，找不到就往后找，直到找到目标或空位置（空位置说明不存在）；
• 必须保证「数组长度＞数据量」：否则空位太少，碰撞会越来越多，效率大幅下降；
• 删除时：不能直接置空（会导致后续查找中断），需标记「已删除」。

优缺点

✅ 优点：无链表开销，数组连续内存访问快；

❌ 缺点：容易出现「堆积问题」（一个碰撞引发多个后续碰撞），删除逻辑复杂。

总结

1. 哈希表核心：用哈希函数把键转成数组下标，实现快速访问；
2. 哈希碰撞：不同键映射到相同下标，是必然问题；
3. 拉链法：数组 + 链表，碰撞追加到链表，工业界主流；
4. 线性探测：纯数组，碰撞往后找空位，适合数据量小、碰撞少的场景。

哈希表的核心优势是「快」，只要哈希函数设计合理、碰撞处理得当，就能在大部分场景下吊打其他数据结构 —— 这也是它成为编程必备工具的原因。