当前位置:首页 » 《关注互联网》 » 正文

【C++高阶】哈希:全面剖析与深度学习

25 人参与  2024年09月13日 11:21  分类 : 《关注互联网》  评论

点击全文阅读


? 个人主页:Zfox_
? 系列专栏:C++从入门到精通

目录

? 前言一: ? unordered系列关联式容器1.1 unordered_map1.2 unordered_set 二: ? 哈希的底层结构 ⭐ 2.1 哈希概念⭐ 2.2 哈希冲突⭐ 2.3 哈希函数⭐ 2.4 哈希冲突解决2.4.1 ?闭散列2.4.2 ?️开散列 三: ?? 哈希的完整代码及总结

? 前言

本文旨在揭秘哈希算法奥秘,带您领略其精妙。深入解析哈希函数,如何通过数学变换与位运算,将复杂输入转化为简洁固定输出。随后,探讨哈希表如何高效组织数据,及解决冲突的策略。同时,展示哈希算法在内存管理中的智慧,平衡检索效率与存储优化。此番剖析,让您洞悉哈希算法的智慧与贡献,感受其在信息安全与数据处理中的卓越地位。

一: ? unordered系列关联式容器

在C++98中,STL提供了底层为红黑树结构的一系列关联式容器,在查询时效率可达到 l o g 2 N log_2 N log2​N,即最差情况下需要比较红黑树的高度次,当树中的节点非常多时,查询效率也不理想。最好的查询是,进行很少的比较次数就能够将元素找到,因此在C++11中,STL又提供了4个unordered系列的关联式容器,这四个容器与红黑树结构的关联式容器使用方式基本类似,只是其底层结构不同,本文中只对unordered_map和unordered_set进行介绍。

1.1 unordered_map

参见 unordered_map在线文档说明

1.2 unordered_set

参见 unordered_set在线文档说明

二: ? 哈希的底层结构

unordered系列的关联式容器之所以效率比较高,是因为其底层使用了哈希结构

⭐ 2.1 哈希概念

顺序结构以及平衡树中,元素关键码与其存储位置之间没有对应的关系,因此在查找一个元素时,必须要经过关键码的多次比较。顺序查找时间复杂度为O(N),平衡树中为树的高度,即O( l o g 2 N log_2 N log2​N),搜索的效率取决于搜索过程中元素的比较次数。

理想的搜索方法:可以不经过任何比较,一次直接从表中得到要搜索的元素。
如果构造一种存储结构,通过某种函数(hashFunc)使元素的存储位置与它的关键码之间能够建立
一一映射的关系,那么在查找时通过该函数可以很快找到该元素。

当向该结构中:

插入元素
根据待插入元素的关键码,以此函数计算出该元素的存储位置并按此位置进行存放。

搜索元素
对元素的关键码进行同样的计算,把求得的函数值当做元素的存储位置,在结构中按此位置
取元素比较,若关键码相等,则搜索成功。

该方式即为哈希(散列)方法,哈希方法中使用的转换函数称为哈希(散列)函数,构造出来的结构称为哈希表(Hash Table)(或者称散列表)

示例:数据集合{1,7,6,4,5,9};

哈希函数设置为:hash(key) = key % capacity; capacity为存储元素底层空间总的大小
在这里插入图片描述
用该方法进行搜索不必进行多次关键码的比较,因此搜索的速度比较快,但是有成千上万的数,总会有几个数,取余后相等,那我们该怎么存放值呢?

hash(5) = 5 % 10 = 5;hash(55) = 55 % 10 = 5;

⭐ 2.2 哈希冲突

对于两个数据元素的关键字 k i k_i ki​和 k j k_j kj​(i != j),有 k i k_i ki​ != k j k_j kj​,但有:Hash( k i k_i ki​) ==
Hash( k j k_j kj​),即:不同关键字通过相同哈希哈数计算出相同的哈希地址,该种现象称为哈希冲突或哈希碰撞。

发生哈希冲突该如何处理呢?

⭐ 2.3 哈希函数

引起哈希冲突的一个原因可能是:哈希函数设计不够合理。
哈希函数设计原则:

哈希函数的定义域必须包括需要存储的全部关键码,而如果散列表允许有m个地址时,其值
域必须在0到m-1之间。哈希函数计算出来的地址能均匀分布在整个空间中。哈希函数应该比较简单。

常见哈希函数

直接定址法–(常用)

取关键字的某个线性函数为散列地址:Hash(Key)= A*Key + B
优点:简单、均匀
缺点:需要事先知道关键字的分布情况
使用场景:适合查找比较小且连续的情况

除留余数法–(常用)

设散列表中允许的地址数为m,取一个不大于m,但最接近或者等于m的质数p作为除数,
按照哈希函数:Hash(key) = key% p(p<=m),将关键码转换成哈希地址

注意:哈希函数设计的越精妙,产生哈希冲突的可能性就越低,但是无法避免哈希冲突


⭐ 2.4 哈希冲突解决

解决哈希冲突两种常见的方法是:闭散列和开散列

2.4.1 ?闭散列

闭散列: 也叫开放定址法,当发生哈希冲突时,如果哈希表未被装满,说明在哈希表中必然还有空位置,那么可以把key存放到冲突位置中的“下一个” 空位置中去

线性探测

如果和上面讲的一样,现在需要插入元素55,先通过哈希函数计算哈希地址,hashAddr为5,
因此55理论上应该插在该位置,但是该位置已经放了值为5的元素,即发生哈希冲突

线性探测:从发生冲突的位置开始,依次向后探测,直到寻找到下一个空位置为止

插入

通过哈希函数获取待插入元素在哈希表中的位置
如果该位置中没有元素则直接插入新元素,如果该位置中有元素发生哈希冲突,使用线性探测找到

在这里插入图片描述

删除

采用闭散列处理哈希冲突时,不能随便物理删除哈希表中已有的元素,若直接删除元素会影响其他元素的搜索。比如删除元素5,如果直接删除掉,5查找起来可能会受影响。因此线性探测采用标记的伪删除法来删除一个元素

// 哈希表每个空间三种状态// EMPTY此位置空, EXIST此位置已经有元素, DELETE元素已经删除enum State{EMPTY, EXIST, DELETE};

2.4.2 ?️开散列

开散列概念
开散列法又叫链地址法(拉链法),首先对关键码集合用散列函数计算散列地址,具有相同地
址的关键码归于同一子集合,每一个子集合称为一个桶,各个桶中的元素通过一个单链表链
接起来,各链表的头结点存储在哈希表中。

在这里插入图片描述

在这里插入图片描述
注意:开散列中每个桶中放的都是发生哈希冲突的元素


开散列实现

template<class V>struct HashBucketNode{HashBucketNode(const V& data): _pNext(nullptr), _data(data){}HashBucketNode<V>* _pNext;V _data;};// 本文所实现的哈希桶中key是唯一的template<class V>class HashBucket{typedef HashBucketNode<V> Node;typedef Node* PNode;public:HashBucket(size_t capacity = 3) : _size(0){_ht.resize(GetNextPrime(capacity), nullptr);}// 哈希桶中的元素不能重复PNode* Insert(const V& data){// 确认是否需要扩容。。。// _CheckCapacity();// 1. 计算元素所在的桶号size_t bucketNo = HashFunc(data);// 2. 检测该元素是否在桶中PNode pCur = _ht[bucketNo];while (pCur){if (pCur->_data == data)return pCur;pCur = pCur->_pNext;}// 3. 插入新元素pCur = new Node(data);pCur->_pNext = _ht[bucketNo];_ht[bucketNo] = pCur;_size++;return pCur;}// 删除哈希桶中为data的元素(data不会重复),返回删除元素的下一个节点PNode* Erase(const V& data){size_t bucketNo = HashFunc(data);PNode pCur = _ht[bucketNo];PNode pPrev = nullptr, pRet = nullptr;while (pCur){if (pCur->_data == data){if (pCur == _ht[bucketNo])_ht[bucketNo] = pCur->_pNext;elsepPrev->_pNext = pCur->_pNext;pRet = pCur->_pNext;delete pCur;_size--;return pRet;}}return nullptr;}PNode* Find(const V& data);size_t Size()const;bool Empty()const;void Clear();bool BucketCount()const;void Swap(HashBucket<V, HF>& ht;~HashBucket();private:size_t HashFunc(const V& data){return data % _ht.capacity();}private:vector<PNode*> _ht;size_t _size; // 哈希表中有效元素的个数};
开散列增容

桶的个数是一定的,随着元素的不断插入,每个桶中元素的个数不断增多,极端情况下,可
能会导致一个桶中链表节点非常多,会影响的哈希表的性能,因此在一定条件下需要对哈希
表进行增容,那该条件怎么确认呢?开散列最好的情况是:每个哈希桶中刚好挂一个节点,
再继续插入元素时,每一次都会发生哈希冲突,因此,在元素个数刚好等于桶的个数时,可
以给哈希表增容

if (_n == _tables.size()){vector<Node*> newTables;newTables.resize(_tables.size() * 2);// 遍历旧表for (size_t i = 0; i < _tables.size(); i++){Node* cur = _tables[i];while (cur){Node* next = cur->_next;// 挪动到新表size_t hashi = hf(cur->_data) % newTables.size();cur->_next = newTables[hashi];newTables[hashi] = cur;cur = next;}_tables[i] = nullptr;}_tables.swap(newTables);}
开散列与闭散列比较

应用链地址法处理溢出,需要增设链接指针,似乎增加了存储开销。事实上:由于开地址法必须保持大量的空闲空间以确保搜索效率,如二次探查法要求装载因子 a <=0.7,而表项所占空间又比指针大的多,所以使用链地址法反而比开地址法节省存储空间。

三: ?? 哈希的完整代码及总结

#pragma once#include <iostream>#include <vector>using namespace std; template <class K>struct HashFunc{size_t operator()(const K& key){return (size_t)key;  //转成数字,把key}};  // 特化template<>struct HashFunc<string>{size_t operator()(const string& key){size_t hash = 0;for (auto e : key){    // 避免因为顺序不一样而产生一样的值 BKDR// 避免 abc,acb同值不同意hash *= 31;hash += e;} return hash;}};   namespace open_address{enum State{EXIST, // 0 该值存在的标记EMPTY, // 1 初始化的标记DELETE // 2  删去之后的标记}; template <class K, class  V>struct HashData{pair<K, V> _kv;State _state = EMPTY; //状态表示的标记}; template <class K, class V, class Hash = HashFunc<K>>class HashTable{public:HashTable(){_tables.resize(10);} bool Insert(const pair<K, V>& kv){if (Find(kv.first)) return false; //防止数据冗余// 负载因子 -> 哈希表扩容if (_n * 10 / _tables.size() >= 7){_tables.resize(_tables.size() * 2);//vector<HashData<K, V>> newTables(_tables.size() * 2);遍历旧表,将所有数据映射到新表//_tables.swap(newTables); //该方法不好,当冲突的时候,用+1的方法时,得重写下面构造 //遍历创建新影身,复用Insert// 此处只需将有效元素搬移到新哈希表中// 已删除的元素不用处理HashTable<K, V, Hash>newHT;newHT._tables.resize(_tables.size() * 2);for (size_t i = 0; i < _tables.size(); i++) {if (_tables[i]._state == EXIST) // 复用Insert                        newHT.Insert(_tables[i]._kv);}                // 交换两个表的数据_tables.swap(newHT._tables);} Hash hs;            // 线性探测size_t hashi = hs(kv.first) % _tables.size();while (_tables[hashi]._state == EXIST) { //若存在,则表示出现了哈希冲突++hashi;hashi %= _tables.size();}_tables[hashi]._kv = kv;_tables[hashi]._state = EXIST;++_n; return true;} HashData<K, V>* Find(const K& key){Hash hs;size_t hashi = hs(key) % _tables.size(); //算在表里的位置while (_tables[hashi]._state != EMPTY) { //之所以用不等于ENPTY,而不是EXIST,是因为避免查找的数出现过哈希冲突之后,位置移动,然后前面的数被删,比如:  // 11(EXIST) 21(DELETE)31(key) 41(EXIST)if (_tables[hashi]._state == EXIST &&_tables[hashi]._kv.first == key) {return &_tables[hashi];}++hashi;hashi %= _tables.size(); //防止越界}return nullptr;}        // 伪删除法,不删除节点,仅仅标记那个节点为DELETEbool Erase(const K& key){HashData<K, V>* ret = Find(key);if (ret == nullptr) return false;else {ret->_state = DELETE;return true;}} private:vector<HashData<K, V>> _tables; //不用构建析构,因为vector本身就有析构size_t _n;// 储存的关键字总数据的个数};  void TestHT1(){HashTable<int, int> ht;int a[] = { 11,21,4,14,24,15,9 };for (auto e : a){ht.Insert({ e,e });}ht.Insert({ 19, 19 });ht.Insert({ 19,190 }); cout << ht.Find(24) << endl;ht.Erase(4);cout << ht.Find(24) << endl;cout << ht.Find(4) << endl; ht.Insert({ 4,4 });} void TestHT2(){//HashTable<string, string, StringHashFunc> ht; //但是注释第三个,则会出现“类型强制转换” : 无法从“const K”转换为“size_t”HashTable<string, string> ht; //使用特化,就可以支持该操作 ht.Insert({ "sort", "排序" });ht.Insert({ "left", "左边" });}}   namespace hash_bucket  //哈希桶-链式{template<class K, class V>struct HashNode{pair<K, V> _kv;HashNode<K, V>* _next; HashNode(const pair<K, V>& kv):_kv(kv), _next(nullptr){}}; template<class K, class V, class Hash = HashFunc<K>>class HashTable{typedef HashNode<K, V> Node;public:HashTable(){_tables.resize(10, nullptr);} ~HashTable(){ // 依次把每个桶释放for (size_t i = 0; i < _tables.size(); i++){Node* cur = _tables[i];while (cur){Node* next = cur->_next;delete cur;cur = next;}_tables[i] = nullptr;}}  bool Insert(const pair<K, V>& kv) //使用的是头插{Hash hs;size_t hashi = hs(kv.first) % _tables.size();//负载因子 == 1扩容,if (_n == _tables.size()){vector<Node*> newtables(_tables.size() * 2, nullptr);for (size_t i = 0; i < _tables.size(); i++){Node* cur = _tables[i];while (cur) { Node* next = cur->_next;//旧表中节点,挪动新表重新映射的位置size_t hashi = hs(cur->_kv.first) % newtables.size();//头插到新表cur->_next = newtables[hashi];newtables[hashi] = cur;cur = next;}_tables[i] = nullptr;}_tables.swap(newtables); } //头插Node* newnode = new Node(kv);newnode->_next = _tables[hashi];_tables[hashi] = newnode;++_n; return true;} Node* find(const K& key){Hash hs;size_t hashi = hs(key) % _tables.szie();Node* cur = _tables[hashi];while (cur){if (cur->_kv.first == key) return cur;cur = cur->_next;}return nullptr;} bool Erase(const K& key){Hash hs;size_t hashi = hs(key) % _tables.size();Node* prev = nullptr;Node* cur = _tables[hashi];while (cur){if (cur->_kv.first == key){if (prev == nullptr) //如果是第一个节点 {_tables[hashi] = cur->_next;}else //否则,则让前一个指向我的后一个{prev->_next = cur->_next;} delete cur;--_n;return true;} prev = cur;  cur = cur->_next;} return false;} private:vector<Node*> _tables; //指针数组,数组的每个位置存的是指针size_t _n; //表中存储数据个数};  void TestHT1(){HashTable<int, int> ht;int a[] = { 11,21,4,14,24,15,9,19,29,39 };for (auto e : a){ht.Insert({ e,e });} ht.Insert({ -6, 6 }); for (auto e : a){ht.Erase(e);}} void TestHT2(){HashTable<string, string> ht;ht.Insert({ "sort", "排序" });ht.Insert({ "left", "左边" });ht.Insert({ "right", "右边" });ht.Insert({ "Love", "喜欢" }); }}

以上就是哈希的全部内容,需要我们好好掌握,觉得这篇博客对你有帮助的,可以点赞收藏关注支持一波~?
在这里插入图片描述


点击全文阅读


本文链接:http://zhangshiyu.com/post/159193.html

<< 上一篇 下一篇 >>

  • 评论(0)
  • 赞助本站

◎欢迎参与讨论,请在这里发表您的看法、交流您的观点。

关于我们 | 我要投稿 | 免责申明

Copyright © 2020-2022 ZhangShiYu.com Rights Reserved.豫ICP备2022013469号-1