目录
🌈 前言🌈
📁 unordered系列关联式容器
📁 底层结构
📂 哈希概念
📂 哈希冲突
📂 哈希函数
📂 哈希冲突解决
📁 模拟实现
📁 总结
🌈 前言🌈
欢迎收看本期【C++杂货铺】,本期内容将讲解C++的STL中的unordered系列容器,其中包含了unordered_map 和 unordered_set 的使用,底层结构哈希的原理,实现,最后模拟实现unordered系列的容器。
📁 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系列关联式容器,在查询时效率可达到 O(log2),即最差情况下需要比较红黑树的高度次,当书中的节点比较多时,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,只是底层结构不同,本文中只对unordered_map 和 unordered_set进行介绍。
其中,unordered_map是存储 <key , value>键值对的关联式容器,其允许通过key快速的索引找到对应的value。
📁 底层结构
unordered系列的关联式容器效率之所以比较高,是因为底层使用了哈希结构。
📂 哈希概念
顺序结构及平衡树中,元素关键码与其存储位置之间没有对应关系,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) ,平衡术中为树的高度,即O(logN),搜索效率取决于搜索过程中元素的比较次数。
理想的搜索方法是:可以不经过任何比较,一次直接从表中得到搜索的元素。如果构造一种存储结构,通过某种函数(HashFunc)使得元素的存储位置和它的关键码之间能够建立一种映射关系,那么在查找时通过该函数可以很快找到该元素。
该结构中:
● 插入元素:根据插入元素的关键码,用哈希函数计算出该元素的存储位置并按次位置进行存放。
● 搜搜元素: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,在结构中按次位置取元素的比较,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,构造出的结构为哈希表(散列表)。
该方法不必经过多次关键码的比较,因此搜索的速度比较快。
📂 哈希冲突
当两个数据元素的关键码 i != j , 但是Hash(i) == Hash(j),即:不同关键码通过相同的哈希函数计算出相同的哈希地址,这种现象成为哈希冲突(哈希碰撞)。
📂 哈希函数
引起哈希冲突的一个原因可能是,哈希函数设计不合理。
哈希函数的设计原则:
1. 哈希函数的定义域必须包括需要存储的全部关键码,如果散列表允许有m个地址,其值域必须在0 ~ m-1 之间。
2. 哈希函数计算出的地址能均匀分布在整个空间中
3. 哈希函数应比较简单。
常见的哈希函数:
1. 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:需要实现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
2. 除留余数法(常用)
设散列表允许的地址数为m,取一个不大于m,但是接近或等于m的质数p作为除数,按照哈希函数:Hash(key) = key % p (p <= m) ,将关键字改为哈希地址。
3. 平方取中法
假设关键字为1234,对它平方就是1522756,抽取中间的3位227作为哈希地址;
再比如关键字为4321,对它平方就是18671041,抽取中间的3位671(或710)作为哈希地址
平方取中法比较适合:不知道关键字的分布,而位数又不是很大的情况
4. 折叠法(了解)
折叠法是将关键字从左到右分割成位数相等的几部分(最后一部分位数可以短些),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。
折叠法适合事先不需要知道关键字的分布,适合关键字位数比较多的情况
5. 随机数法(了解)
选择一个随机函数,取关键字的随机函数值为它的哈希地址,即H(key) = random(key),其中 random为随机数函数。
通常应用于关键字长度不等时采用此法。
6. 数学分析法(了解)
设有n个d位数,每一位可能有r种不同的符号,这r种不同的符号在各位上出现的频率不一定 相同,可能在某些位上分布比较均匀,每种符号出现的机会均等,在某些位上分布不均匀只 有某几种符号经常出现。可根据散列表的大小,选择其中各种符号分布均匀的若干位作为散 列地址。例如:
假设要存储某家公司员工登记表,如果用手机号作为关键字,那么极有可能前7位都是 相同 的,那么我们可以选择后面的四位作为散列地址,如果这样的抽取工作还容易出现 冲突,还 可以对抽取出来的数字进行反转(如1234改成4321)、右环位移(如1234改成4123)、左环移 位、前两数与后两数叠加(如1234改成12+34=46)等方法。
数字分析法通常适合处理关键字位数比较大的情况,如果事先知道关键字的分布且关键字的 若干位分布较均匀的情况
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
📂 哈希冲突解决
1. 闭散列
闭散列也叫做开放定址法,当发生哈希冲突时,如果哈希表未被填满,说明在哈希表中必然还有空位置,那么可以吧key存放到冲突位置的“下一个”空位置中区。那么如果寻找下一个空位置呢?
1.1 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:
● 通过哈希函数获取插入元素在哈希表中的位置
● 如果该位置中没有元素啧直接插入新元素,如果该位置中有元素发生哈希冲突,使用线性探测找到下一个空位置,插入新元素。
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到其他元素的搜索。比如函数元素4,如果直接删除,44差啊后起来会受到影响。因此线性探测采用标记的未删除法来删除掉一个元素。
// 哈希表每个空间给个标记
// 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};
// 注意:假如实现的哈希表中元素唯一,即key相同的元素不再进行插入
// 为了实现简单,此哈希表中我们将比较直接与元素绑定在一起
template<class K, class V>
class HashTable
{struct Elem{ pair<K, V> _val;State _state;};public:HashTable(size_t capacity = 3): _ht(capacity), _size(0){for(size_t i = 0; i < capacity; ++i)_ht[i]._state = EMPTY;}bool Insert(const pair<K, V>& val){// 检测哈希表底层空间是否充足// _CheckCapacity();size_t hashAddr = HashFunc(key);// size_t startAddr = hashAddr;while(_ht[hashAddr]._state != EMPTY){if(_ht[hashAddr]._state == EXIST && _ht[hashAddr]._val.first
== key)return false;hashAddr++;if(hashAddr == _ht.capacity())hashAddr = 0;/*// 转一圈也没有找到,注意:动态哈希表,该种情况可以不用考虑,哈希表中元
素个数到达一定的数量,哈希冲突概率会增大,需要扩容来降低哈希冲突,因此哈希表中元素是
不会存满的if(hashAddr == startAddr)return false;*/}// 插入元素_ht[hashAddr]._state = EXIST;_ht[hashAddr]._val = val;_size++;return true;}int Find(const K& key){size_t hashAddr = HashFunc(key);while(_ht[hashAddr]._state != EMPTY){if(_ht[hashAddr]._state == EXIST && _ht[hashAddr]._val.first
== key)return hashAddr;hashAddr++;}return hashAddr;}bool Erase(const K& key){int index = Find(key);if(-1 != index){_ht[index]._state = DELETE;_size++;return true;}return false;}size_t Size()const;bool Empty() const; void Swap(HashTable<K, V, HF>& ht);
private:size_t HashFunc(const K& key){return key % _ht.capacity();}
private:vector<Elem> _ht;size_t _size;
};
思考:哈希表什么情况下进行扩容?如何扩容?
void CheckCapacity()
{if(_size * 10 / _ht.capacity() >= 7){HashTable<K, V, HF> newHt(GetNextPrime(ht.capacity));for(size_t i = 0; i < _ht.capacity(); ++i){if(_ht[i]._state == EXIST)newHt.Insert(_ht[i]._val);}Swap(newHt);}
}
线性探测优点:实现非常简单
线性探测缺点:一旦发生哈希冲突,所有的冲突连载一起,容易产生数据堆积,即:不同关键码占据了可利用的空位置,使得寻找某关键码的位置需要许多次比较,导致搜搜效率降低,如何缓解呢?
1.2 二次探测
线性探测的缺陷是产生冲突的数据堆积在一起,这与其找下一个空位置有关系,因为找空位置的方式就是挨着往后逐个去找,因此二次探测是为了避免该问题。
找到下一个空位置的方法为:H(i) = (k + i^2) % m 或者 H(i) = (k - i^2) % m,其中i = 1,2,3..,k是通过哈希函数,对元素键值key进行计算得到的地址,m是表的大小。
研究表明:当表的长度为质数且表装载因子a不超过0.5时,新的表项一定能够插入,而且任 何一个位置都不会被探查两次。因此只要表中有一半的空位置,就不会存在表满的问题。在 搜索时可以不考虑表装满的情况,但在插入时必须确保表的装载因子a不超过0.5,如果超出 必须考虑增容。
因此,闭散列最大的缺陷就是空间利用率较低,这也是哈希的缺陷。
2. 开散列
开散列又叫做链地址发(开链法),首先要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一个集合,每一个子集和称为一个桶,各个桶中的元素通过一个单链表链接起来,各个链表的头节点存储在哈希表中。
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。
void _CheckCapacity()
{size_t bucketCount = BucketCount();if(_size == bucketCount){HashBucket<V, HF> newHt(bucketCount);for(size_t bucketIdx = 0; bucketIdx < bucketCount; ++bucketIdx){PNode pCur = _ht[bucketIdx];while(pCur){// 将该节点从原哈希表中拆出来_ht[bucketIdx] = pCur->_pNext;// 将该节点插入到新哈希表中size_t bucketNo = newHt.HashFunc(pCur->_data);pCur->_pNext = newHt._ht[bucketNo];newHt._ht[bucketNo] = pCur;pCur = _ht[bucketIdx];}}newHt._size = _size;this->Swap(newHt);}
}
📁 模拟实现
1. 模拟实现哈希表
template<class T>
struct HashNode
{HashNode(){}HashNode(const T& data):_data(data), _next(nullptr){}T _data;HashNode* _next;
};template<class K,class T,class KOfT ,class Hash=HashFunc<K>>
class HashTable
{typedef HashNode<T> Node;public:template<class Ptr,class Ref>struct HashTableIterator{typedef HashNode<T> Node;typedef HashTableIterator Self;Node* _node = nullptr;const HashTable* _pht;HashTableIterator(Node* node, const HashTable* pht):_node(node), _pht(pht){}Self& operator++(){KOfT kot;Hash hs;if (_node->_next == nullptr){size_t hashi = hs(kot(_node->_data)) % _pht->_tables.size();hashi++;for (; hashi < _pht->_tables.size();hashi++){if (_pht->_tables[hashi] != nullptr){break;}}if (hashi == _pht->_tables.size()){_node = nullptr;}else{_node = _pht->_tables[hashi];}}else{_node = _node->_next;}return *this;}Ref operator*(){return _node->_data;}Ptr operator->(){return &_node->_data;}bool operator!=(const Self& it){return _node != it._node;}};typedef HashTableIterator<T*, T&> Iterator;typedef HashTableIterator<const T*, const T&> const_Iterator;HashTable(){_tables.resize(10,nullptr);_n = 0;}Iterator Begin(){//this -> HT*Node* cur = nullptr;for (int i = 0; i < _tables.size();i++){if (_tables[i]){cur = _tables[i];break;}}return Iterator(cur, this);}Iterator End(){//this -> HT*return Iterator(nullptr,this);}const_Iterator Begin() const{//this -> const HT*Node* cur = nullptr;for (int i = 0; i < _tables.size();i++){if (_tables[i]){cur = _tables[i];break;}}return const_Iterator(cur, this);}const_Iterator End() const{//this -> const HT*return const_Iterator(nullptr, this);}Iterator Find(const K& k){Hash hs;KOfT kot;size_t hashi = hs(k) % _tables.size();Node* cur = _tables[hashi];while (cur){if (kot(cur->_data) == k)return Iterator(cur, this);cur = cur->_next;}return Iterator(nullptr, this);}pair<Iterator,bool> Insert(const T& data){Hash hs;KOfT kot;Iterator it = Find(kot(data));if (it != End())return make_pair(it, false);if (_n == _tables.size()){//扩容vector<Node*> newtables(_tables.size() * 2,nullptr);for (int i = 0; i < _tables.size(); i++){if (_tables[i]){Node* cur = _tables[i];while (cur){size_t hashi = hs(kot(cur->_data)) % newtables.size();Node* next = cur->_next;cur->_next = newtables[i];newtables[hashi] = cur;cur = next;}}}_tables.swap(newtables);}size_t hashi = hs(kot(data)) % _tables.size();Node* newnode = new Node(data);newnode->_next = _tables[hashi];_tables[hashi] = newnode;_n++;return make_pair(Iterator(_tables[hashi], this),true);}bool Erase(const K& k){if (Find(k) == nullptr)return false;Hash hs;KOfT kot;size_t hashi = hs(k) % _tables.size();Node* prev = nullptr;Node* cur = _tables[hashi];while (cur){if (kot(cur->_data) == k){if (prev == nullptr){_tables[hashi] = cur->_next;}else{prev->_next = cur->_next;}delete cur;break;}prev = cur;cur = cur->_next;}return true;}private:vector<Node*> _tables;size_t _n = 0;
};
2. 模拟实现unordered_set
template<class K>
class unordered_set
{struct SetKOfT{K operator()(const K& key){return key;}};public:typedef typename hash_bucket::HashTable<K, K, SetKOfT>::Iterator iterator;typedef typename hash_bucket::HashTable<K, K, SetKOfT>::const_Iterator const_iterator;pair<iterator, bool> insert(const K& key){return ht.Insert(key);}bool erase(const K& key){return ht.Erase(key);}iterator find(const K& key){return ht.Find(key);}iterator begin(){return ht.Begin();}iterator end(){return ht.End();}const_iterator begin() const{return ht.Begin();}const_iterator end() const{return ht.End();}private:hash_bucket::HashTable<K, K,SetKOfT> ht;
};
3. 模拟实现unordered_map
template<class K, class V>
class unordered_map
{struct MapKOfT{K operator()(const pair<K, V>& kv){return kv.first;}};public:typedef typename hash_bucket::HashTable<K, pair<K, V>, MapKOfT>::Iterator iterator;typedef typename hash_bucket::HashTable<K, pair<K, V>, MapKOfT>::const_Iterator const_iterator;iterator insert(const pair<K, V>& kv){return ht.Insert(kv);}bool erase(const K& key){return ht.Erase(key);}iterator find(const K& key){return ht.Find(key);}iterator begin(){return ht.Begin();}iterator end(){return ht.End();}const_iterator begin() const{return ht.Begin();}const_iterator end() const{return ht.End();}V& operator[](const K& key){pair<iterator, bool> ret = ht.Insert(make_pair(key, V()));return ret.first->second;}private:hash_bucket::HashTable<K, pair<K,V>,MapKOfT> ht;
};
📁 总结
以上,就是本期内容,介绍了unordered_set 和 unordered_map是什么,底层的哈希表,什么是哈希,以及哈希实现快速查找的原理,通过某种哈希函数对关键字进行计算,得到地址。也讲解了如果不同值计算得到相同地址,即哈希冲突时,如何处理。
最后,也给出了模拟实现哈希表,unordered_set 和 unordered_map的代码。