数据结构之哈希表

Posted 2021-06-09 Firm陈

一.什么是哈希表？

我们在这篇文章将要学习最有用的数据结构之一—哈希表，哈希表的英文叫 Hash Table，也可以称为散列表或者 Hash 表。

哈希表用的是数组支持按照下标随机访问数据的特性，所以哈希表其实就是数组的一种扩展，由数组演化而来。可以说，如果没有数组，就没有散列表。

哈希表存储的是由键（key）和值（value）组成的数据。 例如，我们将每个人的性别作为数据进行存储，键为人名，值为对应的性别，其中 M 表示性别为男，F 表示性别为女。

为什么需要哈希表？

为了和哈希表进行对比，我们先将这些数据存储在数组中。

此处准备了6个箱子（即长度为6的数组）来存储数据，假设我们需要查询 Ally 的性别，由于不知道 Ally 的数据存储在哪个箱子里，所以只能从头开始查询，这个操作便叫作线性查找。一般来说，我们可以把键当成数据的标识符，把值当成数据的内容。

从 0 号箱子开始查找，发现 0 号箱子中存储的键是 Joe 而不是 Ally，因此接着查找 1 号箱子。

哦豁，1 号箱子中的也不是 Ally，没办法，只能接着往下找。

有点小糟糕，2 号、3 号箱子中的也都不是 Ally。

功夫不负有心人，当我们查找到 4 号箱子的时候，发现其中数据的键为 Ally，把键对应的值取出，我们就知道 Ally 的性别为女（F）。

通过上面的查找过程，我们发现数据量越多，线性查找耗费的时间就越长。由此可知：由于数据的查询较为耗时，所以此处并不适合使用数组来存储数据。

但使用哈希表便可以解决这个问题，首先准备好数组，这次我们用 5 个箱子的数组来存储数据。

尝试把 Joe 存进去，使用哈希函数（Hash）计算 Joe 的键，也就是字符串 Joe 的哈希值，比如得到的结果为4928。

将得到的哈希值除以数组的长度 5，求得其余数，这样的求余运算叫作mod运算，此处mod运算的结果为3。

因此，我们将 Joe 的数据存进数组的 3 号箱子中，重复前面的操作，将其他数据也存进数组中。

Sue 键的哈希值为 7291, mod 5 的结果为 1，将 Sue 的数据存进 1 号箱中。

Dan 键的哈希值为 1539, mod 5 的结果为 4，将 Dan 的数据存进 4 号箱中。

Nell 键的哈希值为 6276, mod 5 的结果为 1，本应将其存进数组的 1 号箱中，但此时 1 号箱中已经存储了 Sue 的数据，这种存储位置重复了的情况便叫作冲突。

遇到这种情况，可使用链表在已有数据的后面继续存储新的数据（链表法）。

Ally 键的哈希值为 9143, mod 5 的结果为 3，本应将其存储在数组的 3 号箱中，但 3 号箱中已经有了 Joe 的数据，所以使用链表，在其后面存储 Ally 的数据。

Bob 键的哈希值为 5278, mod 5 的结果为 3，本应将其存储在数组的 3 号箱中，但 3 号箱中已经有了 Joe 和 Ally 的数据，所以使用链表，在 Ally 的后面继续存储 Bob 的数据。

像这样存储完所有数据，哈希表也就制作完成了。

接下来讲解数据的查询方法，假设我们要查询 Dan 的性别。

为了知道 Dan 存储在哪个箱子里，首先需要算出 Dan 键的哈希值，然后对其进行 mod 运算，最后得到的结果为 4，于是我们知道了它存储在 4 号箱中。

查看 4 号箱可知，其中的数据的键与 Dan 一致，于是取出对应的值，由此我们便知道了 Dan 的性别为男（M）。

那么，想要查询 Ally 的性别时该怎么做呢？为了找到它的存储位置，先要算出 Ally 键的哈希值，再对其进行 mod 运算，最终得到的结果为 3。

然而 3 号箱中数据的键是 Joe 而不是 Ally，此时便需要对 Joe 所在的链表进行线性查找。

于是我们找到了键为 Ally 的数据，取出其对应的值，便知道了 Ally 的性别为女（F）。

二.哈希冲突
在哈希表中，我们可以利用哈希函数快速访问到数组中的目标数据。如果发生哈希冲突，就使用链表进行存储，这样一来，不管数据量为多少，我们都能够灵活应对。

如果数组的空间太小，使用哈希表的时候就容易发生冲突，线性查找的使用频率也会更高；反过来，如果数组的空间太大，就会出现很多空箱子，造成内存的浪费。因此，给数组设定合适的空间非常重要。

在存储数据的过程中，如果发生冲突，可以利用链表在已有数据的后面插入新数据来解决冲突，这种方法被称为链表法，也被称为链地址法。

其中在 Java 集合类的 HashMap 中解决冲突的方法就是采用的链表法，建议阅读 HashMap 源码。

除了链地址法以外，还有几种解决冲突的方法。其中，应用较为广泛的是开放地址法，或称为开放寻址法。这种方法是指当冲突发生时，立刻计算出一个候补地址（数组上的位置）并将数据存进去。如果仍然有冲突，便继续计算下一个候补地址，直到有空地址为止，可以通过多次使用哈希函数或线性探测法等方法计算候补地址。

在 Java 中，ThreadLocal 所使用的就是开放地址法。

哈希函数设计的好坏决定了哈希冲突的概率，也就决定哈希表的性能。

总结
这篇文章主要讲了一些比较基础的哈希表知识，包括哈希表的由来、哈希冲突的解决方法。

哈希表也叫散列表，来源于数组，它借助哈希函数对数组这种数据结构进行扩展，利用的是数组支持按照下标随机访问元素的特性，是存储 Key-Value 映射的集合。

哈希表两个核心问题是哈希函数设计和哈希冲突解决。对于某一个 Key，哈希表可以在接近 O(1) 的时间内进行读写操作。哈希表通过哈希函数实现 Key 和数组下标的转换，通过开放寻址法和链表法来解决哈希冲突。哈希函数设计的好坏决定了哈希冲突的概率，也就决定哈希表的性能。

有兴趣的可以在 JDK 中阅读 HashMap 的源码，在 JDK 8 和之前的版本的实现还有许多不多，比如在 JDK 8 中，引入红黑树，当链表长度太长（默认超过 8）时，链表就转换为红黑树，就可以利用红黑树快速增删改查的特点，提高 HashMap 的性能。