哈希
Posted 简单的老王
tags:
篇首语：本文由小常识网(cha138.com)小编为大家整理，主要介绍了哈希相关的知识，希望对你有一定的参考价值。
今天给大家聊的话题叫：哈希，英文名Hash。他就像是一个隔壁家的孩子一样，伴随着码工们的成长。听到他们的名字，我们都觉得很高大上。
在写程序的时候，一般我们都是这样被教育的：这个事情搞不定？用哈希呀！
在面试的时候，一般是这样回答的：这个算法还有优化的空间嘛？有，哈希！
在选择女朋友的时候，一般是：哈希…… 当然，被哈希的一定是码工。
好了，言归正传，聊聊算法上的哈希吧~
原来搞acm的时候，老王觉得哈希特别神秘。而且标准stl里面提供的map都不是hash，而是红黑树。后来工作以后，才更多的接触到了hash。然后发现在实际工程中，hash相关的算法用的实在太多太多。所以，最近突发奇想，才想跟大家聊聊他。
之前看一篇文章，讲哈希实际上是把一个大范围值域投影到一个小范围值域上的操作。比如：我们可以把一个字符串“老王很帅”转换成一个32位整数：Hash(string) ->int32；也可以把一个64位整数转化为32位整数：Hash(int64) -> int32；更可以把一个二进制文件转换为一个32位整数：Hash(bits) ->int32 等等。
那为什么要这样做呢？why？
老王不能完全回答这个问题，但是老王理解其中一个原因，就是将数据的多态归一化到了一个数据类型上。造成的结果就是，值域缩小，方便计算和检索。
最常见的数据结构，莫过于HashMap。我们可以将任何对象、数据存放到一个HashMap里，做到近似O(1)的插入和查找，简化了我们的实现、加速了我们的查找。
那哈希是怎么样实现的呢？how？
其实这里实际是两个问题：
1、一个key的hash值是如何计算的；
2、HashMap是如何实现存放和查找的。
那我们就来细细讲解一下上面这两个问题吧：
1、hash值的计算。
hash值的计算实际近似一个单向函数，他不要求你进行双向操作。所以，只要是你能想到的算法，基本都可以。但是，要尽量保证以下的原则：
a、可重入：同一个key，他的hash值要一样。比如：
int hash(Type key)
returnrand();
这个函数就不太符合要求，就是即使是同一个key，他得到的值也是基本不一样的。
b、尽量的分散：在key的数量够多的时候，他们求出来的hash值尽可能分散。比如：
int hash(Type key)
return1;
这个函数的效果就很差，不管key是什么，返回的值都一样。这样就导致hash以后，都集中到了一起。
只要满足以上的要求，我们就可以采用很多很多的算法，比如：md5、sha等摘要算法，也可以采用加法、乘法、位运算等等。以下是java的String类对于hash的实现：
publicint hashCode()
int h = hash;
if (h == 0 && value.length > 0)
char val[] = value;
for (int i = 0; i< value.length; i++)
h = 31 * h + val[i];
hash = h;
return h;
这个算法就是用的加法和乘法，将字符串里面的每个字符的asc码做乘法和加法的运算。看看，是不是觉得很简单。
我们要测试可重入性其实比较简单，你需要从理论上去证明你的算法是可重入的（比如上面的算法就是，只要输入不变，输出必定不变）。
如果要测试分散性，我们就可以产生大量的随机输入值，然后统计输出的分布。如果分布比较好，说明你的哈希算法的效果就是很好的。
好了，hash值的计算就讲这么多。接下来，我们看看hash值是如何用到快速插入和查找数据的。
2、HashMap是如何存储和查找的。
最先我们就说了，hash一般是把一个大域的值映射到一个小域上，这样操作的直接后果，就是使得具有不同值的两个数据有可能得到同样一个hash值。如果我们用hash值作为存储的依据，必然会造成冲突。比如，你家住中关村大街168号，另外一个人家住上地十街10号。如果有一个hash函数将上面两个地址换算成了同一个值，然后突然之间你就和其他人共住一间屋，你肯干么？（当然，如果是一个妹子，还是值得考虑的~~ 不过……老王已经不可能了。）
所以，HashMap最大的问题，就是要解决当hash值冲突以后，我们怎么样来找到正确的key对应的数据。
在业界一般有几种算法：
a、线性探测：这是最简单的一种算法。具体操作如下：
为简单起见，我们的hash函数定义如下：
int hash(int key)
returnkey % 10;
为了方便讲解，我们就将数据理解为存放到一个长度为10的数组里。
那我们依次放入11、25、34、78、61、71这几个数，看看结果会如何。我们第一步先做hash运算，分别得到上述几个数的哈希值：1、5、4、8、1、1。当放入前4个数以后，数组就变成这样了：
当再放入61的时候，他所需要的1号格子已经被11占领，这个时候怎么办呢？这个时候，他就顺着往后找，找到一个空的格子把自己放进去。同理，71也是。于是放完之后，格子就变成这样了：
那查找的时候，也是同样的方法，比如，我们要查找71，我们就先做hash运算，hash(71)->1。然后去1号格子找，发现住着11，不是71；接着找下一个格子，找到61，也不是；接着找，找到71，就是我们想要的。
因此，所谓线性探测，说白了，就是顺藤摸瓜，不见空格不罢休。
b、二次探测：这是稍微复杂一点的算法。其实也不难~~
还是同样的hash值算法，我们也是10个格子。依次插入11、25、34、78、61、71这几个数。前4个插入以后，得到同样的效果：
当第5个数61插入的时候，发现他要放入第一个格子中，这个时候就冲突了。怎么办呢？我们采用另外一个方式去做。就是将他的hash值，再做一次hash。每次做的时候加入一个变量，比如第一次就加入12，第二次就是22，第n次就是n2。（实际做的时候，可能会是1、-1、4、-4、9、-9……）于是，就结果就是hash(hash(61)+12) -> hash(1+12) -> 2。发现2号格子没有人存放，我们就放到2号格子。同理计算71，hash(71) -> 1，发现第一次冲突了，计算hash(hash(71) +12) -> hash(1+12) -> 2，也冲突了。那就再算：hash(hash(71) +22) ->hash(1+22) -> 5，继续冲突。再算：hash(hash(71)+32) -> hash(1+32) -> 0，终于找到0号格子住下。
查找的时候，使用同样的方法即可。
c、开链：这种方法是我们用的最多的一种方法。
线性探测和二次探测最大的问题，就是冲突后要不断的去寻找下一个位置，如果冲突了，还要不断的去寻找。直到找到这样一个空位，才能放下。如果冲突比较严重，我们插入和查找的时间都会比较长，甚至有可能出现O(n)的算法复杂度。这样就失去了hash的作用。
那开链提供了另外一种方式。就是冲突的时候，我不是去格子里寻找一个位置，而是在格子里挂载一个链式的结构，然后不断的往这个链式结构中放入hash值相同的元素。
我们具体来看看怎么操作的吧。
当我们再加入61的时候，他就应该放到第一个格子的链表中。如下图：
为啥要放到链的第一个，而不是最后一个呢？很简单，这样实现的时间复杂度是O(1)，否则还要遍历这个链。
同理，我们把71也放入到这个链中：
好了。插入就是这样。剩下的查找就很简单了。我们先求出hash值，然后到对应的格子里去找到链表，遍历链表就可以了。
很多基础库也是这样实现的代码。不过我们仔细分析就会发现，如果某个hash值的链特别长的话，其实在链里查找元素一样是非常慢的。那还有没有方法改进呢？
答案是有的！（老王这样问，肯定是有解法的嘛~）
java1.8的HashMap，在实现的时候，就对这种做了优化。当链表长度大于等于8的时候，就将链表转化为了红黑树。那在这个红黑树里查找的速度，立马就从O(n)变成O(lgn)的复杂度。如果红黑树的结点个数少于等于6个，又重新变会链表。所以，老王看了java的这个实现，还是很佩服写JDK的码工们~
好了，以上就是那个神秘邻居哈希的故事。本来老王还想着把一致哈希也写写，发现已经写了几千字了，那就放到下一期吧~
以上是关于哈希的主要内容，如果未能解决你的问题，请参考以下文章