程序员常说的「哈希表」是个什么鬼？

Posted 2020-10-09 一只努力学习的程序猿

「哈希表」主要作用在于高效查找。 在编程实现中，常常面临着两个问题：存储和查找，存储和查找的效率往往决定了整个程序的效率。 脑补下，你在家里忘记了指甲刀放在哪里，通常要在你家所有抽屉中顺序寻找，直到找到，最差情况下，有N个抽屉，你就要打开N个抽屉。这种存储方式叫数组，查找方法称为「遍历」。 脑补下，你是一个整理控，所有物品必须分门别类放入整理箱，再将整理箱编号，比如1号放入针线，2号放入证件，3号放入细软。这种存储和查找方式称为「哈希」，如果这个时候要查找护照，你不许要再翻所有抽屉，直接可在2号整理箱中获取，通常只用一次查找即可，如何编号整理箱，称为哈希算法。 同样是查找，差距怎么那么大涅~，假设我们有100亿条数据记录，那差距就变得明显，遍历需要查找最多100亿次，最少1次，哈希只需1次。 让我们正式介绍哈希和哈希算法，哈希也称散列，哈希表是一种与数组、链表等不同的数据结构，与他们需要不断的遍历比较来查找的办法，哈希表设计了一个映射关系f(key)= address，根据key来计算存储地址address，这样可以1次查找，f既是存储数据过程中用来指引数据存储到什么位置的函数，也是将来查找这个位置的算法，叫做哈希算法。 让我们举个例子，比如下面这几个人物，按数组存储： 余罪（133123111243）=>傅老大(13888888888)=>沈嘉文(13452342349)=>大胸姐(13890380934) 这样我要找到大胸姐的电话号码，需要顺序查找对比整个数组，第一个余罪，不是，第二个不是，第三个不是，直到第四个找到大胸姐。 如果以hash存储呢？首先让我们来看看如何设计哈希算法，哈希算法可以随意设计，教科书上一般会说以下几种方法：直接定址发，平方取中法，除数取余法，哈希算法的本质上是计算一个数字，如果用这几种方法讲解会稍显晦涩，我们假设我们的哈希算法是取姓名的首字母。所以f（余罪） = y， f(傅老大) = f，f(沈嘉文) = s，f(大胸姐) = d。 构建的hash表如下： a b c y .133123111243 d .13890380934 g z 位置7 f .13888888888 s .13452342349 我们看到他们分别以姓名首字母的位置插入到这一张表格中，这样我们构建了这样一个Key-Value表格，此表就是哈希表，也称为Hash Table。未来，当我们要查找余罪的时候，通过计算，余罪在y位置，可以通过1次查找，找到这条记录，也即手机号。 这个时候有客官问了，那以首字母为哈希函数的话，应该有很多比如以y的姓名啊，这个时候就不是一次查找了吧，其实有很多条记录都映射到一个位置上，称为哈希冲突。 哈希冲突是跟哈希函数的设计正相关的，你的随机性越大，那么产生哈希冲突的可能性越小，在小概率下，如果还有冲突怎么办，这个时候要做些有损的设计，比如如果有两个首字母为y的姓名，那么可以接到余罪的后面，当查找的时候，需要先查找到y，然后再顺序查找，如下所示： a b c y .133123111243 1332232323于谦 d .13890380934 g z 位置7 f .13888888888 s .13452342349 还有一些解决哈希冲突的办法叫「哈希再哈希」，也就是针对第一次哈希的结果再进行一次hash来减小冲突的概率。 这就是Hash表，首先Ta是一种数据结构，是一种效率极高的查找方式，哈希表的核心在于哈希函数的设计，哈希冲突了不要紧，我们要增加随机性以及对冲突进行适当的有损化的处理。