哈希：它在内部是如何工作的？

Posted 2023-03-29

技术标签:

【中文标题】哈希：它在内部是如何工作的？【英文标题】：Hash : How does it work internally? 【发布时间】：2011-05-26 02:32:15 【问题描述】：

这听起来像是一个非常模糊的问题，但事实并非如此。我已经浏览了 wiki 上的 Hash Function 描述，但理解起来并没有多大帮助。

我正在为诸如散列等相当复杂的主题寻找简单的答案。以下是我的问题：

HashMap

HashTable

HashList

Hash

LinkedList

我知道我的问题列表很大，但如果我能得到这些问题的明确答案，我将不胜感激，因为我真的很想了解这个主题。

【问题讨论】：

在***上尝试Hash table。哈希函数用作该过程的一部分，但不解释哈希表“如何”工作。在 Java 或我所知道的任何其他语言中都没有 HashList 这样的东西。不要对非代码文本使用代码格式。 【参考方案1】：

Here 是关于散列的一个很好的解释。例如，您想存储字符串“Rachel”，您对该字符串应用哈希函数以获取内存位置。 myHashFunction(key: "Rachel" value: "Rachel") --> 10。该函数可能会为输入“Rachel”返回 10，因此假设您有一个大小为 100 的数组，您将“Rachel”存储在索引 10 处。如果您想检索该元素，您只需调用 GetmyHashFunction("Rachel")，它将返回 10。请注意，对于此示例，键是“Rachel”，值是“Rachel”，但您可以为该键使用另一个值，例如出生日期或对象。您的哈希函数可能会为两个不同的输入返回相同的内存位置，在这种情况下，如果您正在实现自己的哈希表，您可能会遇到冲突，您可能需要使用链表或其他技术来处理这个问题。

Here 是一些常用的散列函数。一个好的散列函数满足：每个键都有可能散列到 n 个内存槽中的任何一个，而与任何其他键散列到的位置无关。其中一种方法称为除法。我们通过将 k 的余数除以 n 将密钥 k 映射到 n 个插槽之一。 h(k) = k mod n。例如，如果您的数组大小是n = 100，而您的键是整数k = 15，那么h(k) = 10。

Hashtable 已同步，而 Hashmap 未同步。 Hashmap 允许空值作为键，但 Hashtable 不允许。

哈希表的目的是在添加和获取元素时具有 O(c) 恒定时间复杂度。在大小为 N 的链表中，如果要获取最后一个元素，则必须遍历所有列表直到得到它，因此复杂度为 O(N)。使用哈希表，如果您想检索一个元素，您只需传递键，哈希函数将返回您所需的元素。如果哈希函数实现得很好，它将在恒定时间内 O(c) 这意味着您不必遍历存储在哈希表中的所有元素。您将“立即”获得元素。

当然，程序员/开发计算机科学家需要了解数据结构和复杂性 =)

【讨论】：

您提供的两个链接都将我带到我已经访问过的维基页面，并提到我已经浏览过它们，所以你能更新你的前 2 点吗？感谢您更新答案，现在可以从中得到更多。没有“O(c) 时间复杂度”之类的东西：你的意思是 O(1)。【参考方案2】：

Integer

String

映射

Set

【讨论】：

不，不会。不可能为每个可能的字符串生成唯一的 32 位 数字。这就是存在碰撞的原因。好的。计算hashcode 的long 的算法是什么 @Rachel：哈希不要尝试生成唯一编号。它尝试为输出创建同质分布，以便每个输出值大致具有1/nr_of_possible_hash_values 概率。通常您可以将数字直接用作哈希码。 long 的范围有限，因此这将是一个完美的哈希函数，具有 1:1 映射且没有冲突。 @Rachel - @ruslik 的意思是：哈希输出一个数字，该数字在特定的数字范围内。例如，该数字可能介于 0 和 2^32-1 之间。当您散列一些数据时，会返回该范围内的一个数字，理想情况下，每个可能的数字都同样可能被返回。您想要哈希表/映射的原因是该表可以被认为是一个数组。当您散列一个值时，您使用该数字作为数组中的索引。您想避免两次使用相同的索引。如果数字均匀分布，则碰撞的可能性较小。【参考方案3】：

散列将给定的实体（在 Java 术语中 - 一个对象）转换为某个数字（或序列）。散列函数是不可逆的 - 即您无法从散列中获取原始对象。在内部实现（对于java.lang.Object，通过 JVM 获取一些内存地址。

JVM 地址是不重要的细节。每个类都可以用自己的算法覆盖hashCode() 方法。 Modren Java IDE 允许生成良好的 hashCode 方法。

Hashtable 和 hashmap 是一回事。它们是键值对，其中键被散列。哈希列表和哈希集不存储值 - 仅存储键。

恒定时间意味着无论哈希表（或任何其他集合）中有多少条目，通过其键查找给定对象所需的操作数是恒定的。即 - 1，或接近 1

这是基本的计算机科学资料，相信大家都熟悉。我认为谷歌已经指定哈希表是计算机科学中最重要的数据结构。

【讨论】：

你能举例算法实现从 long 生成哈希码函数吗？另外我在面试中被问到生成哈希码的算法是什么，我不确定当前内部的工作情况，所以想了解它是如何在内部完成的。您可以查看java.lang.Long 的文档 - 代码只有一行：return (int)(value ^ (value >>> 32));【参考方案4】：

我将尝试对散列及其用途进行简单的解释。

首先，考虑一个简单的列表。此类列表上的每个操作（插入、查找、删除）都将具有 O(n) 复杂度，这意味着您必须解析整个列表（或平均其中一半）才能执行此类操作。

散列是一种非常简单有效的加速方法：考虑我们将整个列表拆分为一组小列表。在这样一个小列表中的项目会有一些共同点，而这点可以从密钥中推断出来。例如，通过有一个名称列表，我们可以使用第一个字母作为选择在哪个小列表中查找的质量。这样，通过按键的第一个字母对数据进行分区，我们获得了一个简单的哈希，它可以将整个列表拆分为大约 30 个较小的列表，因此每个操作将花费 O(n)/30 时间.

但是，我们可以注意到结果并不是那么完美。首先，它们只有 30 个，我们无法更改。其次，某些字母的使用频率高于其他字母，因此Y 或Z 的集合将比A 的集合小得多。为了获得更好的结果，最好找到一种将项目划分为大致相同大小的集合的方法。我们怎么能解决这个问题？这是您使用哈希函数的地方。它是这样一个函数，能够创建任意数量的分区，每个分区中的项目数量大致相同。在我们的名称示例中，我们可以使用类似

int hash(const char* str)
    int rez = 0;
    for (int i = 0; i < strlen(str); i++)
        rez = rez * 37 + str[i];
    return rez % NUMBER_OF_PARTITIONS;
;

这将确保相当均匀的分布和可配置数量的集合（也称为存储桶）。

【讨论】：

【参考方案5】：