【C++进阶】哈希 + unordered系列容器

👦个人主页：@Weraphael
✍🏻作者简介：目前学习C++和算法
✈️专栏：C++航路
🐋 希望大家多多支持，咱一起进步！😁
如果文章对你有帮助的话
欢迎 评论💬 点赞👍🏻 收藏 📂 加关注✨

一、哈希思想

哈希是一种 映射 思想。它是将存储的值跟存储的位置建立映射关系，由这种思想而构成的数据结构称为 哈希表（散列表）

哈希表中插入数据和查找数据 的步骤如下：

• 插入数据：根据当前待插入的元素的键值，通过哈希函数计算出哈希值，并存入相应的位置中

• 查找数据：根据待查找元素的键值，计算出哈希值，判断对应的位置中存储的值是否与键值相等

例如：数据集合{1，7，6，4，5，9}，哈希函数设置为：hash(key) = key % capacity（capacity为存储元素底层空间总的大小）

显然，这个哈希表并没有把所有位置都填满，数据分布无序且分散。

因此，哈希表又称为散列表。

那么如何建立映射关系呢？这就要涉及到哈希函数了。

二、常见的哈希函数

2.1 直接定址法

函数原型：Hash(key) = A * key + B（A, B为常数）

• 适用场景：值的分部范围比较集中。例如：统计字符字符出现的次数。
• 缺点：需要提前知道键值的分布情况。

2.2 除留余数法

函数原型：Hash(key) = key % m （m为哈希表的大小）

• 适用场景：范围不集中，分布分散的数据
• 缺点：容易出现哈希冲突，需要借助特定方法解决。

三、哈希冲突

3.1 哈希冲突的原因

哈希冲突：又称哈希碰撞，不同的值可能会映射到同一个位置。

如果继续插入元素 44，哈希值 hash(44) = 44 % 10 = 4，此时哈希值为 4 的位置处已经有元素了，无法继续存入，此时就发生了 哈希冲突。

3.2 如何解决哈希冲突

闭散列（开放定址法）

当发生哈希冲突时，如果哈希表未被装满，说明在哈希表中必然还有空位置，那么可以把key存放到冲突位置中的下一个空位置中去。

那么如何寻找下一个空位置呢？

• 线性探测法：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。

例如，我们用除留余数法(hash(key)=key%10)将序列{1, 6, 10, 1000, 101, 18, 7, 40}插入到表长为10的哈希表中，插入过程如下：

通过上图可以看到，随着哈希表中数据的增多，产生哈希冲突的可能性也随着增加，最后在40进行插入的时候更是连续出现了四次哈希冲突。于是如果哈希表接近满的话，插入、查找、删除的效率都会越来越低。

• 优化方案：二次探测，每次向后探测 i ^ 2 步。尽管如此，闭散列的效果还是不尽人意，实际中还是 开散列 用的更多一些

开散列（链地址法、开链法、哈希桶）

所谓 开散列 就在原 存储位置 处带上一个 单链表，如果发生 哈希冲突，就将 冲突的值依次挂载即可。因此也叫做 链地址法、开链法、哈希桶。

例如，我们用除留余数法将序列{1, 6, 15, 60, 88, 7, 40, 5, 10}插入到表长为10的哈希表中，当发生哈希冲突时我们采用开散列的形式，将哈希地址相同的元素都链接到同一个哈希桶下，插入过程如下：

• 开散列 中进行插入时，如果对应位置的哈希值被占了，那么就在对应位置开一块链表进行存储。
• 开散列中进行查找时，需要先根据哈希值找到对应位置，并在单链表中进行遍历。

一般情况下，单链表的长度不会太长的，因为扩容后，整体长度会降低。如果单链表真的过长了，我们还可以将其转为红黑树，此时效率依旧非常高。