纸上谈兵: 哈希表 (hash table)

  • 时间:
  • 浏览:0
  • 来源:大发时时彩_时时彩破解_大发时时彩破解

作者:Vamei 出处:http://www.cnblogs.com/vamei 欢迎转载,也请保留这段声明。谢谢!

HASH

哈希表(hash table)是从有有另一一二个集合A到从前 集合B的映射(mapping)。映射是两种对应关系,你这人 集合A的某个元素只能对应集合B中的有有另一一二个元素。但反过来,集合B中的有有另一一二个元素之后 对应多个集合A中的元素。之后 B中的元素只能对应A中的有有另一一二个元素,从前 的映射被称为一一映射。从前 的对应关系在现实生活中很常见,比如:

-> B

-> 身份证号

日期 -> 星座

后面 有有另一一二个映射中, -> 身份证号一一映射的关系。在哈希表中,上述对应过程称为hashing。A中元素a对应B中元素b,a被称为键值(key),b被称为a的hash值(hash value)

 韦小宝的hash值

映射在数学上至少有有另一一二个函数f(x):A->B。比如 f(x) = 3x + 2。哈希表的核心是有有另一一二个哈希函数(hash function),你这人 函数规定了集合A中的元素怎么都可以对应到集合B中的元素。比如:

A: 三位整数    hash(x) = x % 10    B: 一位整数

104                               4

876                               6

192                               2

上述对应中,哈希函数表示为hash(x) = x % 10。也什么都有 说,给有有另一一二个三位数,亲戚亲戚大伙取它的最后一位作为该三位数的hash值。

哈希表在计算机科学中应用广泛。比如:

Ethernet中的FCS:参看小喇叭结束广播 (以太网与WiFi协议)

IP协议中的checksum:参看我尽力 (IP协议详解)

git中的hash值:参看版本管理三国志

上述应用中,亲戚亲戚大伙用有有另一一二个hash值来代表键值。比如在git中,文件内容为键值,并用SHA算法作为hash function,将文件内容对应为固定长度的字符串(hash值)。之后 文件内容地处变化,好难 所对应的字符串就会地处变化。git通过比较较短的hash值,就都可以 知道文件内容否有地处变动。

再比如计算机的登陆密码,一般是一串字符。然而,为了安全起见,计算机不让直接保存该字符串,什么都有 保存该字符串的hash值(使用MD5、SHA之后 你这人 算法作为hash函数)。当用户下次登陆的之后 ,输入密码字符串。之后 该密码字符串的hash值与保存的hash值一致,好难 就认为用户输入了正确的密码。从前 ,就算黑客闯入了数据库中的密码记录,他能看了的也什么都有 密码的hash值。后面 所使用的hash函数有很好的单向性:好难从hash值去推测键值。你这人 ,黑客无法获知用户的密码。

(之后 有报道多家网站用户密码泄露的时间,什么都有 之后 那此网站存储明文密码,而否有hash值,见多家网站卷入CSDN泄密事件 明文密码成争议焦点)

注意,hash之后 求从A到B的对应为有有另一一二个映射,它并好难 限定该对应关系为一一映射。你这人 会有从前 的之后 :有有另一一二个不同的键值对应同有有另一一二个hash值。你这人 状况叫做hash碰撞(hash collision)。比如网络协议中的checksum就之后 再次出先你这人 状况,即所要校验的内容与原文并非 同,但与原文生成的checksum(hash值)相同。再比如,MD5算法常用来计算密码的hash值。之后 有实验表明,MD5算法有之后 地处碰撞,也什么都有 不同的明文密码生成相同的hash值,这将给系统带来很大的安全漏洞。(参考hash collision)

HASH与搜索

hash表被广泛的用于搜索。设定集合A为搜索对象,集合B为存储位置,利用hash函数将搜索对象与存储位置对应起来。从前 ,亲戚亲戚大伙就都可以 通过一次hash,将对象所在位置找到。两种常见的状况是,将集合B设定在数组下标。之后 数组都可以 根据数组下标进行随机存取(random access,算法多样化度为1),什么都有 搜索操作将取决于hash函数的多样化程度。

比如亲戚亲戚大伙以人名(字符串)为键值,以数组下标为hash值。每个数组元素中存储有有有另一一二个指针,指向记录 (一群人名和电话号码)。

下面是有有另一一二个简单的hash函数:

#define HASHSIZE 307

/* By Vamei * hash function */ int hash(char *p) { int value=0; while((*p) != '\0') { value = value + (int) (*p); // convert char to int, and sum p++; } return (value % HASHSIZE); // won's exceed HASHSIZE }

hash value of "Vamei": 498

hash value of "Obama": 430

亲戚亲戚大伙都可以 建立有有另一一二个HASHSIZE大小的数组records,用于储存记录。HASHSIZE被挑选为质数,以便hash值能更加均匀的分布。在搜索"Vamei"的记录时,都可以 经过hash,得到hash值498,再直接读取records[498],就都可以 读取记录了。

(666666是Obama的电话号码,111111是Vamei的电话号码。纯属杜撰,请勿当真)

hash搜索

之后 不采用hash,而什么都有 在有有另一一二个数组中搜索搞笑的话,亲戚亲戚大伙需要依次访问每个记录,直到找到目标记录,算法多样化度为n。亲戚亲戚大伙都可以 考虑一下为那此会有从前 的差别。数组并非 都可以 随机读取,但数组下标是随机的,它与元素值好难 任何关系,什么都有 亲戚亲戚大伙要逐次访问各个元素。通过hash函数,亲戚亲戚大伙限定了每个下标位置之后 存储的元素。从前 ,亲戚亲戚大伙利用键值和hash函数,就都可以 具备相当的先验知识,来挑选适当的下标进行搜索。在好难 hash碰撞的前提下,亲戚亲戚大伙只需要挑选一次,就都可以 保证该下标指向的元素是亲戚亲戚大伙愿意的元素。

冲突

hash函数需要避免hash冲突的现象图片。比如,后面 的hash函数中,"Obama"和"Oaamb"有相同的hash值,地处冲突。亲戚亲戚大伙怎么都可以避免呢?

有有另一一二个方案是将地处冲突的记录用链表储存起来,让hash值指向该链表,这叫做open hashing:

open hashing

亲戚亲戚大伙在搜索的之后 ,先根据hash值找到链表,再根据key值遍历搜索链表,直到找到记录。亲戚亲戚大伙都可以 用你这人 数据特征代替链表。

open hashing需要使用指针。亲戚亲戚大伙有之后 愿意避免使用指针,以保持随机存储的优势,什么都有 采用closed hashing的法律法律依据来避免冲突。

closed hashing

你这人 状况下,亲戚亲戚大伙将记录装进去数组。当有冲突再次出先的之后 ,亲戚亲戚大伙将冲突记录装进去数组中依然闲置的位置,比如图中Obama被插入后,之后 的Oaamb也被hash到430位置。但之后 430被地处,Oaamb探测到下有有另一一二个闲置位置(通过将hash值加1),并记录。

closed hashing的关键在怎么都可以探测下有有另一一二个位置。后面 是将hash值加1。但也都可以 有其它的法律法律依据。概括的说,在第i次的之后 ,亲戚亲戚大伙应该探测POSITION(i)=(h(x) + f(i)) % HASHSIZE的位置。后面 将hash值加1的法律法律依据,就至少设定f(i) = 1当亲戚亲戚大伙在搜索的之后 ,就都可以 利用POSITION(i),依次探测记录之后 再次出先的位置,直到找到记录。

(f(i)的挑选会带来不同的结果,这里不再深入)

之后 数组比较满,好难 closed hashing需要进行你这人 次探测都可以 找到空位。从前 将大大减小插入和搜索的效率单位。你这人 状况下,需要增大HASHSIZE,并将从前 的记录装进去到新的比较大的数组中。从前 的操作称为rehashing

总结

hash表,搜索

hash冲突, open hashing, closed hashing

欢迎继续阅读“纸上谈兵: 算法与数据特征”系列。