STL ④ —— 哈希

news2024/12/26 10:51:40

1. 散列表

struct node{
	void *key;
	void *value;
	struct node *next;
};

在这里插入图片描述

计算速度快
强随机分布性（等概率、均匀地分布在整个地址空间）
现有的hash函数：
- murmurhash1，murmurhash2，murmurhash3，其中1的速度最快但质量一般，3的质量最好但速度慢，2是两者均衡的也是使用最广泛的；
- siphash，在redis6.0当中使用，rust 等大多数语言都选用该hash算法来实现hashmap，主要解决字符串接近的强随机分布性；
- cityhash，与murmurhash是同一作者，也具备强随机分布性，是murmurhash的优化。

冲突处理的方法有两种不同的情况：一种情况是负载因子在合理范围内，即key的数量小于哈希数组的数量，这时候可以使用链表法或开放寻址法；另一种情况是负载因子不在合理范围内的情况

引用链表来处理哈希冲突；也就是将冲突元素用链表链接起来；
可能出现一种极端情况，冲突元素比较多，该冲突链表过长，这个时候可以将这个链表转换为红黑树、最小堆；由原来链表时间复杂度 O(n) 转换为红黑树时间复杂度 O(log n)；
- 那么判断该链表过长的依据是多少？可以采用超过 256个节点的时候将链表结构转换为红黑树或堆结构（java hashmap）；

背景：
- 布隆过滤器是一种概率型数据结构，它的特点是高效地插入和查询，能确定某个字符串一定不存在或者可能存在；
- 布隆过滤器不存储具体数据，所以占用空间小，查询结果存在误差，但是误差可控，同时不支持删除操作。
构成：
- 位图（BIT 数组）+ n 个 hash 函数
- m % 2^n = m & (2^n - 1)
原理：
- 当一个元素加入位图时，通过 k 个 hash 函数将这个元素映射到位图的 k 个点，并把它们置为 1；当检索时，再通过 k 个 hash 函数运算检测位图的 k 个点是否都为 1；如果有不为 1 的点，那么认为该 key 不存在；如果全部为 1，则可能存在。
不支持删除操作：
- 在位图中每个槽位只有两种状态（0 或者 1），一个槽位被设置为 1 状态，但不确定它被设置了多少次；也就是不知道被多少个 key 哈希映射而来以及是被具体哪个 hash 函数映射而来。
根据n和p，算出m和k
- n：预期布隆过滤器中元素的个数，如上图只有str1和str2 两个元素，那么 n=2
- p：假阳率，在0-1之间
- m：位图所占空间
- k：hash函数的个数

背景：
- 分布式一致性 hash 算法将哈希空间组织成一个虚拟的圆环，圆环的大小是 2^32；
- hash(key) % bit_size = index
- hash(ip) % 2^32，最终会得到一个 [0, 2^32 - 1] 之间的一个无符号整型，这个整数代表服务器的编号；多个服务器都通过这种方式在 hash 环上映射一个点来标识该服务器的位置；当用户操作某个 key，通过同样的算法生成一个值，沿环顺时针定位某个服务器，那么该 key 就在该服务器中。
解决了什么问题？
- 解决了分布式缓存扩容的问题
如何解决？
- 当服务器节点增加时，用户所存的服务器节点就会改变，这样就会导致全局缓冲失效
- 通过固定算法，即取余的值固定，为2^32，这样增加服务器节点时，全局缓存失效变成局部缓存失效，也就是增加节点的周围的用户缓存失效了
- 再通过数据迁移的方法，将失效用户的缓存迁移到正确的服务器节点，就可以避免局部缓存失效
- 通过加入虚拟节点，可以保证数据均衡