C++哈希(一)

news2025/1/19 14:30:21

1.底层结构

顺序结构以及平衡中，元素关键码与其存储位置之间没有相对应的关系，因此在查找一个元素时，要经过关键码的多次比较。顺序查找的时间复杂度为O(N)。

理想的搜索方法：可以不经过比较，依次直接从表中直接搜索到指定元素，如果构造一种数据结构，通过某种函数使元素的存储位置与它的关键码之间能够建立----映射关系，就可以很快的查找到指定的元素。

插入元素：根据插入元素的关键码，用函数计算出这个元素的存储位置并存放

查找元素：对元素的关键码进行计算，得到的函数值去取出此位置的存储元素，并把输入的元素与此元素进行比较，若关键码相等，则查找成功

该方式为哈希(散列)方法，哈希方法中的转换函数为哈希函数，构造出来的结构为哈希表

一般是用关键码膜上该结构的总容量，得到的值就为映射后的位置下标。

2.哈希冲突

对于俩个数据元素的关键码通过哈希函数后得到的值一样，不同关键字通过相同哈希函数计算出相同的哈希值地址，该现象称为哈希冲突或哈希碰撞。

3.哈希函数

引起哈希冲突的原因可能：哈希函数设计不够合理

哈希函数设计原则：

哈希函数的定义域必须包括需要存储的全部关键码，而如果散列表允许有m个地址，则值域必须在[0 m-1]之间

哈希函数计算出来的地址能均匀分布在整个空间中

哈希函数形式相对简单

除留余数法

设散列表中允许存储的地址数位m个，取一个不大于m的数p，且p最接近或者等于m的质数作为除数，Hush(key)=key%p(p<m) ,将关键码转换为哈希地址

补充：

key%2^16表示的是取后十六位，然后key>>（32-n）（假设n=16）是把前16位移到后16位，最后把前16位和后16位异或的结果作为哈希值(key的前16位和后16位都到同一位置也就是后16位上了)，把key的每一位都参与到计算，这样得出的哈希值冲突会更少一些。

哈希冲突解决

闭散列：也叫开放地址法，当发生哈希冲突时，如果哈希表未被填满，说明哈希表中心必然还有空位置，那么可以把key存放到冲突位置的下一个位置去。

找到空位置

1.线性探测

如下图要插入元素44，先通过哈希函数计算出哈希地址，44%10=4，应在4的位置，但是这个位置已经放了数据了，所以要从发生冲突的位置开始依次向后找，直到寻找到空位置为止

2.删除

采用闭散列处理哈希冲突时，不能随便物理删除哈希表中已有的元素，若直接删除元素会影响其它元素的搜索，比如删除4，那么查找44时根据计算的哈希地址就是4的位置，当44不在4位置在后面。所以通过枚举用标记的方式来删除元素。

enum State

{

        EMPTY,

        EXIST,

        DELETE

};

3.哈希表扩容

散列表的载荷因子定义：a=填入表中的个数/散列表的长度

对于开放定址法， 载荷因子应该限制在0.7~0.8以下，

线性探测优点：实现简单

线性探测缺点：一旦发生哈希冲突，所有的冲突连在一起，容易产生数据堆积，在查找时需要进行多次比较，导致搜索效率降低。

二次探测

线性探测的缺陷是产生冲突的数据堆积到一块，这与其找找的下一个位置有关，从发生冲突的位置向后找空位置可能会发生的问题，二次探测就是为了避免该现象的出现。

hash=hash0+i^2 or hash=hash0+i^2

 

代码实现

1.枚举定义状态

设置三个状态存在，空，删除

enum State
{
	EXIST,
	EMPTY,
	DELETE
};

2.定义存在哈希表里面的数据

pair模板，first表示键值，second表示值

template<class K,class V>
struct HashData
{
	pair<K, V> _kv;
	State _state = EMPTY;
};

3.哈希表的构造

内联函数里面提供的数字就是质数，有28个，这里lower_bound是选一个大于等于n的数字，这里的n也就是哈希表的存储个数，返回处使用了三目操作符，如果不是最后一个就是pos，如果是最后一个就要返回最后一个的前一个。

HashTable()
	:_tables(__stl_next_prime(0))
	,_n(0)
{}
inline unsigned long __stl_next_prime(unsigned long n)
{
	// Note: assumes long is at least 32 bits.
	static const int __stl_num_primes = 28;
	static const unsigned long __stl_prime_list[__stl_num_primes] = {
		53, 97, 193, 389, 769,
		1543, 3079, 6151, 12289, 24593,
		49157, 98317, 196613, 393241, 786433,
		1572869, 3145739, 6291469, 12582917, 25165843,
		50331653, 100663319, 201326611, 402653189, 805306457,
		1610612741, 3221225473, 4294967291
	};
	const unsigned long* first = __stl_prime_list;
	const unsigned long* last = __stl_prime_list + __stl_num_primes;
	const unsigned long* pos = lower_bound(first, last, n);
	return pos == last ? *(last - 1) : *pos;
}

4.哈希表的插入

首先要判断插入的元素是否已经存在，接着是判断载荷因子是否超过0.7，这里把_n*10所以和7比较，如果大于7就要扩容了，哈希表扩容则原来的存储位置在新的里面是不一样的，因为之前的存储是旧的size，扩容后是新的size，哈希函数得出的值改变了，所以存储位置要重新计算，这里newht的空间还是去之前的28个里面选，这里+1是因为28个数字对应不同区间，所以只需要加一就会到下一个区间，还要判断旧表每一个位置的状态是否是存在的，说明之前是由元素在这个位置上，则把此处的元素再作为Insert的参数重新插入，最后交换地址，如果没超过0.7，则就正常插入，通过模来得到哈希值，然后还要线性检测是否此位置为空位置，while循环后就找到了空位置，则插入并改变状态为存在，并把已经存储的个数n++。

bool Insert(const pair<K, V>& kv)
{
	if (Find(kv.first))
		return false;
	if (_n * 10 / _tables.size() >= 7)
	{
		HashTable<K, V> newht;
		newht._tables.resize(__stl_next_prime(_tables.size() + 1));
		for (auto& data : _tables)
		{
			if (data._state == EXIST)
			{
				newht.Insert(data._kv);
			}
		}
		_tables.swap(newht._tables);
	}
	size_t hash0 = kv.first % _tables.size();
	size_t hashi = hash0;
	size_t i = 1;
	int flag = 1;
	while (_tables[hashi]._state == EXIST)
	{
		hashi = (hash0 + i) % _tables.size();
		++i;
		///二次探测
		///
		/// hashi=(hash0+(i*i*flag))%_tables.size();
		/// 
		///
	}
	_tables[hashi]._kv = kv;
	_tables[hashi]._state = EXIST;
	++_n;
	return true;

}

5.哈希表的查找

这里查找需要注意的是位置被占了，可能在哈希函数得出的值的后面或者前面，先得到要查找的键的哈希值，然后用循环来寻找，先看是否为空，空说明不存在，如果不为空还要判断键值是否一样，不一样就线性检测去遍历，找到就返回此处的地址。

HashData<K, V>* Find(const K& key)
{
	size_t hash0 = key % _tables.size();
	size_t hashi = hash0;
	size_t i = 1;
	while (_tables[hashi]._state != EMPTY)
	{
		if (_tables[hashi]._state == EXIST && _tables[hashi]._kv.first == key)
		{
			return &_tables[hashi];
		}
		hashi = (hash0 + i) % _tables.size();
		++i;
	}
	return nullptr;
}

6.哈希表的删除

前面已经提到不能删除，只改变状态为删除状态就行，先用Find去找到指定位置，判断是否找到，找到就只改变状态变量。

bool Erase(const K& key)
{
	HashData<K, V>* ret = Find(key);
	if (ret)
	{
		ret->_state = DELETE;
		return true;
	}
	else
	{
		return false;
	}
}

总代码

HashTable.h

#pragma once

#include<vector>

enum State
{
	EXIST,
	EMPTY,
	DELETE
};

template<class K,class V>
struct HashData
{
	pair<K, V> _kv;
	State _state = EMPTY;
};


template<class K,class V>
class HashTable
{
public:
	HashTable()
		:_tables(__stl_next_prime(0))
		,_n(0)
	{}
	inline unsigned long __stl_next_prime(unsigned long n)
	{
		// Note: assumes long is at least 32 bits.
		static const int __stl_num_primes = 28;
		static const unsigned long __stl_prime_list[__stl_num_primes] = {
			53, 97, 193, 389, 769,
			1543, 3079, 6151, 12289, 24593,
			49157, 98317, 196613, 393241, 786433,
			1572869, 3145739, 6291469, 12582917, 25165843,
			50331653, 100663319, 201326611, 402653189, 805306457,
			1610612741, 3221225473, 4294967291
		};
		const unsigned long* first = __stl_prime_list;
		const unsigned long* last = __stl_prime_list + __stl_num_primes;
		const unsigned long* pos = lower_bound(first, last, n);
		return pos == last ? *(last - 1) : *pos;
	}
	bool Insert(const pair<K, V>& kv)
	{
		if (Find(kv.first))
			return false;
		if (_n * 10 / _tables.size() >= 7)
		{
			HashTable<K, V> newht;
			newht._tables.resize(__stl_next_prime(_tables.size() + 1));
			for (auto& data : _tables)
			{
				if (data._state == EXIST)
				{
					newht.Insert(data._kv);
				}
			}
			_tables.swap(newht._tables);
		}
		size_t hash0 = kv.first % _tables.size();
		size_t hashi = hash0;
		size_t i = 1;
		int flag = 1;
		while (_tables[hashi]._state == EXIST)
		{
			hashi = (hash0 + i) % _tables.size();
			++i;
			///二次探测
			///
			/// hashi=(hash0+(i*i*flag))%_tables.size();
			/// 
			///
		}
		_tables[hashi]._kv = kv;
		_tables[hashi]._state = EXIST;
		++_n;
		return true;

	}
	HashData<K, V>* Find(const K& key)
	{
		size_t hash0 = key % _tables.size();
		size_t hashi = hash0;
		size_t i = 1;
		while (_tables[hashi]._state != EMPTY)
		{
			if (_tables[hashi]._state == EXIST && _tables[hashi]._kv.first == key)
			{
				return &_tables[hashi];
			}
			hashi = (hash0 + i) % _tables.size();
			++i;
		}
		return nullptr;
	}

	bool Erase(const K& key)
	{
		HashData<K, V>* ret = Find(key);
		if (ret)
		{
			ret->_state = DELETE;
			return true;
		}
		else
		{
			return false;
		}
	}

private:
	vector<HashData<K, V>> _tables;
	size_t _n;
};

test.c

#define _CRT_SECURE_NO_WARNINGS 1

#include<iostream>
#include<set>
#include<unordered_set>

using namespace std;
#include"HashTable.h"
int main()
{
	//int a[] = { 19,30,52,63,11,22 };
	int a[] = { 19,30,5,36,13,20,21,12 };
	HashTable<int, int> ht;
	for (auto e : a)
	{
		ht.Insert({ e, e });
	}

	//ht.Insert({ 15, 15 });

	ht.Erase(30);
	if (ht.Find(20))
	{
		cout << "找到了" << endl;
	}

	if (ht.Find(30))
	{
		cout << "找到了" << endl;
	}
	else
	{
		cout << "没有找到" << endl;
	}

	return 0;
}

本文来自互联网用户投稿，该文观点仅代表作者本人，不代表本站立场。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。如若转载，请注明出处：http://www.coloradmin.cn/o/2255979.html

如若内容造成侵权/违法违规/事实不符，请联系多彩编程网进行投诉反馈，一经查实，立即删除！

相关文章

Open-webui：本地化管理AI大模型

Open-webui：本地化管理AI大模型

Open WebUI 是一个开源的用户界面工具&#xff0c;用于运行和管理大语言模型 (LLM) 及其他人工智能功能。它的主要目的是简化人工智能模型的本地部署和操作&#xff0c;让用户能够方便地通过浏览器界面与各种 AI 模型进行交互。 官方地址&#xff1a;https://github.com/open-…
阅读更多...
1 数据库（上）：MySQL的概述和安装、SQL简介、IDEA连接数据库使用图形化界面

1 数据库（上）：MySQL的概述和安装、SQL简介、IDEA连接数据库使用图形化界面

文章目录 前言一、数据库相关的概念二、MySQL概述1 MySQL的安装和配置2 MySQL登录、退出&#xff08;1&#xff09;mysql -uroot -p1234 或者mysql -uroot -p ---- 登录&#xff08;2&#xff09;exit或者quit ---- 退出 3 远程登录服务器上的MySQL命令mysql -hip地址 -P3306 -…
阅读更多...
Elasticsearch：使用硬件加速的 SIMD 指令实现超快 BBQ

Elasticsearch：使用硬件加速的 SIMD 指令实现超快 BBQ

作者&#xff1a;来自 Elastic Chris Hegarty 我们如何使用硬件加速 SIMD&#xff08;Single Instruction Multiple Data - 单指令多数据&#xff09;指令优化 BBQ 中的向量比较。 随着我们继续致力于让 Elasticsearch 和 Apache Lucene 成为存储和搜索向量数据的最佳场所&…
阅读更多...
面经自测——死锁/死锁的必要条件/死锁的预防/进程通信的方式

面经自测——死锁/死锁的必要条件/死锁的预防/进程通信的方式

前言 本文是作者专门用来自测Java后端相关面试题的&#xff0c;所有问题都是在牛客、知识星球或网上找到的最近最新的面试题&#xff0c;全文回答都是作者按自己的真实水平仿照真实环境的回答&#xff0c;所以答案不一定真实&#xff08;但回答一定真诚&#x1f923;&#xff0…
阅读更多...
通过电路指纹攻击发现洋葱服务

通过电路指纹攻击发现洋葱服务

文章信息 论文题目&#xff1a;Discovering onion services through circuit fingerprinting attacks 期刊&#xff08;会议&#xff09;&#xff1a; High-Confidence Computing 时间&#xff1a;2023 级别&#xff1a;CCF C 文章链接&#xff1a;https://www.sciencedir…
阅读更多...
[每周一更]-(第126期)：MQ解耦场景

[每周一更]-(第126期)：MQ解耦场景

消息队列&#xff08;MQ&#xff09;解耦是一种软件架构设计模式&#xff0c;主要通过中间件将系统中的生产者和消费者模块分离&#xff0c;减少模块之间的直接依赖&#xff0c;使系统具有更高的扩展性和灵活性。这种模式尤其适用于需要处理复杂业务逻辑、频繁请求或异步处理的…
阅读更多...
flinkSql 将流和表的互相转换

flinkSql 将流和表的互相转换

流——>表 方式一 方式二 方式一&#xff1a;写sql DataStreamSource<String> source env.socketTextStream("localhost", 8881); // 表名&#xff0c;流&#xff0c;字段名称 tableEnv.createTemporaryView("t_1",source&#xff0c;$("…
阅读更多...
linuxCNC（五）HAL驱动的指令介绍

linuxCNC（五）HAL驱动的指令介绍

HAL驱动的构成 指令举例详解 从终端进入到HAL命令行&#xff0c;执行halrun&#xff0c;即可进入halcmd命令行 # halrun指令描述oadrt加载comoonent&#xff0c;loadrt threads name1 period1创建新线程loadusr halmeter加载万用表UI界面loadusr halscope加载示波器UI界面sho…
阅读更多...
SQL SERVER 2016 AlwaysOn 无域集群+负载均衡搭建与简测

SQL SERVER 2016 AlwaysOn 无域集群+负载均衡搭建与简测

之前和很多群友聊天发现对2016的无域和负载均衡满心期待&#xff0c;毕竟可以简单搭建而且可以不适用第三方负载均衡器&#xff0c;SQL自己可以负载了。windows2016已经可以下载使用了&#xff0c;那么这回终于可以揭开令人憧憬向往的AlwaysOn2016 负载均衡集群的神秘面纱了。 …
阅读更多...
vue3+elementPlus封装的数据过滤区

vue3+elementPlus封装的数据过滤区

目录结构 源码 index.vue <template><el-form class"mb-5" :rules"rules" :model"queryForm" ref"queryDOM" label-width"80"><el-row :gutter"20"><slot></slot><el-col cla…
阅读更多...
iOS如何自定义一个类似UITextView的本文编辑View

iOS如何自定义一个类似UITextView的本文编辑View

对于IOS涉及文本输入常用的两个View是UITextView和UITextField&#xff0c;一个用于复杂文本输入&#xff0c;一个用于简单文本输入&#xff0c;在大多数开发中涉及文本输入的场景使用这两个View能够满足需求。但是对于富文本编辑相关的开发&#xff0c;这两个View就无法满足自…
阅读更多...
《黑神话：悟空》闪退，提示D3D12崩溃，游戏崩溃无法启动是什么原因？要怎么解决？

《黑神话：悟空》闪退，提示D3D12崩溃，游戏崩溃无法启动是什么原因？要怎么解决？

《黑神话&#xff1a;悟空》闪退、D3D12崩溃及游戏无法启动&#xff1a;原因、解决方案与预防措施 作为一名软件开发从业者&#xff0c;我深知电脑游戏运行时可能遇到的各种问题&#xff0c;尤其是像《黑神话&#xff1a;悟空》这样的高品质游戏&#xff0c;其对硬件和系统配置…
阅读更多...
JUC：Synchronized和锁升级

JUC：Synchronized和锁升级

1. 面试题 谈谈你对Synchronized的理解Sychronized的锁升级你聊聊Synchronized实现原理&#xff0c;monitor对象什么时候生成的&#xff1f;知道monitor的monitorenter和monitorexit这两个是怎么保证同步的嘛&#xff1f;或者说这两个操作计算机底层是如何执行的偏向锁和轻量级…
阅读更多...
SAP SD学习笔记19 - 形式发票（Proforma Invoice）

SAP SD学习笔记19 - 形式发票（Proforma Invoice）

上面几章讲了投诉处理。 SAP SD学习笔记18 - 投诉处理4 - 请求书订正依赖&#xff0c;投诉处理流程的总结-CSDN博客 本章继续学习SD 模块的其他内容。 本章讲了形式发票&#xff08;Proforma Invoice&#xff09;的概要及系统操作。 形式发票是在出库确认之前&#xff0c;有…
阅读更多...
M005 PHP+MYSQL+web编程课程网站的设计与实现 源码 配置 文档

M005 PHP+MYSQL+web编程课程网站的设计与实现 源码 配置 文档

web编程课程网站 1.摘要2.开发目的和意义3.系统功能设计4.系统界面截图5.源码获取 1.摘要 随着互联网的飞速发展&#xff0c;各行各业的信息化进程逐步加快。商业信息化、政务信息化、教育信息、服务信息化等等已遍布全国各地。信息化的服务平台能更加高效的为用户提供各种服务…
阅读更多...
【力扣】13.罗马数字转整数

【力扣】13.罗马数字转整数

问题描述 思路解析 对于这种限制字符的问题&#xff0c;使用Map来对键值存储 对其进行判断&#xff0c;如果前面的数小于后面的数&#xff0c;那么结果相减 否则&#xff0c;正常相加。 代码 class Solution {Map<Character,Integer> mapnew HashMap<Character,In…
阅读更多...
docker安装ddns-go（外网连接局域网）

docker安装ddns-go（外网连接局域网）

docker先下载镜像&#xff0c;目前最新版是v6.7.6 也可以csdn资源下载 再导入dockers https://download.csdn.net/download/u014756339/90096748 docker load -i ddns-go.tar 启动 docker run -d --name ddns-go --restartalways --nethost -v /opt/ddns-go:/root jeessy/…
阅读更多...
洛谷P4913 【深基16.例3】二叉树深度（c嘎嘎）

洛谷P4913 【深基16.例3】二叉树深度（c嘎嘎）

题目链接&#xff1a;P4913 【深基16.例3】二叉树深度 - 洛谷 | 计算机科学教育新生态 题目难度&#xff1a;普及 解题思路&#xff1a;本题要求树的深度&#xff0c;即求左右子树高度的最大值&#xff0c;首先我们用结构体存树左右节点&#xff0c;然后分别递归地去左右子树的…
阅读更多...
Android -- [SelfView] 自定义多行歌词滚动显示器

Android -- [SelfView] 自定义多行歌词滚动显示器

Android – [SelfView] 自定义多行歌词滚动显示器 流畅、丝滑的滚动歌词控件* 1. 背景透明&#xff1b;* 2. 外部可控制进度变化&#xff1b;* 3. 支持屏幕拖动调节进度&#xff08;回调给外部&#xff09;&#xff1b;效果 歌词文件&#xff08;.lrc&#xff09; 一. 使用…
阅读更多...
DNS/域名

DNS/域名

概述 每个应用层协议都是为了解决某一类应用问题&#xff0c;而问题的解决又往往是通过位于不同主机中的多个应用进程之间的通信和协同工作来完成的。应用层的具体内容就是规定应用进程在通信时所遵循的协议。 应用层的许多协议都是基于客户服务器方式。客户(client)和服务器…
阅读更多...
推荐文章
最新文章

Copyright @ 2022~2023