数据结构——哈希详解

news2025/4/16 16:54:36

数据结构——哈希详解

目录

一、哈希的定义

二、六种哈希函数的构造方法

2.1 除留取余法

2.2 平方取中法

2.3 随机数法

2.4 折叠法

2.5 数字分析法

2.6 直接定值法

三、四种解决哈希冲突的方法

3.1 开放地址法

3.1.1 线性探测法

3.1.2 二次探测法

3.2 链地址法

3.3 再散列函数法

3.4 公共区溢出法

四、用代码解决链地址法

一、哈希的定义

顺序表/链表有一个共同特征，数据值本身和其存储位置之间是没有关系的，所以我们要查找/搜索一个值，只能一个一个的去比较，时间复杂度是O(n),

我们想把时间复杂度降下来，提供一种技术让我们数据值本身和存储关系之前有映射关系，这时我们查找值是否存在则直接根据这种映射关系计算得出其存储位置，这时只去要去计算得出的存储位置查看即可——这种技术就是散列技术也就是哈希，映射关系就是哈希函数f   

f(关键字key)=存储位置

哈希即是一种存储方法也是一种查找方法

哈希冲突定义：俩个或多个关键码Key1!=Key2但是通过哈希函数的计算得出的结果却相等，这种现象就是发生了哈希冲突

二、六种哈希函数的构造方法

2.1 除留取余法

原理：

  • 哈希函数 h(k)=k mod m，其中 k 是键值，m 是哈希表的大小。

  • 通过取键值 k 除以 m 的余数来确定哈希值。

优点：

  • 实现简单，计算速度快。

缺点：

  • 如果键值分布不均匀，容易导致冲突。例如，当键值都是偶数时，若 m 是偶数，那么所有哈希值也都是偶数，会浪费一半的哈希表空间。

  • 对 m 的选择敏感，通常 m 选择为质数可以减少冲突。

应用场景：

  • 适用于键值范围较大且分布较为均匀的场景，如简单的哈希表设计。

2.2 平方取中法

原理：

  • 将键值 k 平方，然后从平方后的结果中取出中间几位数字作为哈希值。

  • 例如，键值 k=1234，平方后为 1522756，取中间几位（如 2275）作为哈希值。

优点：

  • 能够较好地打乱键值的分布，减少冲突。

缺点：

  • 如果键值较小，平方后的数字位数不够，可能需要补零，导致哈希值不够随机。

  • 计算平方操作相对耗时。

应用场景：

  • 适用于对哈希值随机性要求较高的场景，但计算资源允许的情况下。

2.3 随机数法

原理：

  • 使用伪随机数生成器（PRNG）根据键值生成随机数作为哈希值。

  • 通常需要一个种子值，种子值可以根据键值计算得到。

优点：

  • 哈希值的随机性高，冲突概率低。

缺点：

  • 随机数生成器的实现复杂，且需要保证每次计算结果一致（即相同的键值产生相同的哈希值）。

  • 如果随机数生成器质量不高，可能会导致哈希值分布不均匀。

应用场景：

  • 适用于对哈希值随机性要求极高的场景，如密码学中的哈希函数。

2.4 折叠法

原理：

  • 将键值分成若干部分，然后将这些部分进行折叠（相加、相减或按位运算）以生成哈希值。

  • 例如，键值 k=12345678，可以分成 1234 和 5678，然后相加得到 6912，再取模或者直接取后三位得到最终哈希值。

优点：

  • 简单易实现，能够较好地处理较长的键值。

缺点：

  • 如果键值的某些部分分布不均匀，可能会影响哈希值的分布。

  • 对折叠操作的选择敏感，不同的折叠方式可能导致不同的效果。

应用场景：

  • 适用于键值较长且分布不均匀的场景，如字符串哈希。

2.5 数字分析法

原理：

  • 分析键值的每一位数字（或字符），根据某种规则选择部分数字组合成哈希值。

  • 例如，键值 k=12345678，可以选择第 2、4、6 位数字（2、4、6），然后组合成 246 作为哈希值。

优点：

  • 能够根据键值的分布特点进行优化，减少冲突。

缺点：

  • 实现复杂，需要对键值的分布有先验知识。

  • 如果键值的分布变化较大，可能需要重新调整规则。

应用场景：

  • 适用于对键值分布有明确了解的场景，如特定的数据库索引设计。

2.6 直接定值法

原理：

  • 取关键字的线性函数值作为散列地址 f(key)=axkey+b 

  • 通常用于键值范围较小且连续的情况。

优点：

  • 实现极其简单，没有冲突。

缺点：

  • 如果键值范围较大，会浪费大量空间。

  • 不适用于键值范围较大的场景。

应用场景：

  • 适用于键值范围较小且连续的场景，如小型数据库索引。

三、四种解决哈希冲突的方法

哈希冲突定义：俩个或多个关键码Key1!=Key2但是通过哈希函数的计算得出的结果却相等，这种现象就是发生了哈希冲突

3.1 开放地址法

3.1.1 线性探测法

原理：当发生哈希冲突时，从冲突位置开始，按照线性顺序依次探测下一个位置，向右探测，直到找到空闲位置为止。即若哈希地址为 h(key) 的位置已被占用，则依次探测 h(key)+1、h(key)+2、h(key)+3…… 直到找到空闲位置。

优点：实现简单，容易理解和编程实现。

缺点：容易出现 “聚集” 现象，即连续的多个空闲位置被占用，形成一个聚集区，导致后续元素查找和插入时需要探测更多的位置，效率降低。

公式：f(key)=(f(key)+d)mod m      d=1，2，3，4，5…

3.1.2 二次探测法

使用线性探测法会发生堆积，我们想要探测的时候即向左也向右探测并且每次探测幅度尽可能变化，呈指数变化 eg：1，-1，4，-4，9，-9

增加平方运算是为了不让关键字都聚集在某一个区域

优点：能有效减少聚集现象，提高哈希表的性能。

缺点：不能探测到哈希表中的所有位置，可能会出现无法找到空闲位置的情况，特别是当哈希表大小不是合适的数值时。

3.2 链地址法

其核心思想是将所有哈希地址相同的元素都链接到同一个链表中。在哈希表中，每个位置对应一个链表，当发生哈希冲突（即不同的关键字通过哈希函数计算得到相同的哈希地址）时，将这些冲突的元素依次插入到对应的链表中

优点：

  • 处理冲突简单，不需要探测。

  • 删除元素容易，只需从链表中移除即可。

缺点：

  • 需要额外的空间来存储链表。

  • 当一个槽位的链表很长时，搜索效率会降低。

3.3 再散列函数法

再散列函数法使用两个不同的哈希函数。第一个哈希函数 h1(key) 用于计算元素的初始哈希地址。当该地址发生冲突时，使用第二个哈希函数 h2(key) 来确定下一个探测位置的步长，从而在哈希表中寻找下一个可用的位置。

通过这种方式，不断尝试新的位置，直到找到一个空槽来插入元素，或者确定该元素不存在于哈希表中。

3.4 公共区溢出法

不冲突放到基本表中，冲突就放到溢出表中，基本表中都没有数据为空说明溢出表中肯定没有，基本表由哈希函数构成，溢出表由顺序存储构成先来先到，

适用于哈希冲突相对较少的场景

四、用代码解决链地址法

.cpp

#define _CRT_SECURE_NO_WARNINGS
#include <stdio.h>
#include "hash_List_address.h"
#include <stdlib.h>

//0.哈希函数
int Hash(ELEM_TYPE val)
{
    return val % INITSIZE;
}

//1.初始化
void Init_List_Address(List_address* pla)
{
    for (int i = 0; i < INITSIZE; i++)
    {
        Init_List(&pla->arr[i]);
    }
}

//2.插入值(头插)
bool Insert(List_address* pla, ELEM_TYPE val)
{
    //assert

    int index = Hash(val);

    struct Node* pnewnode = (Node*)malloc(sizeof(Node));
    if (pnewnode == NULL)
    {
        return false;
    }

    pnewnode->data = val;

    pnewnode->next = pla->arr[index].next;
    pla->arr[index].next = pnewnode;

    return true;
}

//3.删除值
bool Del(List_address* pla, ELEM_TYPE val)
{
    struct Node* q = Search(pla, val);
    if (q == NULL)
        return false;

    //此时，代码执行到这里，证明val值节点存在在index下标里面的单链表上

    int index = Hash(val);
    struct Node* p = &pla->arr[index];
    for (; p->next != q; p = p->next);
    
    //此时，代码执行到这里，证明p和q都就位
    p->next = q->next;
    free(q);
    q = NULL;

    return true;
}

//4.查找值
struct Node* Search(List_address* pla, ELEM_TYPE val)
{
    //assert

    int index = Hash(val);
    struct Node* q = pla->arr[index].next;
    for (; q != NULL; q = q->next)
    {
        if (q->data == val)
        {
            break;
        }
    }
    
    return q;
   
}

//5.打印
void Show(List_address* pla)
{
    for (int i = 0; i < INITSIZE; i++)
    {
        printf("第%d行：", i);

        struct Node* p = pla->arr[i].next;
        for (; p != NULL; p=p->next)
        {
            printf("%d->", p->data);
        }
        printf("\n");
    }
}

int main()
{
    List_address head;
    Init_List_Address(&head);

    Insert(&head, 12);
    Insert(&head, 67);
    Insert(&head, 56);
    Insert(&head, 16);
    Insert(&head, 25);
    Insert(&head, 37);
    Insert(&head, 22);
    Insert(&head, 29);
    Insert(&head, 15);
    Insert(&head, 47);
    Insert(&head, 48);
    Insert(&head, 34);

    Show(&head);

    Del(&head, 25);
    Del(&head, 12345);
    Show(&head);

    return 0;
}

.h 

#pragma once

typedef int ELEM_TYPE;
//链地址法有效节点结构体设计：
typedef struct List_Node
{
	ELEM_TYPE data;
	struct List_Node* next;
}List_Node;

#include "list.h"

//链地址法整个的辅助节点结构体设计：
#define INITSIZE 12
typedef struct List_address
{
	struct Node arr[INITSIZE];
}List_address;

//0.哈希函数
int Hash(ELEM_TYPE val);

//1.初始化
void Init_List_Address(List_address* pla);

//2.插入值
bool Insert(List_address* pla, ELEM_TYPE val);

//3.删除值
bool Del(List_address* pla, ELEM_TYPE val);

//4.查找值
struct Node* Search(List_address* pla, ELEM_TYPE val);

//5.打印
void Show(List_address* pla);

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/2335421.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

Spark-SQL核心编程

Spark-SQL核心编程

简介 Hadoop与Spark-SQL的对比 Hadoop在处理结构化数据方面存在局限性&#xff0c;无法有效处理某些类型的数据。 Spark应运而生&#xff0c;特别设计了处理结构化数据的模块&#xff0c;称为Spark SQL&#xff08;原称Shark&#xff09;。 SparkSQL的发展历程&#xff1a; Sp…
阅读更多...
Docker 与 Podman常用知识汇总

Docker 与 Podman常用知识汇总

一、常用命令的对比汇总 1、基础说明 Docker&#xff1a;传统的容器引擎&#xff0c;使用 dockerd 守护进程。 Podman&#xff1a;无守护进程、无root容器引擎&#xff0c;兼容 Docker CLI。 Podman 命令几乎完全兼容 Docker 命令&#xff0c;只需将 docker 替换为 podman。…
阅读更多...
Large Language Model（LLM）的训练和微调

Large Language Model（LLM）的训练和微调

之前一个偏工程向的论文中了&#xff0c;但是当时对工程理论其实不算很了解&#xff0c;就来了解一下 工程流程 横轴叫智能追寻 竖轴上下文优化 Prompt不行的情况下加shot(提示)&#xff0c;如果每次都要加提示&#xff0c;就可以试试知识库增强检索来给提示。 如果希望增强…
阅读更多...
统计销量前十的订单

统计销量前十的订单

传入参数&#xff1a; 传入begin和end两个时间 返回参数 返回nameList和numberList两个String类型的列表 controller层 GetMapping("/top10")public Result<SalesTop10ReportVO> top10(DateTimeFormat(pattern "yyyy-MM-dd") LocalDate begin,Dat…
阅读更多...
AI大模型原理可视化工具：深入浅出理解大语言模型的工作原理

AI大模型原理可视化工具：深入浅出理解大语言模型的工作原理

AI大模型原理可视化工具&#xff1a;深入浅出理解大语言模型的工作原理 在人工智能快速发展的今天&#xff0c;大语言模型&#xff08;如GPT、BERT等&#xff09;已经成为改变世界的重要技术。但对于很多人来说&#xff0c;理解这些模型的工作原理仍然是一个挑战。为了帮助更多…
阅读更多...
qt designer 创建窗体选择哪种屏幕大小

qt designer 创建窗体选择哪种屏幕大小

1. 新建窗体时选择QVGA还是VGA 下面这个图展示了区别 这里我还是选择默认&#xff0c;因为没有特殊需求&#xff0c;只是在PC端使用
阅读更多...
Spark-SQL核心编程（一）

Spark-SQL核心编程（一）

一、Spark-SQL 基础概念 1.定义与起源&#xff1a;Spark SQL 是 Spark 用于结构化数据处理的模块&#xff0c;前身是 Shark。Shark 基于 Hive 开发&#xff0c;提升了 SQL-on-Hadoop 的性能&#xff0c;但因对 Hive 依赖过多限制了 Spark 发展&#xff0c;后被 SparkSQL 取代&…
阅读更多...
AI与无人驾驶汽车：如何通过机器学习提升自动驾驶系统的安全性？

AI与无人驾驶汽车：如何通过机器学习提升自动驾驶系统的安全性？

引言 想象一下&#xff0c;在高速公路上&#xff0c;一辆无人驾驶汽车正平稳行驶。突然&#xff0c;前方的车辆紧急刹车&#xff0c;而旁边车道有一辆摩托车正快速接近。在这千钧一发的瞬间&#xff0c;自动驾驶系统迅速分析路况&#xff0c;判断最安全的避险方案&#xff0c;精…
阅读更多...
第5篇：Linux程序访问控制FPGA端LEDR＜三＞

第5篇：Linux程序访问控制FPGA端LEDR＜三＞

Q&#xff1a;如何具体设计.c程序代码访问控制FPGA端外设&#xff1f; A&#xff1a;以控制DE1-SoC开发板的LEDR为例的Linux .C程序代码。头文件fcntl.h和sys/mman.h用于使用/dev/mem文件&#xff0c;以及mmap和munmap内核函数&#xff1b;address_map_arm.h指定了DE1-SoC_Com…
阅读更多...
城市应急安防系统EasyCVR视频融合平台：如何实现多源视频资源高效汇聚与应急指挥协同

城市应急安防系统EasyCVR视频融合平台：如何实现多源视频资源高效汇聚与应急指挥协同

一、方案背景 1&#xff09;项目背景 在当今数字化时代&#xff0c;随着信息技术的飞速发展&#xff0c;视频监控和应急指挥系统在公共安全、城市应急等领域的重要性日益凸显。尤其是在关键场所&#xff0c;高效的视频资源整合与传输能力对于应对突发公共事件、实现快速精准的…
阅读更多...
【笔记ing】AI大模型-03深度学习基础理论

【笔记ing】AI大模型-03深度学习基础理论

神经网络&#xff1a;A neural network is a network or circuit of neurons,or in a modern sense,an artificial neural network,composed of artificial neurons or nodes.神经网络是神经元的网络或回路&#xff0c;或者在现在意义上来说&#xff0c;是一个由人工神经元或节…
阅读更多...
07软件测试需求分析案例-修改用户信息

07软件测试需求分析案例-修改用户信息

修改用户信息是后台管理菜单的一个功能模块&#xff0c;只有admin才有修改权限。包括查询用户名进行显示用户相关信息&#xff0c;并且修改用户相关信息的功能。 1.1 通读文档 通读需求规格说明书是提取信息&#xff0c;提出问题&#xff0c;输出具有逻辑、规则、流程的业务…
阅读更多...
设计模式 --- 状态模式

设计模式 --- 状态模式

状态模式​​是一种​​行为型设计模式​​&#xff0c;允许对象在内部状态改变时动态改变其行为​​&#xff0c;使对象的行为看起来像是改变了。该模式通过将状态逻辑拆分为独立类​​&#xff0c;消除复杂的条件分支语句&#xff0c;提升代码的可维护性和扩展性。 状态模式的…
阅读更多...
深入剖析Go Channel：从底层原理到高阶避坑指南｜Go语言进阶（5）

深入剖析Go Channel：从底层原理到高阶避坑指南｜Go语言进阶（5）

文章目录 引言channel的底层数据结构channel操作原理发送操作(ch <- data)接收操作(<-ch) 常见陷阱及避坑指南1. 死锁问题2. 关闭channel的错误方式3. 内存泄漏4. nil channel特性5. 性能考量 最佳实践总结 引言 Channel是Go语言实现CSP并发模型的核心机制&#xff0c;提…
阅读更多...
OpenCV 图形API（31）图像滤波-----3x3 腐蚀操作函数erode3x3()

OpenCV 图形API（31）图像滤波-----3x3 腐蚀操作函数erode3x3()

操作系统&#xff1a;ubuntu22.04 OpenCV版本&#xff1a;OpenCV4.9 IDE:Visual Studio Code 编程语言&#xff1a;C11 算法描述 使用3x3矩形结构元素腐蚀图像。 该函数通过使用中心作为锚点的3x3矩形结构元素来腐蚀源图像。腐蚀操作可以应用多次&#xff08;迭代&#xff0…
阅读更多...
AI Agent开发大全第二十八课-MCP实现本地命令调用怎么做的？

AI Agent开发大全第二十八课-MCP实现本地命令调用怎么做的？

开篇 MCP很强大，Client端一旦实现了稳定的连接和执行流程后任Server端随意改动都可兼容，这就是热插拨功能。 如果我们仅仅满足于MCP查点网上资料、读点图片即文字型的功能肯定是不能充分发挥MCP的强大之处的，正应了Google以及Anthropic最近的研究报告上说的：不要再在chat…
阅读更多...
A2A协议实现详解及示例

A2A协议实现详解及示例

A2A协议概述 A2A (Agent2Agent) 是Google推出的一个开放协议&#xff0c;旨在使AI智能体能够安全地相互通信和协作。该协议打破了孤立智能体系统之间的壁垒&#xff0c;实现了复杂的跨应用自动化。[1] A2A协议的核心目标是让不同的AI代理能够相互通信、安全地交换信息以及在各…
阅读更多...
活动图与流程图的区别与联系：深入理解两种建模工具

活动图与流程图的区别与联系：深入理解两种建模工具

目录 前言1. 活动图概述1.1 活动图的定义1.2 活动图的基本构成要素1.3 活动图的应用场景 2. 流程图概述2.1 流程图的定义2.2 流程图的基本构成要素2.3 流程图的应用场景 3. 活动图与流程图的联系4. 活动图与流程图的区别4.1 所属体系不同4.2 表达能力差异4.3 使用目的与语境4.4…
阅读更多...
图片文本识别OCR+DeepSeekapi实现提取图片关键信息

图片文本识别OCR+DeepSeekapi实现提取图片关键信息

用到的技术&#xff1a; 通过腾讯OCR文字识别&#xff0c;deepseek的api实现 目录 需求分析&#xff1a; 文字识别&#xff08;OCR&#xff09;具体实现步骤 起步工作 代码编写 deepseek整合消息&#xff0c;返回文本关键信息 起步工作 编写工具类 具体调用实现 具体…
阅读更多...
go 通过汇编分析函数传参与返回值机制

go 通过汇编分析函数传参与返回值机制

文章目录 概要一、前置知识二、汇编分析2.1、示例2.2、汇编2.2.1、 寄存器传值的汇编2.2.2、 栈内存传值的汇编 三、拓展3.1 了解go中的Duff’s Device3.2 go tool compile3.2 call 0x46dc70 & call 0x46dfda 概要 在上一篇文章中&#xff0c;我们研究了go函数调用时的栈布…
阅读更多...
推荐文章
最新文章

Copyright @ 2022~2023