文章目录
- unordered
- unordered系列关联式容器
- unordered_map和unordered_set概述
- unordered_map的文档介绍
- unordered_map的接口说明
- 底层结构
- 哈希
- 哈希/散列表 概念
- 哈希冲突
- 哈希函数
- 哈希函数设计原则:
- 常见哈希函数
- 哈希冲突解决
- 闭散列
- 线性探测
- 二次探测
- 开散列
- 哈希表的代码实现
- 闭散列法/开放定址法
- 大致框架:
- insert()
- 扩容
- 扩容的传统写法
- 扩容的现代写法
- insert代码
- find()
- erase
- 开放定址法总代码
- 开散列法/链地址法/开链法
- 基本框架
- Find写法
- Erase写法
- Insert写法
- 链地址法总代码
unordered
unordered系列关联式容器
在C++98中,STL提供了底层为红黑树结构的一系列关联式容器,在查询时效率可达到
l
o
g
2
N
log_2 N
log2N,即最差情况下需要比较红黑树的高度次,当树中的节点非常多时,查询效率也不理想。最好的查询是,进行很少的比较次数就能够将元素找到,因此在C++11中,STL又提供了4个unordered
系列的关联式容器,这四个容器与红黑树结构的关联式容器使用方式基本类似,只是其底层结构不同
还有俩:unordered_multimap
/unordered_multiset
,本文不做介绍
unordered_map和unordered_set概述
底层是哈希表,迭代器遍历是无序的,是单向迭代器
其他的用法和map,set没有什么区别
unordered_map的文档介绍
- unordered_map是存储<key, value>键值对的关联式容器,其允许通过keys快速的索引到与其对应的value。
- 在unordered_map中,键值通常用于唯一地标识元素,而映射值是一个对象,其内容与此键关联。键和映射值的类型可能不同。
- 在内部,unordered_map没有对<kye, value>按照任何特定的顺序排序, 为了能在常数范围内找到key所对应的value,unordered_map将相同哈希值的键值对放在相同的桶中。
- unordered_map容器通过key访问单个元素要比map快,但它通常在遍历元素子集的范围迭代方面效率较低。
- unordered_maps实现了直接访问操作符(operator[]),它允许使用key作为参数直接访问value。
- 它的迭代器至少是前向迭代器。
unordered_map的接口说明
函数声明 | 功能介绍 |
---|---|
bool empty()const | 检测是否为空 |
size_t size()const | 获取有效元素个数 |
begin | 返回第一个元素的迭代器 |
end | 返回最后一个元素的下一个位置的迭代器 |
cbegin | 返回第一个元素的const迭代器 |
cend | 返回最后一个元素的下一个位置的const迭代器 |
operator[] | 返回与key对应的value,没有一个默认值 |
iterator find(const K& key) | 返回key在哈希桶中的位置 |
size_t count(const K& key) | 返回哈希桶中关键码伪key的键值对的个数 |
insert | 向容器中插入键值对 |
erase | 删除容器中的键值对 |
void clear() | 清空容器中有效元素个数 |
void swap(unordered_map &) | 交换两个容器中的元素 |
size_t bucket_count()const | 返回哈希桶中桶的总个数 |
size_t bucket_size(size_t n)const | 返回n号桶中有效元素的总个数 |
size_t bucket(const K& key) | 返回元素key所在的桶号 |
底层结构
unordered系列的关联式容器之所以效率比较高,是因为其底层使用了哈希结构。
哈希
哈希/散列表 概念
简单来说:key和存储位置建立一个对应关系
顺序结构以及平衡树中,元素关键码与其存储位置之间没有对应的关系,因此在查找一个元素时,必须要经过关键码的多次比较。顺序查找时间复杂度为O(N),平衡树中为树的高度,即O(
l
o
g
2
N
log_2 N
log2N),搜索的效率取决于搜索过程中元素的比较次数。
理想的搜索方法:可以不经过任何比较,一次直接从表中得到要搜索的元素。
如果构造一种存储结构,通过某种函数(hashFunc)使元素的存储位置与它的关键码之间能够建立一一映射的关系,那么在查找时通过该函数可以很快找到该元素.
当向该结构中:
- 插入元素:
根据待插入元素的关键码,以此函数计算出该元素的存储位置并按此位置进行存放 - 搜索元素:
对元素的关键码进行同样的计算,把求得的函数值当做元素的存储位置,在结构中按此位置取元素比较,若关键码相等,则搜索成功
该方式即为哈希(散列)方法,哈希方法中使用的转换函数称为哈希(散列)函数,构造出来的结构称为哈希表(Hash Table)(或者称散列表)
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
用该方法进行搜索不必进行多次关键码的比较,因此搜索的速度比较快
问题:按照上述哈希方式,向集合中插入元素44,会出现什么问题?
会出现哈希冲突!
哈希冲突
对于两个数据元素的关键字
k
i
k_i
ki和
k
j
k_j
kj(i != j),有
k
i
k_i
ki !=
k
j
k_j
kj,但有:Hash(
k
i
k_i
ki) == Hash(
k
j
k_j
kj),即:不同关键字通过相同哈希哈数计算出相同的哈希地址,该种现象称为哈希冲突或哈希碰撞
把具有不同关键码而具有相同哈希地址的数据元素称为“同义词”
哈希冲突只能尽可能避免,很难完全解决:
- 设置更好的哈希函数,减少冲突
- 设置更好的解决冲突的方式
哈希函数
引起哈希冲突的一个原因可能是: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个地址时,其值域必须在0到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
- 哈希函数应该比较简单
常见哈希函数
-
直接定址法–(常用)
取关键字的某个线性函数为散列地址:Hash(Key)= A*Key + B
优点:简单、均匀
缺点:需要事先知道关键字的分布情况
使用场景:适合查找比较小且连续的情况 -
除留余数法–(常用)
设散列表中允许的地址数为m,取一个不大于m,但最接近或者等于m的质数p作为除数,按照哈希函数:Hash(key) = key% p(p<=m)
,将关键码转换成哈希地址 -
平方取中法–(了解)
假设关键字为1234,对它平方就是1522756,抽取中间的3位227作为哈希地址;再比如关键字为4321,对它平方就是18671041,抽取中间的3位671(或710)作为哈希地址
平方取中法比较适合:不知道关键字的分布,而位数又不是很大的情况 -
折叠法–(了解)
折叠法是将关键字从左到右分割成位数相等的几部分(最后一部分位数可以短些),然后将这几部分叠加求和,并按散列表表长,取后几位作为散列地址。
折叠法适合事先不需要知道关键字的分布,适合关键字位数比较多的情况 -
随机数法–(了解)
选择一个随机函数,取关键字的随机函数值为它的哈希地址,即H(key) = random(key),其中
random为随机数函数。
通常应用于关键字长度不等时采用此法 -
数学分析法–(了解)
设有n个d位数,每一位可能有r种不同的符号,这r种不同的符号在各位上出现的频率不一定
相同,可能在某些位上分布比较均匀,每种符号出现的机会均等,在某些位上分布不均匀只
有某几种符号经常出现。可根据散列表的大小,选择其中各种符号分布均匀的若干位作为散
列地址。例如:
假设要存储某家公司员工登记表,如果用手机号作为关键字,那么极有可能前7位都是相同的,那么我们可以选择后面的四位作为散列地址,如果这样的抽取工作还容易出现 冲突,还可以对抽取出来的数字进行反转(如1234改成4321)、右环位移(如1234改成4123)、左环移位、前两数与后两数叠加(如1234改成12+34=46)等方法
数字分析法通常适合处理关键字位数比较大的情况,并且事先知道关键字的分布且关键字的若干位分布较均匀的情况
注意:哈希函数设计的越精妙,产生哈希冲突的可能性就越低,但是无法避免哈希冲突
哈希冲突解决
解决哈希冲突两种常见的方法是:闭散列和开散列
闭散列
闭散列:也叫开放定址法,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。那如何寻找下一个空位置呢?
线性探测
比如2.1中的场景,现在需要插入元素44,先通过哈希函数计算哈希地址,hashAddr为4,因此44理论上应该插在该位置,但是该位置已经放了值为4的元素,即发生哈希冲突。
线性探测: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。
- 插入
通过哈希函数获取待插入元素在哈希表中的位置
如果该位置中没有元素则直接插入新元素,如果该位置中有元素发生哈希冲突,
使用线性探测找到下一个空位置,插入新元素 - 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他元素的搜索。比如删除元素4,如果直接删除掉,44查找起来可能会受影响。因此线性探测采用标记的伪删除法来删除一个元素。
我们查找是一直查到表为空为止,如果使用真删除的方法,就会导致还没有查找完就提前结束了
// 哈希表每个空间给个标记
// EMPTY此位置空, EXIST此位置已经有元素, DELETE元素已经删除
enum State
{
EMPTY,
EXIST,
DELETE
};
线性探测优点:实现非常简单,
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”,即:不同关键码占据了可利用的空位置,使得寻找某关键码的位置需要许多次比较,导致搜索效率降低。我们可以使用’二次探测’等方法缓解
二次探测
线性探测的缺陷是产生冲突的数据堆积在一块,这与其找下一个空位置有关系,因为找空位置的方式就是挨着往后逐个去找,因此二次探测为了避免该问题,找下一个空位置的方法为:
H
i
H_i
Hi = (
H
0
H_0
H0 +
i
2
i^2
i2 )% m, 或者:
H
i
H_i
Hi = (
H
0
H_0
H0 -
i
2
i^2
i2 )% m。其中:i = 1,2,3…,
H
0
H_0
H0是通过散列函数Hash(x)对元素的关键码 key 进行计算得到的位置,m是表的大小。
对于2.1中如果要插入44,产生冲突,使用解决后的情况为
研究表明:当表的长度为质数且表装载因子a不超过0.5时,新的表项一定能够插入,而且任何一个位置都不会被探查两次。因此只要表中有一半的空位置,就不会存在表满的问题。在搜索时可以不考虑表装满的情况,但在插入时必须确保表的装载因子a不超过0.5,如果超出必须考虑增容
因此:散列最大的缺陷就是空间利用率比较低,这也是哈希的缺陷
开散列
- 开散列概念
开散列法又叫链地址法(开链法),首先对关键码集合用散列函数计算散列地址,具有相同地址的关键码归于同一子集合,每一个子集合称为一个桶,各个桶中的元素通过一个单链表链接起来,各链表的头结点存储在哈希表中
从上图可以看出,开散列中每个桶中放的都是发生哈希冲突的元素
哈希表的代码实现
闭散列法/开放定址法
大致框架:
#define _CRT_SECURE_NO_WARNINGS 1
#pragma once
#include<vector>
namespace OpenAdress
{
enum State//设置节点的三种状态-伪删除法
{
EMPTY,
EXIST,
DELETE
};
template<class K, class V>
struct HashData//存放节点数据和状态
{
pair<K, V> _kv;
State _state = EMPTY;
};
template<class K, class V>
class HashTable
{
public:
bool insert(const pair<K, V>& kv)
{
}
HashData<K, V>* Find(const K& key)
{
}
bool Erase(const K& key)
{
}
private:
vector<HashData<K, V>> _tables;//哈希表依赖于vector
size_t _n = 0;//存储的有效数据个数,默认为0,一定要加这个默认值
};
}
insert()
扩容
插入会涉及到扩容
扩容会有一个负载因子
的概念
扩容的传统写法
//此处我们设置负载因子不超过0.7
//检查负载因子,看是否需要扩容
//这里乘十是因为整形除以整形还是整形,会导致死循环
//也可以强制类型转换: if((double)_n / (double) _tables.size() >= 0.7)
if (_tables.size() == 0 || 10 * (_n) / _tables.size() >= 7)
{
//第一种方法:遍历旧表,重新映射到新表
//扩容的时候一定要考虑size为0的情况,否则会死循环
size_t newsize = _tables.size() == 0 ? 10 : _tables.size() * 2;
vector<HashData<K, V>> newtables;//创建新表
//遍历旧表,重新映射:
for (auto& data : _tables)
{
if (data._state == EXIST)
{
size_t i = 1;
//计算hashi
size_t hashi = data._kv.first % newtables.size();
size_t index = hashi;
while (newtables[index]._state == EXIST)
{
index = hashi + i;
//这里是防止一直没有找到
index %= newtables.size();
++i;
}
newtable[index]._kv = data._kv;
newtable[index]._state = EXIST;
}
}
}
扩容的现代写法
我们可以复用insert
if (_tables.size() == 0 || 10 * (_n) / _tables.size() >= 7)
{
size_t newsize = _tables.size() == 0 ? 10 : _tables.size() * 2;
HashTable<K, V> newht;
newht._tables.resize(newsize);
for (auto& data : _tables)//这里遍历的是每一个节点!
{
if (data._state == EXIST)
{
newht.insert(data._kv);
}
}
_tables.swap(newht._tables);
}
insert代码
bool insert(const pair<K, V>& kv)
{
if (Find(kv.first))
{
return false;
}
if (_tables.size() == 0 || 10 * (_n) / _tables.size() >= 7)
{
size_t newsize = _tables.size() == 0 ? 10 : _tables.size() * 2;
HashTable<K, V> newht;
newht._tables.resize(newsize);
for (auto& data : _tables)
{
if (data._state == EXIST)
{
newht.insert(data._kv);
}
}
_tables.swap(newht._tables);
}
size_t hashi = kv.first % _tables.size();
size_t i = 1;
size_t index = hashi;
while (_tables[index]._state == EXIST)
{
index = hashi + i;
index = index % _tables.size();
++i;
}
_tables[index]._kv = kv;
_tables[index]._state = EXIST;
++_n;
return true;
}
find()
HashData<K, V>* Find(const K& key)
{
if (_tables.size() == 0)
{
return nullptr;
}
size_t hashi = key % _tables.size();
size_t i = 1;
size_t index = hashi;
while (_tables[index]._state != EMPTY)
{
if (_tables[index]._state == EXIST && _tables[index]._kv.first == key)
{
return _tables[index]._kv;
}
index = hashi + i;
index %= _tables.size();
++i;
//如果已经找了一圈,那么说明全是存在+删除
if (index == hashi)
{
break;
}
}
return nullptr;
}
erase
bool Erase(const K& key)
{
//先找到key对应的地址
HashData<K, V>* ret = Find(key);
if (ret)
{
ret->_state = DELETE;
--_n;
return true;
}
else
{
return false;
}
}
简单来说,就是通过find找到KV地址,然后修改状态,_n--
即可
开放定址法总代码
#define _CRT_SECURE_NO_WARNINGS 1
#pragma once
#include<vector>
namespace OpenAdress
{
enum State//设置节点的三种状态-伪删除法
{
EMPTY,
EXIST,
DELETE
};
template<class K, class V>
struct HashData//存放节点数据和状态
{
pair<K, V> _kv;
State _state = EMPTY;
};
template<class K, class V>
class HashTable
{
public:
bool insert(const pair<K, V>& kv)
{
//如果插入的数据已经存在,则返回false
if (Find(kv.first))//找到了
{
return false;
}
//检查负载因子(我们这里设置为0.7),看是否需要扩容
//这里乘十是因为整形除以整形还是整形,会导致死循环
//if((double)_n / (double) _tables.size() >= 0.7)
if (_tables.size() == 0 || 10 * (_n) / _tables.size() >= 7)
{
size_t newsize = _tables.size() == 0 ? 10 : _tables.size() * 2;
HashTable<K, V> newht;
newht._tables.resize(newsize);
//遍历旧表,重新得到新表
for (auto& data : _tables)
{
if (data._state == EXIST)
{
newht.insert(data._kv);
}
}
_tables.swap(newht._tables);
}
size_t hashi = kv.first % _tables.size();
//线性探测
size_t i = 1;
size_t index = hashi;
while (_tables[index]._state == EXIST)
{
index = hashi + i;
index = index % _tables.size();
++i;
}
_tables[index]._kv = kv;
_tables[index]._state = EXIST;
++_n;
return true;
}
HashData<K, V>* Find(const K& key)
{
if (_tables.size() == 0)
{
return nullptr;
}
size_t hashi = key % _tables.size();
size_t i = 1;
size_t index = hashi;
while (_tables[index]._state != EMPTY)
{
if (_tables[index]._state == EXIST && _tables[index]._kv.first == key)
{
return _tables[index]._kv;
}
index = hashi + i;
index %= _tables.size();
++i;
//如果已经找了一圈,那么说明全是存在+删除
if (index == hashi)
{
break;
}
}
return nullptr;
}
bool Erase(const K& key)
{
//先找到key对应的地址
HashData<K, V>* ret = Find(key);
if (ret)
{
ret->_state = DELETE;
--_n;
return true;
}
else
{
return false;
}
}
private:
vector<HashData<K, V>> _tables;//哈希表依赖于vector
size_t _n = 0;//存储的有效数据个数,默认为0,一定要加这个默认值
};
}
开散列法/链地址法/开链法
基本框架
namespace HashBucket
{
template<class K, class V>
struct HashNode
{
HashNode<K, V>* _next;
pair<K, V> _kv;
//写一个默认构造,后面会用到
HashNode(const pair<K, V>& kv)
:_next(nullptr),
kv(_kv)
{}
};
template<class K, class V>
class HashTable
{
typedef HashNode<K,V> Node;
public:
~HashTable()
{
for (auto& cur : _tables)
{
while (cur)
{
Node* next = cur->next;
delete cur;
cur = next;
}
cur = nullptr;
}
}
Node* Find(const K& key)
{
}
bool Erase(const K& key)
{
}
bool insert(const pair<K, V>& kv)
{
}
private:
vector<Node*> _tables;
size_t _n = 0;
};
}
Find写法
Node* Find(const K& key)
{
if (_tables.size() == 0)
{
return nullptr;
}
size_t hashi = key % _tables.size();
Node* cur = _tables[hashi];
while (cur)
{
if (cur._kv.first == key)
{
return cur;
}
cur = cur->_next;
}
return nullptr;
}
Erase写法
bool Erase(const K& key)
{
if (_tables.size() == 0)
{
return false;
}
size_t hashi = key % _tables.size();
Node* cur = _tables[hashi];
Node* prev = nullptr;
while (cur)
{
if (cur._kv.first == key)
{
if (prev == nullptr)
{
_tables[hashi] = cur->_next;
}
else
{
prev->_next = cur->_next;
}
delete cur;
return true;
}
else
{
prev = cur;
cur = cur->_next;
}
}
return false;
}
Insert写法
bool insert(const pair<K, V>& kv)
{
if (_tables.size() == 0)
{
return false;
}
//负载因子为1时扩容
if (_n == _tables.size())
{
size_t newsize = _tables.size() == 0 ? 10 : _tables.size() * 2;
//记得全部置为nullptr!
vector<Node*> newtables(newsize, nullptr);
for (auto& cur : _tables)
{
while (cur)
{
Node* next = cur->next;
size_t hashi = cur._kv.first % newtables.size();
//头插到新表
cur->next = newtables[hashi];
newtables[hashi] = cur;
cur = next;
}
}
_tables.swap(newtables);
}
}
链地址法总代码
namespace HashBucket
{
template<class K, class V>
struct HashNode
{
HashNode<K, V>* _next;
pair<K, V> _kv;
//写一个默认构造,后面会用到
HashNode(const pair<K, V>& kv)
:_next(nullptr),
kv(_kv)
{}
};
template<class K, class V>
class HashTable
{
typedef HashNode<K,V> Node;
public:
~HashTable()
{
for (auto& cur : _tables)
{
while (cur)
{
Node* next = cur->next;
delete cur;
cur = next;
}
cur = nullptr;
}
}
Node* Find(const K& key)
{
if (_tables.size() == 0)
{
return nullptr;
}
size_t hashi = key % _tables.size();
Node* cur = _tables[hashi];
while (cur)
{
if (cur._kv.first == key)
{
return cur;
}
cur = cur->_next;
}
return nullptr;
}
bool Erase(const K& key)
{
if (_tables.size() == 0)
{
return false;
}
size_t hashi = key % _tables.size();
Node* cur = _tables[hashi];
Node* prev = nullptr;
while (cur)
{
if (cur._kv.first == key)
{
if (prev == nullptr)
{
_tables[hashi] = cur->_next;
}
else
{
prev->_next = cur->_next;
}
delete cur;
return true;
}
else
{
prev = cur;
cur = cur->_next;
}
}
return false;
}
bool insert(const pair<K, V>& kv)
{
if (_tables.size() == 0)
{
return false;
}
//负载因子为1时扩容
if (_n == _tables.size())
{
size_t newsize = _tables.size() == 0 ? 10 : _tables.size() * 2;
//记得全部置为nullptr!
vector<Node*> newtables(newsize, nullptr);
for (auto& cur : _tables)
{
while (cur)
{
Node* next = cur->next;
size_t hashi = cur._kv.first % newtables.size();
//头插到新表
cur->next = newtables[hashi];
newtables[hashi] = cur;
cur = next;
}
}
_tables.swap(newtables);
}
}
private:
vector<Node*> _tables;
size_t _n = 0;
};
}