来吧!一文彻底搞定数据结构之哈希表!

大数据 数据分析
“散列表(Hash table,也叫哈希表),是根据键(Key)而直接访问在内存存储位置的数据结构。也就是说,它通过计算一个关于键值的函数,将所需查询的数据映射到表中一个位置来访问记录,这加快了查找速度。这个映射函数称做散列函数,存放记录的数组称做散列表。

 [[325902]]

哈希表是个啥?

小白:庆哥,什么是哈希表?这个哈希好熟悉,记得好像有HashMap和HashTable之类的吧,这是一样的嘛?😊

庆哥: 这个哈希确实经常见😂,足以说明它是个使用非常频繁的玩意儿,而且像你说的HashMap和HashTable之类的与哈希这个词肯定是有关系的,那哈希是个啥玩意啊,这个咱们还是得先来搞明白啥是个哈希表。😎

我们看看百科解释吧:

“散列表(Hash table,也叫哈希表),是根据键(Key)而直接访问在内存存储位置的数据结构。也就是说,它通过计算一个关于键值的函数,将所需查询的数据映射到表中一个位置来访问记录,这加快了查找速度。这个映射函数称做散列函数,存放记录的数组称做散列表。

怎么样?看到这个,你知道哈希表是什么了嘛?

小白: 我之前是对哈希表一窍不通啊,不过看了这个百科的解释,我知道如下这些关于哈希表的简单知识点:

1、哈希表其实也叫散列表,两个是一个玩意,英文是Hash Table

2、哈希表是一个数据结构

这两个概念是比较清晰的,至于其他的说什么映射函数叫做散列函数,存放记录的数组叫做散列表这个就有点模糊了,尤其说存放记录的数组称为散列表,那意思是哈希表是个数组?🤣

庆哥: 首先你说的很清晰的两点说的是很准确的,哈希表也叫做散列表,这只不过是叫法而已,英文单词是Hash table,看到这个英文单词基本上就能猜到,哈希表其实就是直接根绝英文单词音译过来的,至此你应该知道了啥是哈希了吧,对于另外一点,那就很重要了,那就是哈希表其实是一种数据结构。

要知道数据结构有很多中,每一种都有各自的特点,那么哈希表既然也是一种数据结构,那它有什么特点呢?按照百科的解释,我们大致能知道:可以根据一个key值来直接访问数据,因此查找速度快

对了,你知道最基本的几个数据结构中,哪个的查询效率是最高的嘛?

小白: 据我所知,应该是数组吧,我们可以直接使用数组下标来访问数据,因此查询效率是很高滴😁

庆哥: 对,非常对,哈希表其实本质上就是一个数组 。

小白: 那为啥还叫哈希表呢?🤣,哈希表肯定有啥特别的吧,为啥本质上是一个数组呢?

哈希表本质是数组?

庆哥: 必须滴啊,哈希表本质上是个数组,只能说它的底层实现是用到了数组,简单点说,在数组的这个基础上再捯饬捯饬,加工加工,变得更加有特色了,然后人家就自立门户,叫哈希表😂

小白: 这是咋个回事啊🤣

庆哥: 为什么说哈希表的本质是个数组呢?那就得看看,哈希表是怎么来实现的了,一般来说啊,实现哈希表我们可以采用两种方法:

1、数组+链表

2、数组+二叉树

简单点就有这么两种方式,其实说白了,无论哪个都是必须有数组啊,都是再数组的基础上取搞其他的,而且比如第一种数组+链表的形式,本质上是出现哈希冲突的一种解决办法,使用链表存放,所以综合起来叫做数组+链表的方式来实现一个哈希表,另外数组中一般就是存放的单一的数据,而哈希表中存放的是一个键值对,这是个区别吧!

小白: 停!!!有点迷糊🤣,什么哈希冲突,什么玩意儿啊😂

庆哥: 🤪,好吧好吧,我说的有点着急了😂,你就记住,哈希表在本质上就是个数组就ok了。

小白: 可是我还是像知道为啥啊?🤣

庆哥: 别着急啊,咱慢慢来讲,另外在百科上有这么一个例子,可以帮助你更好的理解哈希表是个啥,它是这样说的:

 

怎么样?看的懂嘛?

小白: 反正是有点模糊,这其中提到的函数关系啊,关键字啊,散列函数还有什么函数法则的有点迷迷糊糊的🤣

哈希表的几个概念

啥是散列函数

庆哥: 确实,这都是哈希表中很重要的几个概念,那咱就先搞懂这几个概念吧,我用大白话给你说说这个例子。😎

比如说,我现在给你个电话本,上面记录的有姓名和对应的手机号,我想让你帮我找王二的手机号是多少,那么你会怎么做呢?

小白: 这样啊,那我就挨个找王二呗?😀

庆哥: 确实可以,那么你有没有想过,如果这个王二是在最后几页,那你去岂不是前面几页都白找了,有没有更快的方式呢?

小白: 也是哦,那这样的话,是不是可以按照人名给分个类,比如按照首字母来排序,就abcd那样的顺序,这样根据王二我就知道去找w这些,这样不久快很多了😁

庆哥: 的确,我们可以按照人名的首字母去弄一个表格,比如像这样:

 

你看,假如现在我让你去帮我找王二的手机号,你一下子就能找到,不用再挨个的去查找了,这效率就高的多了,那么现在重点来了,人家本来叫王二,你为啥用一个w来标记人家呢?让你找王二为啥你不直接找王二而是去找w呢?

小白: 这个?😅,用w可以更快速的去定位到王二啊😂

庆哥: 说的很对,我们取姓名的首字母作为一个标志,就可以很快的找到以这个字母开头的人名了,那么王二也就能更快的被我们找到,我们也不用再费力气去找什么张二和李二的,因为人家的名字首字母都不是w。

小白: 那必须啊,这个方法好吧😁

庆哥: 对对对,你说到点子上了,那就是方法二字,这里我们就是采用一种方法,什么方法呢?那就是取姓名的首字母做一个排序,那么这是不是就是通过一些特定的方法去得到一个特定的值,比如这里取人名的首字母,那么如果是放到数学中,是不是就是类似一个函数似的,给你一个值,经过某些加工得到另外一个值,就像这里的给你个人名,经过些许加工我们拿到首字母,那么这个函数或者是这个方法在哈希表中就叫做散列函数,其中规定的一些操作就叫做函数法则,这下你知道什么是散列函数了吧😎

小白: 嗯呢,这下真的是很清楚了,说白了,不就是给我一个值,经过捯饬一下,变成另外一个值吗?画个图的话就是这个样子:

 

哈哈,是不是这样?😂

庆哥: 简单来说就是这样滴😎,咋样,这下知道什么是散列函数了吧?

关键值key是啥?

小白: 这下知道了,很清楚😎,那这个关键字key是个啥玩意?

庆哥: 这个也好理解啊,就像你画的这个图,1是怎么得出来得,是不是根据未加工之前得101得出来得,这个加工过程其实就是个散列函数,而丢给它的这个101就是这个关键值啊,为啥叫它关键值嘞,那是因为我们要对它做加工才能得出我们想要的1啊,你说它关不关键😂

小白: 哦哦,原来是这样啊,这下就明白啦!对了,我现在有这样的一个理解,你看看对不对啊,那就是哈希表就是通过将关键值也就是key通过一个散列函数加工处理之后得到一个值,这个值就是数据存放的位置,我们就可以根据这个值快速的找到我们想要的数据,是不是这样啊?😂

庆哥: 说的很正确😎,那你现在对之前那个百科的例子懂了嘛?

小白: 嗯呢,这下懂了😀

庆哥: 嗯呢,那就好,其实吧,上面的那中情况并不好,为啥嘞?你想啊,王二在那个位置,如果再来个王三呢?人家的首字母也是w啊,这咋办,位置被王二占了,那王三咋办?这就是哈希冲突啊,撞衫啦🤣

小白: 阿西吧,又是哈希冲突,它到底似乎个啥玩意啊😂

庆哥: 不着急,咱们继续来探究哈希表。

再探哈希表

庆哥: 我们在之前已经知道了哈希表的本质其实是个数组,数组有啥特点啊?

小白: 数组嘛,那就是下表从0开始啊,连续的,直接通过下标访问,比如下面这样:

 

有一个数组a,我们可以直接通过a[1]的形式来访问到数值7,所以查询效率很高。

庆哥: 完全正确,那么哈希表本质上是个数组,那它跟这个类似吗?我们来再深入探究一下,首先看个图:

 

这张图可是信息量很大啊,你看出来个啥了嘛?

小白: 这个?我看到了哈希函数,这是啥?它跟散列函数有啥区别啊?还有Entry是个什么鬼😂,还有键值对🤣,蒙圈啊😥

哈希函数

庆哥: 别蒙圈啊,我来仔细跟你说说,其实这个哈希函数就是我们之前说的散列函数,为啥嘞?这就跟哈希表也叫做散列表一样啊,你叫作散列表的时候有个散列函数,那你叫哈希表的时候,也得有个哈希函数啊,这样才公平嘛😀,咋样,知道了吧?

小白: 我去,原来是这么回事啊🤣,那键值对跟Entry嘞?

键值对和Entry

庆哥: 这个可是值得好好说道说道,我们知道哈希表本质上是个数组,难道就跟数组的基本使用那样,存个数值,然后通过下表读取之类的嘛?当然不是啦,对于哈希表,它经常存放的是一些键值对的数据,啥是键值对啊,就是我们经常说的key-value啊,简单点说就是一个值对应另外一个值,比如a对应b,那么a就是key,b是value,哈希表存放的就是这样的键值对,在哈希表中是通过哈希函数将一个值映射到另外一个值的,所以在哈希表中,a映射到b,a就叫做键值,而b呢?就叫做a的哈希值,也就是hash值。

咋样,这块明白了嘛?

小白: 嗯嗯,明白的,庆哥继续!😎

庆哥: 那好,我们继续,键值对说的简单点就是有一个key和一个value对应着,比如这张图里的学生信息:

 

学生的学号和姓名就是一个键值对啊,根据这个学号就能找到这个学生的姓名,那啥是Entry嘞,我们都知道键值对,在很多语言中也许都有键值对,说白了就是个大众脸啊,咋弄,在咱jdk中可不能那么俗气,不能再叫键值对了,叫啥嘞,那就叫Entry吧😂

咋样,知道啥是键值对和Entry了吧!

小白: 必须滴啊,讲的那么生动😁,这张图感觉远不止如此啊,庆哥继续啊😜

哈希表如何存数据

庆哥: 好滴,那咱们就继续,来说说哈希表是如何存放数据的,记得看上面的图啊,我们按照这个图来说,我们已经知道了哈希表本质是个数组,所以这里有个数组,长度是8,现在我们要做的是把这个学生信息存放到哈希表中,也就是这个数组中去,那我们需要考虑怎么去存放呢?

这里的学号是个key,我们之前也知道了,哈希表就是根据key值来通过哈希函数计算得到一个值,这个值就是用来确定这个Entry要存放在哈希表中的位置的,实际上这个值就是一个下标值,来确定放在数组的哪个位置上。

比如这里的学号是101011,那么经过哈希函数的计算之后得到了1,这个1就是告诉我们应该把这个Entry放到哪个位置,这个1就是数组的确切位置的下标,也就是需要放在数组中下表为1的位置,如图中所示。

我们之前已经介绍过什么是Entry了,所以这里你要知道,数组中1的位置存放的是一个Entry,它不是一个简单的单个数值,而是一个键值对,也就是存放了key和value,key就是学号101011,value就是张三,我们经过哈希函数计算得出的1只是为了确定这个Entry该放在哪个位置而已。

现在我们就成功把这个Entry放到了哈希表中了,怎么样,这块听懂了嘛?

小白: 嗯嗯,听懂了,不过看到这里我产生了一个疑问,那就是这个哈希函数,是不是有一个特定的加工过程,比如可以经过某种计算把101011转换成1,那么有没有可能其他的学号经过哈希函数的计算也得出1呢?那这个时候是不是就撞衫啦😂

哈希冲突

庆哥: 的确,你分析得很正确,我们再来看下面这张图:

 

你说的这种情况就像图中展示的那样,学号为102011的李四,他的学号经过哈希函数的计算也得出了1,那么也要放到数组中为1的位置,可是这个位置之前已经被张三占了啊,这怎么办?这种情况就是哈希冲突或者也叫哈希碰撞。

既然出现了这情况,不能不管李四啊,总得给他找个位置啊,怎么找呢?

小白: 我猜肯定有什么方法可以给李四找位置🤣

处理哈希冲突

庆哥: 那必须滴啊😄,有什么方法呢?其实关于哈希冲突的解决办法有好几种嘞,但是我这里只介绍两种主要的方法,一个是开放寻址法,一个是拉链法。

那什么是开放寻址法呢?我们继续来看图:

 

我觉得看图就足以说明问题了,这里所说的开放寻址法其实简单来说就是,既然位置被占了,那就另外再找个位置不就得了,怎么找其他的位置呢?这里其实也有很多的实现,我们说个最基本的就是既然当前位置被占用了,我们就看看该位置的后一个位置是否可用,也就是1的位置被占用了,我们就看看2的位置,如果没有被占用,那就放到这里呗,当然,也有可能2的位置也被占用了,那咱就继续往下找,看看3的位置,一次类推,直到找到空位置。

对了,Java中的ThreadLocal就是利用了开放寻址法。

小白: 啥是ThreadLocal啊😂

庆哥: 咋滴,你不知道啊,没事,给你一篇文章,看了包装你再也不学ThreadLocal了,因为看完这篇,你就再也忘不掉啦,链接直达,走起:再也不学ThreadLocal了,看这一篇就忘不掉了!(万字总结)

小白: 嗯嗯,我会好好看看的。那什么是拉链法啊?

庆哥: 拉链法也是比较常用的,像之前你说的HashMap就是使用了这种方法,那这个方法是怎么个回事呢?我们继续来看图:

 

之前说的开放寻址法采用的方式是在数组上另外找个新位置,而拉链法则不同,还是在该位置,可是,该位置被占用了咋整,总不能打一架,谁赢是谁的吧😂,当然不是这样,这里采用的是链表,什么意思呢?就像图中所示,现在张三和李四都要放在1找个位置上,但是张三先来的,已经占了这个位置,待在了这个位置上了,那李四呢?解决办法就是链表,这时候这个1的位置存放的不单单是之前的那个Entry了,此时的Entry还额外的保存了一个next指针,这个指针指向数组外的另外一个位置,将李四安排在这里,然后张三那个Entry中的next指针就指向李四的这个位置,也就是保存的这个位置的内存地址,如果还有冲突,那就把又冲突的那个Entry放在一个新位置上,然后李四的Entry中的next指向它,这样就形成了一个链表。

好啦,这就是拉链法,咋样,明白不😎

小白: 信息量不少啊,好在庆哥讲的比较清楚,明白啦😀

庆哥: 明白了就好,那我问你一个问题啊,针对开放寻址和拉链法,你有没有觉得会产生什么问题呢?

小白: 嗯嗯,我还真有问题,首先是这个拉链法啊,如果冲突的很多,那这个增加的链表岂不是很长,这样也不咋好吧😂

庆哥: 的确,如果冲突过多的话,这块的链表会变得比较长,怎么处理呢?这里举个例子吧,拿java集合类中的HashMap来说吧,如果这里的链表长度大于等于8的话,链表就会转换成树结构,当然如果长度小于等于6的话,就会还原链表。以此来解决链表过长导致的性能问题。

小白: 为啥是小于等于6啊,咋不是7嘞😂

庆哥: 这样设计是因为中间有个7作为一个差值,来避免频繁的进行树和链表的转换,因为转换频繁也是影响性能的啊。

小白: 嗯嗯,这个知道了,关于开放寻址也有个疑问,那就是如果一直找不到空的位置咋整啊?🤣

庆哥: 这个不会的,为啥嘞?你这样想,是因为你考虑了一个前提,那就是位置已经被占光了,没有空位置了,但是实际情况是位置不会被占光的,因为有一定量的位置被占了的时候就会发生扩容。

小白: 阿西吧,还有扩容,那这个扩容是咋回事呢?

哈希表的扩容

庆哥: 其实这里不仅仅是因为你说的那种情况才会扩容,还有一个很重要的原因就是当哈希表被占的位置比较多的时候,出现哈希冲突的概率也就变高了,所以很有必要进行扩容。

那么这个扩容是怎么扩的呢?这里一般会有一个增长因子的概念,也叫作负载因子,简单点说就是已经被占的位置与总位置的一个百分比,比如一共十个位置,现在已经占了七个位置,就触发了扩容机制,因为它的增长因子是0.7,也就是达到了总位置的百分之七十就需要扩容。

还拿HashMap来说,当它当前的容量占总容量的百分之七十五的时候就需要扩容了。

而且这个扩容也不是简单的把数组扩大,而是新创建一个数组是原来的2倍,然后把原数组的所有Entry都重新Hash一遍放到新的数组。

小白: 这个重新Hash一遍是啥意思啊?

庆哥: 因为数组扩大了,所以一般哈希函数也会有变化,这里的Hash也就是把之前的数据通过新的哈希函数计算出新的位置来存放。

小白: 嗯嗯,原来是这么回事啊,懂了,对了,那哈希表的数据读取怎么操作的啊?

哈希表如何读取数据

庆哥: 要知道这个读取操作,我们还来看这个图:

 

比如我们现在要通过学号102011来查找学生的姓名,怎么操作呢?我们首先通过学号利用哈希函数得出位置1,然后我们就去位置1拿数据啊,拿到这个Entry之后我们得看看这个Entry的key是不是我们的学号102011,一看是101011,什么鬼,一边去,这不是我们要的key啊,然后根据这个Entry的next知道下一给位置,在比较key,好成功找到李四。

小白: 哦哦,原来是这么回事啊,那对于开放寻址那种是不是也是这个思路,先确定到这个位置,然后再看这个位置上的key是不是我们要的,如过不是那就看看下一个位置的。

庆哥: 可以的,完全正确,好了现在我们对哈希表的讲解已经差不多了,那么你觉得对于哈希表而言,什么是核心呢?

哈希函数是核心

小白: 我觉得应该是哈希函数吧,经过上面的讲解,我觉得,如果一个哈希函数设计的足够好的话,就会减少哈希冲突的概率,如果设计的不好,那就会经常撞衫😂,那就很影响性能了,比如刚开始我们举的那个例子,拿姓名的首字母来确定位置,这个哈希函数的设计就不咋滴,比如王二,王三,王四什么的,这都会冲突啊😂

庆哥: 的确,在哈希表中,哈希函数的设计很重要,一个好的哈希函数可以极大的提升性能,而且如果你的哈希函数设计的比较简单粗陋,那很容易被那些不怀好意的人捣乱,比如知道了你哈希函数的规则,故意制造容易冲突的key值,那就有意思了,你的哈希表就会一直撞啊,一直撞啊😂

小白: 哈哈😂,那设计哈希函数有什么方法吗?

庆哥: 必须有啊,比如有直接定址法,数字分析法,折叠法,随机数法和除留余数法等等,要不要继续讲啊😀

小白: 我去🤣,还是不要了吧,消化不了啊,这次先到这吧,谢谢庆哥😘

 

责任编辑:武晓燕 来源: 编码之外
相关推荐

2021-08-31 07:02:34

数据响应Vue侦测数据变化

2021-08-31 07:02:20

Diff算法DOM

2021-04-19 17:32:34

Java内存模型

2021-04-02 06:17:10

大数加减乘除数据结构算法

2019-09-27 08:53:47

Redis数据C语言

2019-09-03 10:40:23

数据结构HTML编程

2021-03-17 09:27:36

Java数据结构算法

2023-11-08 07:56:38

单链表双链表

2020-05-20 09:55:42

Git底层数据

2024-01-09 08:24:47

JMM核心线程

2021-03-28 18:40:02

LinuxWindowsJava

2021-10-25 16:01:01

Linux设备树字符串

2021-08-13 05:50:01

ContainerdDockerKubernetes

2021-06-30 08:45:02

内存管理面试

2023-10-27 08:15:45

2022-06-07 10:13:22

前端沙箱对象

2020-03-18 14:00:47

MySQL分区数据库

2020-09-18 09:13:46

数据结构元素

2022-08-17 18:25:37

Java分布式搜索引擎

2019-08-27 14:46:59

ElasticSearES数据库
点赞
收藏

51CTO技术栈公众号