纸上谈兵: 哈希表 (hash table)

  • 时间:
  • 浏览:3
  • 来源:极速快3_快3客户端下载_极速快3客户端下载

作者:Vamei 出处:http://www.cnblogs.com/vamei 欢迎转载,也请保留这段声明。谢谢!

HASH

哈希表(hash table)是从一个多 多集合A到从前集合B的映射(mapping)。映射是这些对应关系,因此集合A的某个元素越来越对应集合B中的一个多 多元素。但反过来,集合B中的一个多 多元素可能对应多个集合A中的元素。可能B中的元素越来越对应A中的一个多 多元素,从前的映射被称为一一映射。从前的对应关系在现实生活中很常见,比如:

-> B

-> 身份证号

日期 -> 星座

上面一个多 多映射中, -> 身份证号一一映射的关系。在哈希表中,上述对应过程称为hashing。A中元素a对应B中元素b,a被称为键值(key),b被称为a的hash值(hash value)

 韦小宝的hash值

映射在数学上共要一个多 多函数f(x):A->B。比如 f(x) = 3x + 2。哈希表的核心是一个多 多哈希函数(hash function),这些函数规定了集合A中的元素如保对应到集合B中的元素。比如:

A: 三位整数    hash(x) = x % 10    B: 一位整数

104                               4

876                               6

192                               2

上述对应中,哈希函数表示为hash(x) = x % 10。也可是我说,给一个多 多三位数,朋友取它的最后一位作为该三位数的hash值。

哈希表在计算机科学中应用广泛。比如:

Ethernet中的FCS:参看小喇叭开始广播 (以太网与WiFi协议)

IP协议中的checksum:参看我尽力 (IP协议详解)

git中的hash值:参看版本管理三国志

上述应用中,朋友用一个多 多hash值来代表键值。比如在git中,文件内容为键值,并用SHA算法作为hash function,将文件内容对应为固定长度的字符串(hash值)。可能文件内容地处变化,越来越所对应的字符串就会地处变化。git通过比较较短的hash值,就都才能 知道文件内容算是 地处变动。

再比如计算机的登陆密码,一般是一串字符。然而,为了安全起见,计算机不用直接保存该字符串,可是我保存该字符串的hash值(使用MD5、SHA可能一点算法作为hash函数)。当用户下次登陆的日后,输入密码字符串。可能该密码字符串的hash值与保存的hash值一致,越来越就认为用户输入了正确的密码。从前,就算黑客闯入了数据库中的密码记录,他能看得人的也可是我密码的hash值。上面所使用的hash函数有很好的单向性:越来越从hash值去推测键值。因此,黑客无法获知用户的密码。

(日后有报道多家网站用户密码泄露的时间,可是我可能哪几种网站存储明文密码,而都在hash值,见多家网站卷入CSDN泄密事件 明文密码成争议焦点)

注意,hash假如有一天求从A到B的对应为一个多 多映射,它并越来越限定该对应关系为一一映射。因此会有从前的可能:一个多 多不同的键值对应同一个多 多hash值。这些情况表叫做hash碰撞(hash collision)。比如网络协议中的checksum就可能老出 这些情况表,即所要校验的内容与原文从不同,但与原文生成的checksum(hash值)相同。再比如,MD5算法常用来计算密码的hash值。可能有实验表明,MD5算法有可能地处碰撞,也可是我不同的明文密码生成相同的hash值,这将给系统带来很大的安全漏洞。(参考hash collision)

HASH与搜索

hash表被广泛的用于搜索。设定集合A为搜索对象,集合B为存储位置,利用hash函数将搜索对象与存储位置对应起来。从前,朋友就都才能 通过一次hash,将对象所在位置找到。这些常见的情况表是,将集合B设定在数组下标。可能数组都才能 根据数组下标进行随机存取(random access,算法复杂度为1),一点一点搜索操作将取决于hash函数的复杂程度。

比如朋友以人名(字符串)为键值,以数组下标为hash值。每个数组元素中存储一个多 多多指针,指向记录 (另一个人名和电话号码)。

下面是一个多 多简单的hash函数:

#define HASHSIZE 807

/* By Vamei * hash function */ int hash(char *p) { int value=0; while((*p) != '\0') { value = value + (int) (*p); // convert char to int, and sum p++; } return (value % HASHSIZE); // won's exceed HASHSIZE }

hash value of "Vamei": 498

hash value of "Obama": 480

朋友都才能 建立一个多 多HASHSIZE大小的数组records,用于储存记录。HASHSIZE被选择为质数,以便hash值能更加均匀的分布。在搜索"Vamei"的记录时,都才能 经过hash,得到hash值498,再直接读取records[498],就都才能 读取记录了。

(666666是Obama的电话号码,111111是Vamei的电话号码。纯属杜撰,请勿当真)

hash搜索

可能不采用hash,而可是我在一个多 多数组中搜索语录,朋友需要依次访问每个记录,直到找到目标记录,算法复杂度为n。朋友都才能 考虑一下为哪几种会有从前的差别。数组真是都才能 随机读取,但数组下标是随机的,它与元素值越来越任何关系,一点一点朋友要逐次访问各个元素。通过hash函数,朋友限定了每个下标位置可能存储的元素。从前,朋友利用键值和hash函数,就都才能 具备相当的先验知识,来选择适当的下标进行搜索。在越来越hash碰撞的前提下,朋友只需要选择一次,就都才能 保证该下标指向的元素是朋友愿意 的元素。

冲突

hash函数需要补救hash冲突的现象。比如,上面的hash函数中,"Obama"和"Oaamb"有相同的hash值,地处冲突。朋友如保补救呢?

一个多 多方案是将地处冲突的记录用链表储存起来,让hash值指向该链表,这叫做open hashing:

open hashing

朋友在搜索的日后,先根据hash值找到链表,再根据key值遍历搜索链表,直到找到记录。朋友都才能 用一点数据形态代替链表。

open hashing需要使用指针。朋友有日后愿意 补救使用指针,以保持随机存储的优势,一点一点采用closed hashing的土方式来补救冲突。

closed hashing

这些情况表下,朋友将记录倒进数组。当有冲突老出 的日后,朋友将冲突记录倒进数组中依然闲置的位置,比如图中Obama被插入后,日后的Oaamb也被hash到480位置。但可能480被地处,Oaamb探测到下一个多 多闲置位置(通过将hash值加1),并记录。

closed hashing的关键在如保探测下一个多 多位置。上面是将hash值加1。但也都才能 有其它的土方式。概括的说,在第i次的日后,朋友应该探测POSITION(i)=(h(x) + f(i)) % HASHSIZE的位置。上面将hash值加1的土方式,就共要设定f(i) = 1当朋友在搜索的日后,就都才能 利用POSITION(i),依次探测记录可能老出 的位置,直到找到记录。

(f(i)的选择会带来不同的结果,这里不再深入)

可能数组比较满,越来越closed hashing需要进行一点次探测才能找到空位。从前将大大减小插入和搜索的下行传输速率 。这些情况表下,需要增大HASHSIZE,并将从前的记录倒进到新的比较大的数组中。从前的操作称为rehashing

总结

hash表,搜索

hash冲突, open hashing, closed hashing

欢迎继续阅读“纸上谈兵: 算法与数据形态”系列。