散列表介绍
概念
- 原始数据叫作 键（键值） 或 关键字（key） ；
- 将原始数据转化为数组下标的映射方法称为 散列函数（或“Hash 函数”“哈希函数”，hash function） ；
- 散列函数计算得到的值就叫作 散列值（或“Hash 值”“哈希值”，table）
散列表
散列表(Hash table) 也叫哈希表：根据键Key直接访问在内存存储位置的数据结构。
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，加快查找速度。这个映射函数称作 散列函数 ，存放记录的数组称为 散列表 。
散列函数
它就是一个函数。
把它定义为hash(key)，其中key表示元素的键值，hash(key)的值表示经过散列函数计算的到的散列值。
- 确定性： 如果两个散列值(同一个散列函数)不相同，那么两个散列值的原始输入也是不相同。
- 散列碰撞： 散列函数的输入和输出不是唯一对应关系，两个散列值相同，两个输入的值很可能是相同，也可能不同。
- 不可逆： 一个哈希值对应无数明文，但是你并不知道是哪个。
- 混淆特性： 输入一些数据计算出散列值，然后部分改变输入值，一个具有强混淆特性的散列函数会产生一个完全不同的散列值。
散列函数
MD5
MD5： 信息摘要算法5，用于确保信息传输完整一致。将数据运算为另一固定长度值，是杂凑算法的基础原理。
MD5: 输入不定长度信息，输出固定长度128-bits的算法，经过程序流程，生成4个32位数据，最后成为128-bits散列。
过程： 求余、取余、调整长度、与链接变量进行循环运算得出结果。
应用： 计算广泛用于检查错误，软件通过计算MD5来检验下载到的碎片完整性。
SHA-1
SHA-1： 安全散列算法1 是一种密码散列函数，SHA-1可以生成一个称为消息摘要的160位散列值，散列值通常呈现形式为40个十六进制数。
散列冲突
理想中的散列函数希望达到 如果 key1 ≠ key2，那 hash(key1) ≠ hash(key2)
事实，再好的散列函数也不能避免 散列冲突 ，比如10个苹果放在9个抽屉里，总有一个抽屉有两个苹果
对于散列表来说，无论存储区域(n)多大，当需要存储数据大于n时，必然会存在哈希值相同的情况。这就是所谓的 散列冲突
散列冲突解决方法
常用散列冲突方法有两类：
- 开放寻址法
- 链表法
开放寻址法
开放寻址法是一种解决碰撞的方法，对于开放寻址冲突解决方法，比较经典的有：
- 线性探测方法（Linear Probing）
- 二次探测（Quadratic probing）
- 双重散列（Double hashing）
1.线性探测方法
我们往散列表中插入数据时，如果某个数据经过散列函数散列之后，存储位置已经被占用了，我们就从当前位置开始，依次往后查找，看是否有空闲位置，直到找到为止。
弊端： 当散列表插入数据越来越多，散列冲突发生的可能性就会越来越大，空闲位置越来越少，线性探测的时间就会越久(依次往后查找)。极端情况下，需要从头到尾探测整个散列表，所以最坏情况下的时间复杂度为 O(n)。
2.二次探测方法
二次探测是二次方探测法的简称。顾名思义，使用二次探测进行探测的步长变成了原来的“二次方”，也就是说，它探测的下标序列为 hash(key)+0，hash(key)+1^2或[hash(key)-1^2]，hash(key)+2^2或[hash(key)-2^2]。
3.双重散列法
就是不仅使用一个散列函数，而是使用一组散列函数hash1(key)，hash2(key)，hash3(key)。。。。。，先用第一个散列函数，如果得到的存储位置被占用，再用第二个散列函数，依次类推，直到找到空闲存储位置。
总结
不管采用哪种探测方法，只要当散列表中空闲位置不多的时候，散列冲突的概率就会大大提高。为了尽可能保证散列表的操作效率，一般情况下，需要尽可能保证散列表中有一定比例的空闲槽位。
加载因子： 表示 Hsah 表中元素的填满的程度，若加载因子越大，则填满的元素越多,这样的好处是：空间利用率高了,但冲突的机会加大了。反之,加载因子越小,填满的元素越少,好处是冲突的机会减小了，但空间浪费多了。
链表法
更加常用的散列冲突解决办法，相比开放寻址法，它要简单很多。
在散列表中，每个位置对应一条链表，所有散列值相同的元素都放到相同位置对应的链表中。
- 插入：通过散列函数计算出对应的散列槽位，将其插入到对应链表中即可时间复杂度：O(1)。
- 查找、删除：需要遍历，时间复杂度跟链表的长度 k 成正比，也就是 O(k)
k = (数据个数)/槽的个数。
选择冲突的方法
1、开放寻址法
- 优点
- 易序列化
- 有效利用
CPU缓存加速查询速度（数据存储在数组中）
- 缺点
- 删除操作需要特殊标记已删除的数据
- 冲突代价高于链表法
- 场景
- 数据量比较小、装载因子小的时候
2、链表法
- 优点
- 内存的利用率比开放寻址法要高（链表结点可在需要时再创建）
- 对大的装载因子的容忍度更高（只要散列函数的值随机均匀，即使装载因子很大，虽查找效率会下降，但比顺序查找要快）
- 缺点
- 对于比较小的数据的存储，比较消耗内存(存储指针)
- 链表的结点不连续，对CPU缓存不友好，执行效率也有一定的影响
- 改进链表法
- 链表 ==》其他高效的动态数据结构（eg：跳表、红黑树）。
- 适用
- 适合存储大对象、大数据量的散列表，而且，比起开放寻址法，它更加灵活，支持更多的优化策略，比如用红黑树代替链表。
工业级散列表
分析对象：Java 中 HashMap
1、初始大小
- HashMap 默认初值为 16，可修改==》较少动态扩容次数，可提升HashMap的性能。
2、装载因子和动态扩容
- 最大装载因子默认为 0.75
- 当 HashMap 中元素个数超过 0.75 * capacity(capacity表示散列表的容量)时，就会启动扩容，每次扩容都会是原来的两倍大小。
3、散列冲突解决方法
- 采用链表法解决冲突。
- 即使负载因子和散列函数设计得再合理，也免不了会出现拉链过长的情况，一旦出现拉链过长，则会严重影响 HashMap 的性能。
- 优化（JDK1.8）：
- 当链表长度≥8，则链表转换为红黑树 进行快速增删改查 提升HashMap性能
- 当链表长度≤8，则红黑树转换为链表（数据量小时，红黑树要维护平衡，性能优势不明显）