数据结构与算法系列二十二（散列冲突）

1.考考你

这是咱们分享散列表的第三篇，在第一篇中咱们分享了散列表的基础原理和HashMap应用，在第二篇中咱们分享了散列函数。你都还记得吗？那么这一篇一块儿来分享：散列冲突、以及散列冲突的解决方法。

#考考你：
1.你还记得什么是散列冲突吗？
2.你知道什么是开放寻址法吗？
3.你知道什么是拉链法吗？

2.案例

2.1.散列冲突

咱们说散列表数据结构，是数组的一种扩展，利用了数组支持按照下标随机访问的特性。那么这里就有一个讲究：如何把散列表的key，与数组的下标创建起对应关系。这里咱们须要一个散列函数，即：hash(key)。以下图示：

那要如何设计散列函数呢？有三个基本原则：

#设计散列函数基本原则：
1.经过散列函数，计算出的散列值，一定是非负整数
2.若是key1 = key2，那么一定hash(key1) = hash(key2)
3.若是key1 != key2，那么尽可能hasy(key1) != hash(key2)

第一条与第二条，咱们在上一篇散列函数中有详细解释，也很好理解，这里咱们就只看第三条。关键在这里：若是key1 != key2，那么尽可能hasy(key1) != hash(key2)。

你有没有发现，我用了两个字：尽可能。其实在心里咱们是多么渴望：若是key不一样，那么计算出的散列值就必定不一样。可是很难办到，或者就说办不到。即使是业界知名的MD五、SHA哈希算法，也存在散列冲突。

所以，咱们默认接受了散列冲突的存在。固然你也不一样担忧，针对散列冲突有相应的解决办法：开放寻址法、拉链法。

2.2.开放寻址法

什么是开放寻址法呢？

咱们先看一个图，而后再经过文字描述，相信你就能够明白了。

看图：

说话：

#开放寻址法思想：
1.假设有一个散列表，散列表容量是：7
2.如上图示，填充了蓝色的块，表示已经存储了数据
3.未填充颜色的块，表示空闲

4.如今有一个元素：a，须要存储到散列中
5.a元素经过散列函数hash(key)，计算出散列值对应数组下标：5的位置
6.数组下标5的位置，已经填充了蓝色块（已经存有数据）
7.那么咱们说：这就是散列冲突（不一样的key，散列函数计算出了相同的散列值）

8.既然下标5的位置已经存储了其余数据，那a元素该如何处理呢？
9.咱们只须要向前看，好比说看6的位置
10.6的位置也不巧，也存储了数据
11.并且6是数组的最后一个下标位置，如何继续向前呢？
12.咱们能够从头再来，从0号位置开始看，0的位置也不巧，也存储了数据
13.那1的位置呢？恰好1的位置没有填充颜色，是空闲
14.因而将元素a，存储在下标1的位置

15.这就是整个开放寻址法的思想，很简单有没有？
16.可是你可能会发现开放寻址法有一个弊端：
   16.1.若是散列表中，空闲位置比较少，那么散列冲突的几率就会很大
   16.2.这个时候开放寻址法的效率就会很低
   16.3.所以开放寻址法，只适合于散列表规模小，散列元素少的场景

2.3.拉链法

什么是拉链法呢？

咱们仍是看一个图，而后再经过文字描述，相信你就能够明白了。

看图：

说话：

#拉链法思想：
1.假设有一个散列表，散列表容量是：5
2.如上图示，填充了蓝色的块，表示已经存储了数据
3.未填充颜色的块，表示空闲

4.在散列表的右边，对应每个蓝色块，都有一个链表
5.0的位置链表有两个节点，表示0的位置存在散列冲突
6.2的位置链表有三个节点，表示2的位置存在散列冲突

7.这就是整个拉链法的思想，也很简单有没有？
8.咱们来具体描述一下：
  8.1.拉链法的核心思想是，散列表对应数组的每个下标位置，称为：slot槽
  8.2.每个slot槽位，对应一条链表，用于解决散列冲突
  8.3.当不一样的元素key，经过散列函数计算出了相同的散列值，存在散列冲突
  8.4.好比0 槽位发生了散列冲突，那么只需在0槽位的链表上增长一个节点便可
  8.5.这也就是拉链法名称的由来（链表==>拉链法），对吧
9.最后结论：
	拉链法适合于存储大规模散列元素的散列表场景。好比java中的HashMap，应用的就是拉链法处理散列冲突。固然在jdk8中，还结合了红黑树，你应该去看一下HashMap的源码了！

3.讨论分享

#考考你答案：
1.你还记得什么是散列冲突吗？
	【参考2.1节】散列冲突
2.你知道什么是开放寻址法吗？
	【参考2.2节】开放寻址法
3.你知道什么是拉链法吗？
	【参考2.3节】拉链法