互联网公司面试经——你不得不知道的哈希表

时间 2019-11-07

原文原文链接

文章导航-readme

前言

哈希表，又名散列表。是很是经常使用的一种数据结构，C#的Hashtable、字典，Java的HashMap，Redis的Hash，其底层实现都是散列表。而在一些互联网公司的面试中，更是技术面试官们必问的一道题目。本文将简单了解哈希表(散列表)这种数据结构。html

1、散列表

1.1 散列表

散列表(哈希表)，其思想主要是基于数组支持按照下标随机访问数据时间复杂度为O(1)的特性。但是说是数组的一种扩展。假设，咱们为了方便记录某高校数学专业的全部学生的信息。要求能够按照学号(学号格式为:入学时间+年级+专业+专业内自增序号，如2011 1101 0001)可以快速找到某个学生的信息。这个时候咱们能够取学号的自增序号部分，即后四位做为数组的索引下标，把学生相应的信息存储到对应的空间内便可。java

如上图所示,咱们把学号做为key,经过截取学号后四位的函数后计算后获得索引下标，将数据存储到数组中。当咱们按照键值(学号)查找时，只须要再次计算出索引下标，而后取出相应数据便可。以上即是散列思想。面试

1.2 散列函数

上面的例子中，截取学号后四位的函数便是一个简单的散列函数。算法

//散列函数 伪代码 
int Hash(string key) {
  // 获取后四位字符
  string hashValue =int.parse(key.Substring(key.Length-4, 4));
  // 将后两位字符转换为整数
  return hashValue;
}

在这里散列函数的做用就是讲key值映射成数组的索引下标。关于散列函数的设计方法有不少，如:直接寻址法、数字分析法、随机数法等等。但即便是再优秀的设计方法也不能避免散列冲突。在散列表中散列函数不该设计太复杂。c#

1.3 散列冲突

散列函数具备肯定性和不肯定性。数组

肯定性:哈希的散列值不一样，那么哈希的原始输入也就不一样。即:key1=key2,那么hash(key1)=hash(key2)。
不肯定性:同一个散列值颇有可能对应多个不一样的原始输入。即:key1≠key2，hash(key1)=hash(key2)。

散列冲突,即key1≠key2，hash(key1)=hash(key2)的状况。散列冲突是不可避免的，若是咱们key的长度为100，而数组的索引数量只有50，那么再优秀的算法也没法避免散列冲突。关于散列冲突也有不少解决办法，这里简单复习两种：开放寻址法和链表法。缓存

1.3.1 开放寻址法

开放寻址法的核心思想是，若是出现了散列冲突，咱们就从新探测一一个空闲位置，将其插入。好比，咱们可使用线性探测法。当咱们往散列表中插入数据时，若是某个数据通过散列函数散列以后，存储位置已经被占用了，咱们就从当前位置开始，依次日后查找，看是否有空闲位置，若是遍历到尾部都没有找到空闲的位置，那么咱们就再从表头开始找，直到找到为止。数据结构

散列表中查找元素的时候，咱们经过散列函数求出要查找元素的键值对应的散列值，而后比较数组中下标为散列值的元素和要查找的元素。若是相等，则说明就是咱们要找的元素；不然就顺序日后依次查找。若是遍历到数组中的空闲位置尚未找到，就说明要查找的元素并无在散列表中。函数

对于删除操做稍微有些特别，不能单纯地把要删除的元素设置为空。由于在查找的时候，一旦咱们经过线性探测方法，找到一个空闲位置，咱们就能够认定散列表中不存在这个数据。可是，若是这个空闲位置是咱们后来删除的，就会致使原来的查找算法失效。这里咱们能够将删除的元素，特殊标记为 deleted。当线性探测查找的时候，遇到标记为 deleted 的空间，并非停下来，而是继续往下探测。性能

线性探测法存在很大问题。当散列表中插入的数据愈来愈多时，其散列冲突的可能性就越大，极端状况下甚至要探测整个散列表,所以最坏时间复杂度为O(N)。在开放寻址法中，除了线性探测法，咱们还能够二次探测和双重散列等方式。

1.3.2 链表法(拉链法)

简单来说就是在冲突的位置拉一条链表来存储数据。

链表法是一种比较经常使用的散列冲突解决办法,Redis使用的就是链表法来解决散列冲突。链表法的原理是:若是遇到冲突，他就会在原地址新建一个空间，而后以链表结点的形式插入到该空间。当插入的时候，咱们只须要经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便可。

1.3.3 负载因子与rehash

咱们可使用装载因子来衡量散列表的“健康情况”。

散列表的负载因子 = 填入表中的元素个数/散列表的长度

散列表负载因子越大，表明空闲位置越少，冲突也就越多，散列表的性能会降低。

对于散列表来讲，负载因子过大或太小都很差，负载因子过大，散列表的性能会降低。而负载因子太小，则会形成内存不能合理利用，从而造成内存浪费。所以咱们为了保证负载因子维持在一个合理的范围内，要对散列表的大小进行收缩或扩展，即rehash。散列表的rehash过程相似于数组的收缩与扩容。

1.3.4 开放寻址法与链表法比较

对于开放寻址法解决冲突的散列表，因为数据都存储在数组中，所以能够有效地利用 CPU 缓存加快查询速度(数组占用一块连续的空间)。可是删除数据的时候比较麻烦，须要特殊标记已经删除掉的数据。并且，在开放寻址法中，全部的数据都存储在一个数组中，比起链表法来讲，冲突的代价更高。因此，使用开放寻址法解决冲突的散列表，负载因子的上限不能太大。这也致使这种方法比链表法更浪费内存空间。

对于链表法解决冲突的散列表,对内存的利用率比开放寻址法要高。由于链表结点能够在须要的时候再建立，并不须要像开放寻址法那样事先申请好。链表法比起开放寻址法，对大装载因子的容忍度更高。开放寻址法只能适用装载因子小于1的状况。接近1时，就可能会有大量的散列冲突，性能会降低不少。可是对于链表法来讲，只要散列函数的值随机均匀，即使装载因子变成10，也就是链表的长度变长了而已，虽然查找效率有所降低，可是比起顺序查找仍是快不少。可是，链表由于要存储指针，因此对于比较小的对象的存储，是比较消耗内存的，并且链表中的结点是零散分布在内存中的，不是连续的，因此对CPU缓存是不友好的，这对于执行效率有必定的影响。

小结

对于一些一线城市的互联网公司，技术面试官比较喜欢考察一我的的基础，像哈希这种经典而又应用普遍的数据结构更是老生常谈之题目。大体提问方式无非如下几种

C#字典（java hashmap或者Redis hash）的底层实现方式
说一下什么是哈希表(散列表)
哈希如何解决碰撞(散列如何解决冲突)

-----END-----

感谢你们阅读，若有问题可在文章下方留言，我会在第一时间回复！