解决hash冲突的三个方法(转)

https://www.cnblogs.com/wuchaodzxx/p/7396599.html

目录

1. 开放定址法
   1. 线性探测再散列
   2. 二次探测再散列
   3. 伪随机探测再散列
2. 再哈希法
3. 链地址法
4. 创建公共溢出区
5. 优缺点
   1. 开放散列（open hashing）/ 拉链法（针对桶链结构）
   2. 封闭散列（closed hashing）/ 开放定址法

经过构造性能良好的哈希函数，能够减小冲突，但通常不可能彻底避免冲突，所以解决冲突是哈希法的另外一个关键问题。建立哈希表和查找哈希表都会遇到冲突，两种状况下解决冲突的方法应该一致。下面以建立哈希表为例，说明解决冲突的方法。经常使用的解决冲突方法有如下四种：

开放定址法

这种方法也称再散列法，其基本思想是：当关键字key的哈希地址p=H（key）出现冲突时，以p为基础，产生另外一个哈希地址p1，若是p1仍然冲突，再以p为基础，产生另外一个哈希地址p2，…，直到找出一个不冲突的哈希地址pi ，将相应元素存入其中。这种方法有一个通用的再散列函数形式：

Hi=（H（key）+d_i）% m   i=1，2，…，n

其中H（key）为哈希函数，m 为表长，d_i称为增量序列。增量序列的取值方式不一样，相应的再散列方式也不一样。主要有如下三种：

线性探测再散列

d_ii=1，2，3，…，m-1

这种方法的特色是：冲突发生时，顺序查看表中下一单元，直到找出一个空单元或查遍全表。

二次探测再散列

d_i=1²，-1²，2²，-2²，…，k²，-k²    ( k<=m/2 )

这种方法的特色是：冲突发生时，在表的左右进行跳跃式探测，比较灵活。

伪随机探测再散列

d_i=伪随机数序列。

 

具体实现时，应创建一个伪随机数发生器，（如i=(i+p) % m），并给定一个随机数作起点。

例如，已知哈希表长度m=11，哈希函数为：H（key）= key  %  11，则H（47）=3，H（26）=4，H（60）=5，假设下一个关键字为69，则H（69）=3，与47冲突。

若是用线性探测再散列处理冲突，下一个哈希地址为H1=（3 + 1）% 11 = 4，仍然冲突，再找下一个哈希地址为H2=（3 + 2）% 11 = 5，仍是冲突，继续找下一个哈希地址为H3=（3 + 3）% 11 = 6，此时再也不冲突，将69填入5号单元。

若是用二次探测再散列处理冲突，下一个哈希地址为H1=（3 + 1²）% 11 = 4，仍然冲突，再找下一个哈希地址为H2=（3 - 1²）% 11 = 2，此时再也不冲突，将69填入2号单元。

若是用伪随机探测再散列处理冲突，且伪随机数序列为：2，5，9，……..，则下一个哈希地址为H1=（3 + 2）% 11 = 5，仍然冲突，再找下一个哈希地址为H2=（3 + 5）% 11 = 8，此时再也不冲突，将69填入8号单元。

再哈希法

这种方法是同时构造多个不一样的哈希函数：

H_i=RH₁（key）  i=1，2，…，k

当哈希地址H_i=RH₁（key）发生冲突时，再计算H_i=RH₂（key）……，直到冲突再也不产生。这种方法不易产生汇集，但增长了计算时间。

链地址法

这种方法的基本思想是将全部哈希地址为i的元素构成一个称为同义词链的单链表，并将单链表的头指针存在哈希表的第i个单元中，于是查找、插入和删除主要在同义词链中进行。链地址法适用于常常进行插入和删除的状况。

 

创建公共溢出区

这种方法的基本思想是：将哈希表分为基本表和溢出表两部分，凡是和基本表发生冲突的元素，一概填入溢出表。

 

优缺点

开放散列（open hashing）/ 拉链法（针对桶链结构）

1）优势： ①对于记录总数频繁可变的状况，处理的比较好（也就是避免了动态调整的开销） ②因为记录存储在结点中，而结点是动态分配，不会形成内存的浪费，因此尤为适合那种记录自己尺寸（size）很大的状况，由于此时指针的开销能够忽略不计了 ③删除记录时，比较方便，直接经过指针操做便可

 

2）缺点： ①存储的记录是随机分布在内存中的，这样在查询记录时，相比结构紧凑的数据类型（好比数组），哈希表的跳转访问会带来额外的时间开销 ②若是全部的 key-value 对是能够提早预知，并以后不会发生变化时（即不容许插入和删除），能够人为建立一个不会产生冲突的完美哈希函数（perfect hash function），此时封闭散列的性能将远高于开放散列 ③因为使用指针，记录不容易进行序列化（serialize）操做

封闭散列（closed hashing）/ 开放定址法

1）优势： ①记录更容易进行序列化（serialize）操做 ②若是记录总数能够预知，能够建立完美哈希函数，此时处理数据的效率是很是高的

 

2）缺点： ①存储记录的数目不能超过桶数组的长度，若是超过就须要扩容，而扩容会致使某次操做的时间成本飙升，这在实时或者交互式应用中可能会是一个严重的缺陷 ②使用探测序列，有可能其计算的时间成本太高，致使哈希表的处理性能下降 ③因为记录是存放在桶数组中的，而桶数组必然存在空槽，因此当记录自己尺寸（size）很大而且记录总数规模很大时，空槽占用的空间会致使明显的内存浪费 ④删除记录时，比较麻烦。好比须要删除记录a，记录b是在a以后插入桶数组的，可是和记录a有冲突，是经过探测序列再次跳转找到的地址，因此若是直接删除a，a的位置变为空槽，而空槽是查询记录失败的终止条件，这样会致使记录b在a的位置从新插入数据前不可见，因此不能直接删除a，而是设置删除标记。这就须要额外的空间和操做。