哈希表的一些知识点

抛砖引玉，你们有没有想过Object-C中，NSDictionary是如何实现根据key快速查值的？

前言

在编程的世界中，比较重要的数据结构有如下3个：

• struct 结构体
• array 数组
• link list 链表

咱们都知道，数组是存储数据的自然载体，在内存中是一段连续的地址，正是因为这个特性，咱们可以经过数组的下标快速的获取与之对应的value。本质上是经过下标来计算出value的内存地址。

NSDictionary自己是一种key-value的结构关系。其内部也是用数组来存储value。那么就产生了一个最核心的问题，如何根据key来获取value的内存地址？这个过程既简单又不简单，由此咱们引出哈希表的知识点。

哈希表

哈希表是一种数据结构，实现key-value的快速存取。以前说过数组能够实现快速存取，因此哈希表确定会使用到数组。在这里，咱们把每个数组的单元叫作一个bucket（桶）。

CoreFoundation中的桶：

typedef struct {
    CFIndex idx;
    uintptr_t weak_key;
    uintptr_t weak_value;
    uintptr_t count;
} CFBasicHashBucket;

PHP中的桶:

typedef struct bucket {
    ulong h;                        /* Used for numeric indexing */
    uint nKeyLength;
    void *pData;
    void *pDataPtr;
    struct bucket *pListNext;
    struct bucket *pListLast;
    struct bucket *pNext;
    struct bucket *pLast;
    char arKey[1]; /* Must be last element */
} Bucket;

经过上边的结构体，咱们知道了，在数组中存放的是一个一个的桶，那么应该如何经过key来获取到指定的桶呢？

这时候就须要一个函数来实现这样一个功能，经过key计算出桶的内存地址。这个函数就叫作哈希函数F(x)。在现实中，考虑到性能的缘由，这个哈希函数不会被设计成完美函数，即一个key只生成一个结果。有可能两个不一样的key1，key2经过哈希函数获得了同一个值，这时候咱们就称key1，key2为同义词，所以就产生了冲突，这个冲突每每发生在插值的过程当中。

既然产生了冲突，就要想办法解决冲突。解决冲突的方式主要分两类 开放定址法(Open addressing)这种方法就是在计算一个key的哈希的时候，发现目标地址已经有值了，即发生冲突了，这个时候经过相应的函数在此地址后面的地址去找，直到没有冲突为止。这个方法经常使用的有线性探测，二次探测，再哈希。 这种解决方法有个很差的地方就是，当发生冲突以后，会在以后的地址空间中找一个放进去，这样就有可能后来出现一个key哈希出来的结果也正好是它放进去的这个地址空间，这样就会出现非同义词的两个key发生冲突。

连接法(Separate chaining)连接法是经过数组和链表组合而成的。当发生冲突的时候只要将其加到对应的链表中便可。

与开放定址法相比，连接法有以下几个优势：

• 连接法处理冲突简单，且无堆积现象，即非同义词决不会发生冲突，所以平均查找长度较短；
• 因为连接法中各链表上的结点空间是动态申请的，故它更适合于造表前没法肯定表长的状况；
• 开放定址法为减小冲突，要求装填因子α较小，故当结点规模较大时会浪费不少空间。而连接法中可取α≥1，且结点较大时，拉链法中增长的指针域可忽略不计，所以节省空间；
• 在用连接法构造的散列表中，删除结点的操做易于实现。只要简单地删去链表上相应的结点便可。而对开放地址法构造的散列表，删除结点不能简单地将被删结点的空间置为空，不然将截断在它以后填人散列表的同义词结点的查找路径。这是由于各类开放地址法中，空地址单元(即开放地址)都是查找失败的条件。所以在 用开放地址法处理冲突的散列表上执行删除操做，只能在被删结点上作删除标记，而不能真正删除结点。

固然连接法也有其缺点，拉链法的缺点是：指针须要额外的空间，故当结点规模较小时，开放定址法较为节省空间，而若将节省的指针空间用来扩大散列表的规模，可以使装填因子变小，这又减小了开放定址法中的冲突，从而提升平均查找速度。

负载因子 Load factor a=哈希表的实际元素数目(n)/ 哈希表的容量(m) a越大，哈希表冲突的几率越大，可是a越接近0，那么哈希表的空间就越浪费。 通常状况下建议Load factor的值为0-0.7，Java实现的HashMap默认的Load factor的值为0.75，当装载因子大于这个值的时候，HashMap会对数组进行扩张至原来两倍大。

不论使用了哪一种碰撞解决策略，都致使插入和查找操做的时间复杂度再也不是O(1)。以查找为例，不能经过key定位到桶就结束，必须还要比较原始key（即未作哈希以前的key）是否相等，若是不相等，则要使用与插入相同的算法继续查找，直到找到匹配的值或确认数据不在哈希表中。

PHP是使用单链表存储碰撞的数据，所以实际上PHP哈希表的平均查找复杂度为O(L)，其中L为桶链表的平均长度；而最坏复杂度为O(N)，此时全部数据所有碰撞，哈希表退化成单链表。下图PHP中正常哈希表和退化哈希表的示意图。

总结

哈希和哈希表的概念是这篇文章的重点，即便开发中用到的几率不高。

参考

1. PHP哈希表碰撞攻击原理
2. 谈谈 Hash Table
3. 深刻理解哈希表