STL hashmap介绍

0 为何须要hash_map 用过map吧？map提供一个很经常使用的功能，那就是提供key-value的存储和查找功能。例如，我要记录一我的名和相应的存储，并且随时增长，要快速查找和修改： 岳不群－华山派掌门人，人称君子剑 张三丰－武当掌门人，太极拳创始人 东方不败－第一高手，葵花宝典 ... 这些信息若是保存下来并不复杂，可是找起来比较麻烦。例如我要找"张三丰"的信息，最傻的方法就是取得全部的记录，而后按照名字一个一个比较。若是要速度快，就须要把这些记录按照字母顺序排列，而后按照二分法查找。可是增长记录的时候同时须要保持记录有序，所以须要插入排序。考虑到效率，这就须要用到二叉树。讲下去会没完没了，若是你使用STL 的map容器，你能够很是方便的实现这个功能，而不用关心其细节。关于map的数据结构细节，感兴趣的朋友能够参看学习STL map, STL set之数据结构基础。看看map的实现: #include <map> #include <string> using namespace std; ... map<string, string> namemap; //增长。。。 namemap["岳不群"] = "华山派掌门人，人称君子剑"; namemap["张三丰"] = "武当掌门人，太极拳创始人"; namemap["东方不败"] = "第一高手，葵花宝典"; ... //查找。。 if(namemap.find("岳不群") != namemap.end()){         ... } 不以为用起来很easy吗？并且效率很高，100万条记录，最多也只要20次的string.compare的比较，就能找到你要找的记录;200万条记录事，也只要用21次的比较。 速度永远都知足不了现实的需求。若是有100万条记录，我须要频繁进行搜索时，20次比较也会成为瓶颈，要是能降到一次或者两次比较是否有可能？并且当记录数到200万的时候也是一次或者两次的比较，是否有可能？并且还须要和map同样的方便使用。 答案是确定的。这时你须要has_map. 虽然hash_map目前并无归入C++ 标准模板库中，但几乎每一个版本的STL都提供了相应的实现。并且应用十分普遍。在正式使用hash_map以前，先看看hash_map的原理。 1 数据结构：hash_map原理 这是一节让你深刻理解hash_map的介绍，若是你只是想囫囵吞枣，不想理解其原理，你却是能够略过这一节，但我仍是建议你看看，多了解一些没有坏处。 hash_map基于hash table（哈希表）。 哈希表最大的优势，就是把数据的存储和查找消耗的时间大大下降，几乎能够当作是常数时间；而代价仅仅是消耗比较多的内存。然而在当前可利用内存愈来愈多的状况下，用空间换时间的作法是值得的。另外，编码比较容易也是它的特色之一。 其基本原理是：使用一个下标范围比较大的数组来存储元素。能够设计一个函数（哈希函数，也叫作散列函数），使得每一个元素的关键字都与一个函数值（即数组下标，hash值）相对应，因而用这个数组单元来存储这个元素；也能够简单的理解为，按照关键字为每个元素“分类”，而后将这个元素存储在相应“类”所对应的地方，称为桶。 可是，不可以保证每一个元素的关键字与函数值是一一对应的，所以极有可能出现对于不一样的元素，却计算出了相同的函数值，这样就产生了“冲突”，换句话说，就是把不一样的元素分在了相同的“类”之中。 总的来讲，“直接定址”与“解决冲突”是哈希表的两大特色。 hash_map，首先分配一大片内存，造成许多桶。是利用hash函数，对key进行映射到不一样区域（桶）进行保存。其插入过程是： 获得key 经过hash函数获得hash值 获得桶号(通常都为hash值对桶数求模) 存放key和value在桶内。 其取值过程是: 获得key 经过hash函数获得hash值 获得桶号(通常都为hash值对桶数求模) 比较桶的内部元素是否与key相等，若都不相等，则没有找到。 取出相等的记录的value。 hash_map中直接地址用hash函数生成，解决冲突用比较函数解决。这里能够看出，若是每一个桶内部只有一个元素，那么查找的时候只有一次比较。当许多桶内没有值时，许多查询就会更快了(指查不到的时候). 因而可知，要实现哈希表, 和用户相关的是：hash函数和比较函数。这两个参数恰好是咱们在使用hash_map时须要指定的参数。 2 hash_map 使用 2.1 一个简单实例 不要着急如何把"岳不群"用hash_map表示，咱们先看一个简单的例子：随机给你一个ID号和ID号相应的信息，ID号的范围是1～2的31次方。如何快速保存查找。 #include <hash_map> #include <string> using namespace std; int main(){         hash_map<int, string> mymap;         mymap[9527] = "唐伯虎点秋香";         mymap[1000000] = "百万富翁的生活";         mymap[10000] = "白领的工资底线";         ...         if(mymap.find(10000) != mymap.end()){                 ...         } 够简单，和map使用方法同样。这时你或许会问？hash函数和比较函数呢？不是要指定么？你说对了，可是在你没有指定hash函数和比较函数的时候，你会有一个缺省的函数，看看hash_map的声明，你会更加明白。下面是SGI STL的声明： template <class _Key, class _Tp, class _HashFcn = hash<_Key>, class _EqualKey = equal_to<_Key>, class _Alloc = __STL_DEFAULT_ALLOCATOR(_Tp) > class hash_map {         ... } 也就是说，在上例中，有如下等同关系： ... hash_map<int, string> mymap; //等同于: hash_map<int, string, hash<int>, equal_to<int> > mymap; Alloc咱们就不要取关注太多了(但愿深刻了解Allocator的朋友能够参看标准库 STL ：Allocator能作什么) 2.2 hash_map 的 hash函数 hash< int>究竟是什么样子？看看源码: struct hash<int> {         size_t operator()(int __x) const { return __x; } }; 原来是个函数对象。在SGI STL中，提供了如下hash函数： struct hash<char*> struct hash<const char*> struct hash<char>  struct hash<unsigned char>  struct hash<signed char> struct hash<short> struct hash<unsigned short>  struct hash<int>  struct hash<unsigned int> struct hash<long>  struct hash<unsigned long> 也就是说，若是你的key使用的是以上类型中的一种，你均可以使用缺省的hash函数。固然你本身也能够定义本身的hash函数。对于自定义变量，你只能如此，例如对于string，就必须自定义hash函数。例如： struct hash_string{         size_t operator()(const string& str) const         {                 unsigned long __h = 0;                 for (size_t i = 0 ; i < str.size() ; i ++)                 __h = 5*__h + str[i];                 return size_t(__h);         } }; //若是你但愿利用系统定义的字符串hash函数，你能够这样写： struct hash_string{         size_t operator()(const string& str) const         {                 return __stl_hash_string(str.c_str());         } }; 在Visual Studio下，hash function 和 equal function 在一个结构中，不想SGI的是分开的。 struct hash_string {  static const size_t bucket_size = 4;      static const size_t min_buckets = 8;  // 1. define the hash function  size_t operator()(const string& str) const  {    unsigned long __h = 0;    for (size_t i = 0 ; i < str.size() ; i ++)     __h = 5*__h + str[i];    return size_t(__h);  }  //// 1. define the hash function  //size_t operator()(const string& str) const //{ // return __stl_hash_string(str.c_str()); //}  // 2. define the equal function  bool operator()(const string& p1, const string& p2) const{    return p1 == p2;  } }; 在声明本身的哈希函数时要注意如下几点： 使用struct，而后重载operator();  返回是size_t;  参数是你要hash的key的类型;  函数是const类型的。  若是这些比较难记，最简单的方法就是照猫画虎，找一个函数改改就是了。 如今能够对开头的"岳不群"进行哈希化了  . 直接替换成下面的声明便可： map<string, string> namemap;  //改成： hash_map<string, string, hash_string> namemap; 其余用法都不用边。固然不要忘了吧hash_string的声明以及头文件改成hash_map。 你或许会问：比较函数呢？别着急，这里就开始介绍hash_map中的比较函数。 2.3 hash_map 的 比较函数 在map中的比较函数，须要提供less函数。若是没有提供，缺省的也是less< Key> 。在hash_map中，要比较桶内的数据和key是否相等，所以须要的是是否等于的函数:equal_to< Key> 。先看看equal_to的源码： //本代码能够从SGI STL //先看看binary_function 函数声明，其实只是定义一些类型而已。 template <class _Arg1, class _Arg2, class _Result> struct binary_function {         typedef _Arg1 first_argument_type;         typedef _Arg2 second_argument_type;         typedef _Result result_type; }; //看看equal_to的定义： template <class _Tp> struct equal_to : public binary_function<_Tp,_Tp,bool> {         bool operator()(const _Tp& __x, const _Tp& __y) const { return __x == __y; } }; 若是你使用一个自定义的数据类型，如struct mystruct, 或者const char* 的字符串，如何使用比较函数？ 使用比较函数，有两种方法. 第一种是：重载==操做符，利用equal_to;看看下面的例子： struct mystruct{         int iID;         int  len;         bool operator==(const mystruct & my) const{                 return (iID==my.iID) && (len==my.len) ;         } }; 这样，就可使用equal_to< mystruct>做为比较函数了。 另外一种方法就是：使用函数对象。自定义一个比较函数体： struct compare_str{         bool operator()(const char* p1, const char*p2) const{                 return strcmp(p1,p2)==0;         } }; 有了compare_str，就可使用hash_map了。 typedef hash_map<const char*, string, hash<const char*>, compare_str> StrIntMap; StrIntMap namemap; namemap["岳不群"]="华山派掌门人，人称君子剑"; namemap["张三丰"]="武当掌门人，太极拳创始人"; namemap["东方不败"]="第一高手，葵花宝典"; 2.4 hash_map 函数 hash_map的函数和map的函数差很少。具体函数的参数和解释，请参看：STL 编程手册：Hash_map，这里主要介绍几个经常使用函数。 hash_map(size_type n) 若是讲究效率，这个参数是必需要设置的。n 主要用来设置hash_map 容器中hash桶的个数。桶个数越多，hash函数发生冲突的几率就越小，从新申请内存的几率就越小。n越大，效率越高，可是内存消耗也越大。  const_iterator find(const key_type& k) const. 用查找，输入为键值，返回为迭代器。  data_type& operator[](const key_type& k) . 这是我最经常使用的一个函数。由于其特别方便，可像使用数组同样使用。不过须要注意的是，当你使用[key ]操做符时，若是容器中没有key元素，这就至关于自动增长了一个key元素。所以当你只是想知道容器中是否有key元素时，你可使用find。若是你但愿插入该元素时，你能够直接使用[]操做符。  insert 函数。在容器中不包含key值时，insert函数和[]操做符的功能差很少。可是当容器中元素愈来愈多，每一个桶中的元素会增长，为了保证效率，hash_map会自动申请更大的内存，以生成更多的桶。所以在insert之后，之前的iterator有多是不可用的。  erase 函数。在insert的过程当中，当每一个桶的元素太多时，hash_map可能会自动扩充容器的内存。但在sgi stl中是erase并不自动回收内存。所以你调用erase后，其余元素的iterator仍是可用的。  3 相关hash容器 hash 容器除了hash_map以外，还有hash_set, hash_multimap, has_multiset, 这些容器使用起来和set, multimap, multiset的区别与hash_map和map的区别同样，我想不须要我一一细说了吧。 4 其余 这里列几个常见问题，应该对你理解和使用hash_map比较有帮助。 4.1 hash_map 和 map的区别在哪里？ 构造函数。hash_map须要hash函数，等于函数；map只须要比较函数(小于函数).  存储结构。hash_map采用hash表存储，map通常采用红黑树(RB Tree)实现。所以其memory数据结构是不同的。  4.2 何时须要用hash_map，何时须要用map? 整体来讲，hash_map 查找速度会比map快，并且查找速度基本和数据数据量大小，属于常数级别;而map的查找速度是log(n)级别。并不必定常数就比log(n)小，hash还有hash函数的耗时，明白了吧，若是你考虑效率，特别是在元素达到必定数量级时，考虑考虑hash_map。但若你对内存使用特别严格，但愿程序尽量少消耗内存，那么必定要当心，hash_map可能会让你陷入尴尬，特别是当你的hash_map对象特别多时，你就更没法控制了，并且hash_map的构造速度较慢。 如今知道如何选择了吗？权衡三个因素: 查找速度, 数据量, 内存使用。 这里还有个关于hash_map和map的小故事，看看:http://dev.csdn.net/Develop/article/14/14019.shtm 4.3 如何在hash_map中加入本身定义的类型? 你只要作两件事, 定义hash函数，定义等于比较函数。下面的代码是一个例子： -bash-2.05b$ cat my.cpp #include <string> #include <iostream> using namespace std; // just for "#include <hash_map>" in linux #if __GNUC__>2 #include <ext/hash_map> using __gnu_cxx::hash_map; #else #include <hash_map> #endif // 0 define the class class ClassA{ public:         ClassA(int a):c_a(a){}         int getvalue()const { return c_a;}         void setvalue(int a){c_a = a;} private:         int c_a; }; // 1 define the hash function struct hash_A{         size_t operator()(const class ClassA & A)const{                 //  return  hash<int>(classA.getvalue());                 return A.getvalue();         } }; // 2 define the equal function struct equal_A{         bool operator()(const class ClassA & a1, const class ClassA & a2)const{                 return  a1.getvalue() == a2.getvalue();         } }; int main() {         hash_map<ClassA, string, hash_A, equal_A> hmap;         ClassA a1(12);         hmap[a1]="I am 12";         ClassA a2(198877);         hmap[a2]="I am 198877";                  cout<<hmap[a1]<<endl;         cout<<hmap[a2]<<endl;    return 0; } -bash-2.05b$ make my c++  -O -pipe -march=pentiumpro  my.cpp  -o my -bash-2.05b$ ./my I am 12 I am 198877   在Visual Studio下，hash function 和 equal function 在一个结构中，不想SGI的是分开的。 class   MyClass    {        ....    };         struct   my_hash    {        static   const   size_t   bucket_size   =   4;        static   const   size_t   min_buckets   =   8;        size_t   operator()(const   MyClass&   Key)   const        {            size_t   hash   =   999;            for   (size_t   i   =   0;   i   <   100000;   i++)                hash   =   "hash function";            return   hash;        }             bool   operator()(const   MyClass&   c1,   const   MyClass&   c2)   const        {            return   "equal function";        }    };         int   main()    {        hash_map<MyClass,   int,   my_hash>   my;        ......              } 4.4如何用hash_map替换程序中已有的map容器？ 这个很容易，但须要你有良好的编程风格。建议你尽可能使用typedef来定义你的类型： typedef map<Key, Value> KeyMap; 当你但愿使用hash_map来替换的时候，只须要修改: typedef hash_map<Key, Value> KeyMap; 其余的基本不变。固然，你须要注意是否有Key类型的hash函数和比较函数。 4.5为何hash_map不是标准的？ 具体为何不是标准的，我也不清楚，有个解释说在STL加入标准C++之时，hash_map系列当时尚未彻底实现，之后应该会成为标准。若是谁知道更合理的解释，也但愿告诉我。但我想表达的是，正是由于hash_map不是标准的，因此许多平台上安装了g++编译器，不必定有hash_map的实现。我就遇到了这样的例子。所以在使用这些非标准库的时候，必定要事先测试。另外，若是考虑到平台移植，仍是少用为佳。