设计并实现一个散列表

时间 2019-11-12

标签设计实现一个列表繁體版

原文原文链接

1.HashMap的数据结构

　　数组的特色是：寻址容易，插入和删除困难；而链表的特色是：寻址困难，插入和删除容易。那么咱们能不能综合二者的特性，作出一种寻址容易，插入删除也容易的数据结构？答案是确定的，这就是咱们要提起的哈希表，哈希表有多种不一样的实现方法，我接下来解释的是最经常使用的一种方法—— 拉链法，咱们能够理解为“链表的数组” ，如图：java

　　从上图咱们能够发现哈希表是由数组+链表组成的，一个长度为16的数组中，每一个元素存储的是一个链表的头结点。那么这些元素是按照什么样的规则存储到数组中呢。通常状况是经过hash(key)%len得到，也就是元素的key的哈希值对数组长度取模获得。好比上述哈希表中，12%16=12,28%16=12,108%16=12,140%16=12。因此十二、2八、108以及140都存储在数组下标为12的位置。算法

　　HashMap其实也是一个线性的数组实现的,因此能够理解为其存储数据的容器就是一个线性数组。这可能让咱们很不解，一个线性的数组怎么实现按键值对来存取数据呢？这里HashMap有作一些处理。数组

　　1.首先HashMap里面实现一个静态内部类Entry，其重要的属性有 key , value, next，从属性key,value咱们就能很明显的看出来Entry就是HashMap键值对实现的一个基础bean，咱们上面说到HashMap的基础就是一个线性数组，这个数组就是Entry[]，Map里面的内容都保存在Entry[]里面。数据结构

2.HashMap的存取实现

既然是线性数组，为何能随机存取？这里HashMap用了一个小算法，大体是这样实现：app

//存储时:
int hash = key.hashCode();// 这个hashCode方法这里不详述,只要理解每一个key的hash是一个固定的int值
int index = hash % Entry[].length;
Entry[index] = value;

//取值时:
int hash = key.hashCode();
int index = hash % Entry[].length;
return Entry[index];

到这里咱们轻松的理解了HashMap经过键值对实现存取的基本原理函数

3.疑问：若是两个key经过hash%Entry[].length获得的index相同，会不会有覆盖的危险？性能

　　这里HashMap里面用到链式数据结构的一个概念。上面咱们提到过Entry类里面有一个next属性，做用是指向下一个Entry。打个比方，第一个键值对A进来，经过计算其key的hash获得的index=0，记作:Entry[0] = A。一会后又进来一个键值对B，经过计算其index也等于0，如今怎么办？HashMap会这样作:B.next = A,Entry[0] = B,若是又进来C,index也等于0,那么C.next = B,Entry[0] = C；这样咱们发现index=0的地方其实存取了A,B,C三个键值对,他们经过next这个属性连接在一块儿。因此疑问不用担忧。也就是说数组中存储的是最后插入的元素。到这里为止，HashMap的大体实现，咱们应该已经清楚了。优化

　　固然HashMap里面也包含一些优化方面的实现，这里也说一下。好比：Entry[]的长度必定后，随着map里面数据的愈来愈长，这样同一个 index的链就会很长，会不会影响性能？HashMap里面设置一个因素（也称为因子），随着map的size愈来愈大，Entry[]会以必定的规则加长长度。spa

3.解决hash冲突的办法

开放定址法（线性探测再散列，二次探测再散列，伪随机探测再散列）
再哈希法
链地址法
创建一个公共溢出区

Java中hashmap的解决办法就是采用的链地址法。.net

4.实现本身的HashMap

Entry.java

package edu.sjtu.erplab.hash;

public class Entry<K,V>{
    final K key;
    V value;
    Entry<K,V> next;//下一个结点
 
    //构造函数
    public Entry(K k, V v, Entry<K,V> n) {
        key = k;
        value = v;
        next = n;
    }

    public final K getKey() {
        return key;
    }

    public final V getValue() {
        return value;
    }

    public final V setValue(V newValue) {
    V oldValue = value;
        value = newValue;
        return oldValue;
    }

    public final boolean equals(Object o) {
        if (!(o instanceof Entry))
            return false;
        Entry e = (Entry)o;
        Object k1 = getKey();
        Object k2 = e.getKey();
        if (k1 == k2 || (k1 != null && k1.equals(k2))) {
            Object v1 = getValue();
            Object v2 = e.getValue();
            if (v1 == v2 || (v1 != null && v1.equals(v2)))
                return true;
        }
        return false;
    }

    public final int hashCode() {
        return (key==null   ? 0 : key.hashCode()) ^ (value==null ? 0 : value.hashCode());
    }

    public final String toString() {
        return getKey() + "=" + getValue();
    }

}

MyHashMap.java

package edu.sjtu.erplab.hash;

//保证key与value不为空
public class MyHashMap<K, V> {
    private Entry[] table;//Entry数组表
    static final int DEFAULT_INITIAL_CAPACITY = 16;//默认数组长度
    private int size;

    // 构造函数
    public MyHashMap() {
        table = new Entry[DEFAULT_INITIAL_CAPACITY];
        size = DEFAULT_INITIAL_CAPACITY;
    }

    //获取数组长度
    public int getSize() {
        return size;
    }
    
    // 求index
    static int indexFor(int h, int length) {
        return h % (length - 1);
    }

    //获取元素
    public V get(Object key) {
        if (key == null)
            return null;
        int hash = key.hashCode();// key的哈希值
        int index = indexFor(hash, table.length);// 求key在数组中的下标
        for (Entry<K, V> e = table[index]; e != null; e = e.next) {
            Object k = e.key;
            if (e.key.hashCode() == hash && (k == key || key.equals(k)))
                return e.value;
        }
        return null;
    }

    // 添加元素
    public V put(K key, V value) {
        if (key == null)
            return null;
        int hash = key.hashCode();
        int index = indexFor(hash, table.length);

        // 若是添加的key已经存在，那么只须要修改value值便可
        for (Entry<K, V> e = table[index]; e != null; e = e.next) {
            Object k = e.key;
            if (e.key.hashCode() == hash && (k == key || key.equals(k))) {
                V oldValue = e.value;
                e.value = value;
                return oldValue;// 原来的value值
            }
        }
        // 若是key值不存在，那么须要添加
        Entry<K, V> e = table[index];// 获取当前数组中的e
        table[index] = new Entry<K, V>(key, value, e);// 新建一个Entry，并将其指向原先的e
        return null;
    }

}

MyHashMapTest.java

package edu.sjtu.erplab.hash;

public class MyHashMapTest {

    public static void main(String[] args) {

        MyHashMap<Integer, Integer> map = new MyHashMap<Integer, Integer>();
        map.put(1, 90);
        map.put(2, 95);
        map.put(17, 85);
    
        System.out.println(map.get(1));
        System.out.println(map.get(2));
        System.out.println(map.get(17));
        System.out.println(map.get(null));
    }
}

散列表有两个重点问题：一、如何将一个数字映射到数组下标；

二、如何处理冲突问题？

ok，鉴于这是演示简单的哈希表，散列函数这样定义：

index=key%16;

而冲突的处理如何：

当映射到的位置同样，就将相关数据压入同一位置的链表。

核心代码以下：

[java] view plain copy

print ?

package MyHashTable;
public class hashEntry {
public Integer key=null;
public int value=0;
public hashEntry next=null;
public hashEntry pre=null;
}

[java] view plain copy

print ?

package MyHashTable;
import java.util.ArrayList;
import java.util.HashMap;
/**
* 这是一个自制的哈希表，里面的散列函数采用的是：
* 斐波那契（Fibonacci）散列法
平方散列法的缺点是显而易见的，因此咱们能不能找出一个理想的乘数，而不是拿value自己看成乘数呢？答案是确定的。
1，对于16位整数而言，这个乘数是40503
2，对于32位整数而言，这个乘数是2654435769
3，对于64位整数而言，这个乘数是11400714819323198485
==》例如：对于一个容量为16的哈希表，那么公式为：
对咱们常见的32位整数而言，公式：
index = (value * 2654435769) >> （32-4）
4为log2 16.
请哈希表的容量请使用2n次方根。
这里还有一个问题没有解决，就是假如key是字符串，那么如何映射？
还有就是哈希表的扩容问题。
* */
public class myhashtable {
private int size=16;
private ArrayList<hashEntry> _container=new ArrayList<hashEntry>(size);
public myhashtable(){
for(int i=0;i<size;i++){
_container.add(i, null);
}
}
public ArrayList<hashEntry> getContainer(){
return _container;
}
private int getIndex(int key){
//return (key * 40503) >>(32-4);
return key%16;
}
public boolean insert(Integer key,int value){
if(get(key)!=null){
return false;
}
int theLocIndex=getIndex(key);
if(theLocIndex>=16){
return false;
}
if(_container.get(theLocIndex)==null){
hashEntry curEntry=new hashEntry();
curEntry.key=key;
curEntry.value=value;
_container.remove(theLocIndex);
_container.add(theLocIndex,curEntry);
return true;
}
else if(_container.get(theLocIndex)!=null){
hashEntry cEntry=_container.get(theLocIndex);
hashEntry preEntry1=cEntry;
while(cEntry!=null){
preEntry1=cEntry;
cEntry=cEntry.next;
}
hashEntry newEntry=new hashEntry();
newEntry.pre=cEntry;
newEntry.key=key;
newEntry.value=value;
preEntry1.next=newEntry;
return true;
}
return false;
}
public hashEntry get(Integer key){
int theLocIndex=getIndex(key);
if(_container.get(theLocIndex)==null){
return null;
}
else{
hashEntry cEntry=_container.get(theLocIndex);
while (cEntry!=null) {
if(cEntry.key==key){
return cEntry;
}
else{
cEntry=cEntry.next;
}
}
return null;
}
}
public boolean remove(int key){
int theLocIndex=getIndex(key);
if(_container.get(theLocIndex)==null){
return false;
}
else{
hashEntry cEntry=_container.get(theLocIndex);
while (cEntry!=null) {
if(cEntry.key==key){
if(cEntry.pre==null){
_container.remove(theLocIndex);
return true;
}else{
cEntry.pre.next=cEntry.next;
return true;
}
}
else{
cEntry=cEntry.next;
}
}
return false;
}
}
public boolean edit(int key,int value){
hashEntry cEntry=get(key);
if(cEntry==null){
return false;
}
cEntry.value=value;
return true;
}
}