C++ STL中哈希表 hash_map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：

1. 获得key
2. 经过hash函数获得hash值
3. 获得桶号(通常都为hash值对桶数求模)
4. 存放key和value在桶内。

其取值过程是:

1. 获得key
2. 经过hash函数获得hash值
3. 获得桶号(通常都为hash值对桶数求模)
4. 比较桶的内部元素是否与key相等，若都不相等，则没有找到。
5. 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 str_hash{ 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 str_hash{ size_t operator()(const string& str) const { return __stl_hash_string(str.c_str()); } };

在声明本身的哈希函数时要注意如下几点：

1. 使用struct，而后重载operator().
2. 返回是size_t
3. 参数是你要hash的key的类型。
4. 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, str_hash> namemap;

其余用法都不用边。固然不要忘了吧str_hash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。

1. 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。
2. const_iterator find(const key_type& k) const. 用查找，输入为键值，返回为迭代器。
3. 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。
4. 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。
5. 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 <hash_map> #include <string> #include <iostream> using namespace std; //define the class class ClassA{ public: ClassA(int a):c_a(a){} int getvalue()const { return c_a;} void setvalue(int a){c_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

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。

 

 

常见问题：

 

原本想用hash_map实现大数量的快速查找，后来发现效率并不快，并且有些问题也很不解，好比看以下代码：

C/C++ code

#include <iostream> #include <hash_map.h> using namespace std; int main(){ hash_map<int,string> hm(3); //初始化hash_map的桶的个数 hm.insert(make_pair(0,"hello")); hm.insert(make_pair(1,"ok")); hm.insert(make_pair(2,"bye")); hm.insert(make_pair(3,"world")); cout<<hm.size()<<endl; cout<<hm.bucket_count()<<endl; return 0; }

 

输出结果：
4
53
对这个结果很疑惑，明明我定义了桶的个数，为何后面获得桶的个数为53？
hash_map默认对int类型的Key如何hash，hash函数是什么？
如何使得查找能更高效？能够用空间来换

各位大侠请教啊

 

这是我对hash的曾经的一点尝试，仅供参考：

C/C++ code

#include <iostream> #include <map> #include <string> #ifdef __GNUC__ #include <ext/hash_map> #else #include <hash_map> #endif #ifdef __GXX_EXPERIMENTAL_CXX0X__ #include <unordered_map> #endif namespace std { using namespace __gnu_cxx; } namespace __gnu_cxx { template<> struct hash< std::string > { size_t operator()( const std::string& x ) const { return hash< const char* >()(x.c_str()); } }; } int main() { std::map<std::string, std::string> stdMap; stdMap["_GLIBCXX_STD"] = "std"; stdMap["_GLIBCXX_BEGIN_NESTED_NAMESPACE"] = "+namespace"; stdMap["_GLIBCXX_BEGIN_NAMESPACE"] = "+namespace"; stdMap["_GLIBCXX_END_NESTED_NAMESPACE"] = "}"; stdMap["_GLIBCXX_END_NAMESPACE"] = "}"; stdMap["_GLIBCXX_END_NAMESPACE_TR1"] = "}"; stdMap["_GLIBCXX_BEGIN_NAMESPACE_TR1"] = "-namespace tr1 {"; stdMap["_GLIBCXX_STD2"] = "2std"; stdMap["_GLIBCXX_BEGIN_NESTED_NAMESPACE2"] = "2+namespace"; stdMap["_GLIBCXX_BEGIN_NAMESPACE2"] = "2+namespace"; stdMap["_GLIBCXX_END_NESTED_NAMESPACE2"] = "2}"; stdMap["_GLIBCXX_END_NAMESPACE2"] = "2}"; stdMap["_GLIBCXX_END_NAMESPACE_TR12"] = "2}"; stdMap["_GLIBCXX_BEGIN_NAMESPACE_TR12"] = "2-namespace tr1 {"; stdMap["_XXGLIBCXX_END_NAMESPACE_TR12"] = "X2}"; stdMap["_XXGLIBCXX_BEGIN_NAMESPACE_TR12"] = "X2-namespace tr1 {"; std::hash_map<std::string, std::string> hashMap; hashMap["_GLIBCXX_STD"] = "std"; hashMap["_GLIBCXX_BEGIN_NESTED_NAMESPACE"] = "+namespace"; hashMap["_GLIBCXX_BEGIN_NAMESPACE"] = "+namespace"; hashMap["_GLIBCXX_END_NESTED_NAMESPACE"] = "}"; hashMap["_GLIBCXX_END_NAMESPACE"] = "}"; hashMap["_GLIBCXX_END_NAMESPACE_TR1"] = "}"; hashMap["_GLIBCXX_BEGIN_NAMESPACE_TR1"] = "-namespace tr1 {"; hashMap["_GLIBCXX_STD2"] = "2std"; hashMap["_GLIBCXX_BEGIN_NESTED_NAMESPACE2"] = "2+namespace"; hashMap["_GLIBCXX_BEGIN_NAMESPACE2"] = "2+namespace"; hashMap["_GLIBCXX_END_NESTED_NAMESPACE2"] = "2}"; hashMap["_GLIBCXX_END_NAMESPACE2"] = "2}"; hashMap["_GLIBCXX_END_NAMESPACE_TR12"] = "2}"; hashMap["_GLIBCXX_BEGIN_NAMESPACE_TR12"] = "2-namespace tr1 {"; hashMap["_XXGLIBCXX_END_NAMESPACE_TR12"] = "X2}"; hashMap["_XXGLIBCXX_BEGIN_NAMESPACE_TR12"] = "X2-namespace tr1 {"; #ifdef __GXX_EXPERIMENTAL_CXX0X__ std::unordered_map<std::string, std::string> unorderedMap; unorderedMap["_GLIBCXX_STD"] = "std"; unorderedMap["_GLIBCXX_BEGIN_NESTED_NAMESPACE"] = "+namespace"; unorderedMap["_GLIBCXX_BEGIN_NAMESPACE"] = "+namespace"; unorderedMap["_GLIBCXX_END_NESTED_NAMESPACE"] = "}"; unorderedMap["_GLIBCXX_END_NAMESPACE"] = "}"; unorderedMap["_GLIBCXX_END_NAMESPACE_TR1"] = "}"; unorderedMap["_GLIBCXX_BEGIN_NAMESPACE_TR1"] = "-namespace tr1 {"; unorderedMap["_GLIBCXX_STD2"] = "2std"; unorderedMap["_GLIBCXX_BEGIN_NESTED_NAMESPACE2"] = "2+namespace"; unorderedMap["_GLIBCXX_BEGIN_NAMESPACE2"] = "2+namespace"; unorderedMap["_GLIBCXX_END_NESTED_NAMESPACE2"] = "2}"; unorderedMap["_GLIBCXX_END_NAMESPACE2"] = "2}"; unorderedMap["_GLIBCXX_END_NAMESPACE_TR12"] = "2}"; unorderedMap["_GLIBCXX_BEGIN_NAMESPACE_TR12"] = "2-namespace tr1 {"; unorderedMap["_XXGLIBCXX_END_NAMESPACE_TR12"] = "X2}"; unorderedMap["_XXGLIBCXX_BEGIN_NAMESPACE_TR12"] = "X2-namespace tr1 {"; #endif for (int i = 0; i < 5; ++i) { const clock_t t = clock(); for (int j = 0; j < 1000000; ++j) stdMap.find("testfindkey"); std::cout << "stdMap " << i + 1 << " : " << clock() - t << std::endl; } std::cout << "/n---------------/n" << std::endl; for (int i = 0; i < 5; ++i) { const clock_t t = clock(); for (int j = 0; j < 1000000; ++j) hashMap.find("testfindkey"); std::cout << "hashMap " << i + 1 << " : " << clock() - t << std::endl; } #ifdef __GXX_EXPERIMENTAL_CXX0X__ std::cout << "/n---------------/n" << std::endl; for (int i = 0; i < 5; ++i) { const clock_t t = clock(); for (int j = 0; j < 1000000; ++j) unorderedMap.find("testfindkey"); std::cout << "unorderedMap " << i + 1 << " : " << clock() - t << std::endl; } #endif return 0; }

 

若是你使用的vc自带的hash函数，那么它的定义中以下：

C/C++ code

template<class _Kty, class _Pr = less> class hash_compare1 { // traits class for hash containers public: //const static long lBucketSize = 0; enum { // parameters for hash table bucket_size = 4, // 0 < bucket_size min_buckets = 8 // min_buckets = 2 ^^ N, 0 < N }; 。。。

每次增加会2倍增长预分配内存，你的hash_map是哪一个版本的？