HASH GAME - Online Skill Game GET 300【摘要】 @[TOC]前言font color = black上一篇文章我们学习了STL中unordered系列容器的使用，并且提到，unordered系列容器的效率之所以比较高（尤其是查找），是因为它底层使用了哈希结构，即哈希表。那这篇文章，我们就来学习一下哈希表1. 哈希的概念font color = black顺序结构以及平衡树中，元素关键码与其存储位置之间没有对应的关系，因此在查找一个...

　　font color = blue从发生冲突的位置开始，依次向后探测，直到寻找到下一个空位置为止，将新插入的值放到该空位置。即$H_i$ = ($H_0$ + $i$ )% m，i=1,2,3,4...$H_0$是通过散列函数Hash(x)对元素的关键码 key 进行计算得到的位置，m是表的大小，$H_i$是向后探测的位置font color = black为什么加完i还要模m呢，因为一直加的话可能会超过表长，这时就要回到开头往后进行探测了

　　font color = #000066线性探测优点：实现非常简单，线性探测缺点：一旦发生哈希冲突，所有的冲突连在一起，容易产生数据“堆积”（我向后探测放到后面的空位置就占用了别的位置，其它key定位到这个位置也需要再向后探测），即：冲突值占据了可利用的空位置，使得寻找某关键码的位置需要许多次比较（从冲突位置可能要向后查找多次），导致搜索效率降低。可以认为闭散列本质是就是一种零和游戏

　　font color = #000066散列表的载荷因子定义为：α =填入表中的元素个数/散列表的长度α是散列表装满程度的标志因子。α越大，表明填入表中的元素越多，产生冲突的可能性就越大；反之，α越小，表明填入表中的元素越少，产生冲突的可能性就越小。实际上，散列表的平均查找长度是载荷因子α的函数，只是不同处理冲突的方法有不同的函数。对于开放定址法，荷载因子是特别重要因素，应严格限制在0.7-0.8以下。超过0.8，查表时的CPU缓存不命中(cache missing）按照指数曲线上升。所以当负载因子超过规定值就要扩容。

　　font color = black是不是还没有啊，刚才的代码解决了扩容和size为0情况的处理。但是还有一个问题：font color = #000066就是我们使用resize扩容之后哈希表的size改变了，而我们用的哈希函数是除留余数法Hash(key) = key% size，那size变了，映射关系也就变了扩容之后原来表里面已经插入的值，它现在新的散列地址如果还用之前的，可能就不对了。

　　font color = #000066空间利用率低、冲突频率高：开放定址法容易产生冲突，特别是当哈希表的负载因子较大时，即哈希表的装满程度更高。这会导致性能下降，因为冲突的数量会增加，导致查找的效率降低。而一旦减小负载因子，又会导致频繁扩容，空间利用率低。聚集问题：开放定址法在处理冲突时，有时会出现聚集问题。聚集是指数据项在哈希表中被连续地存储在相邻的位置上，这样会导致冲突更加频繁，并且会造成某些位置的利用率低而其他位置的利用率高的情况。

　　font color = #000066怎么优化呢？我们上面的写法，遍历旧表，依次把每个哈希桶里面的数据重新插入到新表newht里面，虽然我们遍历用了引用，但是它里面调inert的时候，在insert里面还是会拿旧表里面每个结点的_kv去重新开结点然后插入，最后还要一个一个结点释放旧表。所以我这里想这样优化一下：我想直接把旧表的结点直接拿下来插入到新表里面，这样即不用开新结点，最终交换之后也不用释放旧表的结点。那这样的话我们就不去复用insert了，自己去搞

　　font color = black我们上面用两种方式实现了哈希表（当然接口可能没有实现特别完整），但是我们上面的实现哈希表里面存的都是整型，而我们的哈希函数用整型进行计算刚好是比较好的（比如我们上面用的是除留余数法）。但是如果是其它类型，要是浮点型或者char类型，还比较好处理，因为可以强转，但是，如果是除此之外的其它类型，比如string，或者其它的自定义类型，我们的程序还能很好的处理吗？

　　font color = #000066对于哈希表的查找，如果我们考虑最坏的情况的话，是O(N)，即在插入的元素里面，大部分的值都冲突到一个位置，被放到同一个桶里面。但是，这种最坏的情况几乎不会出现。因为我们插入的过程还会不断扩容，而扩容的过程旧表的值重新散列到扩容之后的新表里面，它的冲突值是会不断减少的。另外我们的负载因子也在控制嘛，像我们上面设置负载因子为1，平均情况就是每个哈希桶上面挂一个值再插入就要扩容了。所以如果按平均情况的线)，这是很快的。