C++【哈希表的模拟实现】
✨个人主页： 北 海 🎉所属专栏： C++修行之路 🎃操作环境： Visual Studio 2019 版本 16.11.17
🌇前言
哈希表的核心思想是 映射，对数据的键值进行处理后，映射 至表中对应的位置，实现存储，利用空间换时间，哈希表的查找效率非常高，可以达到 O(1)，哈希表的实现主要分为两种：闭散列 与 开散列，本文中将利用这两种方案实现哈希表
🏙️正文
1、模拟实现哈希表（闭散列）
闭散列与开散列是解决哈希冲突的两种方法
闭散列的关键在于 线性探测：当映射位置被占用时，向后移动，找到可用位置存储数据
探测后一定能找到可用的位置 [空 / 删除]
因为在闭散列中，还有一个 负载因子 用于控制是否需要扩容，确保一定有剩余空间
闭散列 存在 踩踏 问题，并不是很推荐使用
所谓的线性探测其实就是找位置，比如在停车场中，你中意的车位被占了，那只能在周围寻找可用车位（探测），找到后停好车，不过，你找的位置可能是别人中意的车位，别人停车时同样需要找车位（探测） 如此一来，本来大家都可以停在合适的位置，但因车位占用问题，局部秩序被打乱，最终导致整体秩序被打乱，而这就是 踩踏，秩序打乱后的直接影响是 寻找车位 变慢了！
1.1、存储数据结构的定义
闭散列中存储的数据至少包含两个信息：键值对、状态表示
键值对既可以是 K 也可以是 K / V，我们这里实现的是 K / V
而状态分为三种：
- 空
EMPTY初始状态 - 存在
EXIST插入数据后的状态 - 删除
DELETE删除数据后的状态
其实简单分为 [可用 / 不可用] 两种状态也行，细分出
EMPTY与DELETE是为了在进行 探测 时，提高效率
- 探测 时，如果探测到空，就不必再探测，因为后面必然不存在我们想找的数据，如果存在，这里就不会为空了
所以闭散列中的 存储数据结构 可以用一个结构体定义
//节点状态
enum Status
{
//空、被占用、删除
EMPTY,
EXIST,
DELETE
};
//存储数据结构类
template<class K, class V>
struct HashData
{
pair<K, V> _kv; //键值对
Status _status = EMPTY; //状态
};哈希表 的整体框架如下：
//闭散列
namespace ClosedHash
{
//……
//哈希表
template<class K, class V>
class HashTable
{
typedef HashData<K, V> Data;
public:
//……
private:
vector<Data> _table; //数据表
size_t _n; //有效数据量（用于计算负载因子）
};1.2、查找
查找 的过程其实就是 找车位 的过程，无非就是判断 当前位置的数据是否为目标值
因为在 插入 时，是 线性探测式插入 的，所以 查找 时同样进行 线性探测，一旦发现当前位置为 空，就不必向后继续探测了，因为 后面必然不存在目标数据
查找 的代码如下：
HashData<K, V>* Find(const K& key)
{
//如果其中没有数据，则查找失败
if (_n == 0)
return nullptr;
//计算哈希值
size_t HashI = key % _table.size();
size_t index = HashI; //保存位置，后面用来判断是否套圈了
//查找（如果为空，说明其后面没有数据，不必继续探测）
while (_table[index]._status != EMPTY)
{
//判断当前位置是否有数据+是否为目标
if (_table[index]._status == EXIST && _table[index]._kv.first == key)
return &_table[index];
//线性探测
index++;
index %= _table.size();
//判断是否绕圈了（找了一圈还没有找到）
if (index == HashI)
break;
}
return nullptr;
}注意：
- 需要先保存哈希值，用于判断是否被套圈（找了一圈还没找到目标值）
- 函数返回的是当前位置存储数据的指针，如果不存在，则返回空
nullptr
1.3、插入
在进行数据插入前，可以 先通过查找判断该值是否已存在，避免数据冗余
如果不存在，则可以进行插入，插入步骤如下：
- 根据键值计算出下标（哈希值）
- 线性探测，找到可用的位置 [空 / 删除]
- 插入数据，有效数据量
+1
插入部分的具体操作代码如下：
bool Insert(const pair<K, V>& kv)
{
//首先查找当前 key 是否已经存在了
if (Find(kv.first) != nullptr)
return false;
//扩容问题
//……
//获取下标（哈希值）
size_t HashI = kv.first % _table.size();
int i = 0; //探测时的权值，方便改为二次探测
//如果为存在，进行探测
while (_table[HashI]._status == EXIST)
{
HashI += i; //向后移动
HashI %= _table.size();
i++;
}
//找到空位置了，进行插入
_table[HashI]._kv = kv;
_table[HashI]._status = EXIST;
_n++; //插入一个数据
return true;
}如果想降低踩踏发生的概率，可以将 线性探测 改为 二次探测
HashI += (i * i); //二次探测以上就是 插入操作 的具体实现，此时面临着一个棘手的问题：扩容问题
当数据 第一次插入 或 负载因子达到临界值 时，需要进行 扩容（因为 vector<Data> _table 一开始为空，所以第一次插入也要扩容）
当空间扩容后，容量发生了改变，这也就意味着 数据与下标 的映射关系也发生了改变，需要更新数据，即重新进行线性探测
扩容可分为 传统写法 和 现代写法
传统写法
bool Insert(const pair<K, V>& kv)
{
//查找
//……
//考虑扩容问题（存储数据超过容量的 70% 就扩容）
if (_table.size() == 0 || _n * 10 / _table.size() == 7)
{
size_t newSize = _table.size() == 0 ? 10 : _table.size() * 2;
vector<Data> newTable(newSize); //创建新表
//将老表中的数据，挪动至新表（需要重新建立映射关系）
for (auto& e : _table)
{
//获取下标（哈希值）
size_t HashI = e._kv.first % newTable.size();
int i = 0; //探测时的权值，方便改为二次探测
//如果为空，进行探测
while (newTable[HashI]._status == EXIST)
{
HashI += i; //向后移动
HashI %= newTable.size();
i++;
}
//找到空位置了，进行插入
newTable[HashI]._kv = e._kv;
newTable[HashI]._status = EXIST;
_n++; //插入一个数据
}
//交换新表、旧表（成本不大）
_table.swap(newTable);
}
//插入
//……
}传统写法思路：创建一个容量足够的 新表，将 原表 中的数据映射至 新表 中，映射完成后，交换 新表 和 原表，目的是为了更新当前哈希表对象中的 表
关于
平衡因子的控制 根据别人的试验结果，哈希表中的存储的有效数据量超过哈希表容器的70%时，推荐进行扩容 假设容量为M，存储的有效数据量为N，两者比率N / M == 0.7时进行扩容 因为我们这里的容量和数据量都是整数，所以在等式两边*10，可得N * 10 / M == 7
传统写法比较繁琐，下面就来看看 现代写法
现代写法
bool Insert(const pair<K, V>& kv)
{
//查找
//……
//现代写法：调用 Insert
if (_table.size() == 0 || _n * 10 / _table.size() == 7)
{
size_t newSize = _table.size() == 0 ? 10 : _table.size() * 2;
HashTable<K, V> newHashTable; //创建新哈希表
newHashTable._table.resize(newSize); //直接扩容，后续调用 Insert 插入数据时，空间是绝对够的
//将老表中的数据，插入至新表（建立映射关系的工作交给 Insert）
for (auto& e : _table)
newHashTable.Insert(e._kv);
//交换新表、旧表（成本不大）
_table.swap(newHashTable._table);
//细节：需不需要交换 _n ？
}
//插入
//……
}其实 传统写法 中的 插入部分逻辑 与 Insert 中的 插入操作 重复了，因此我们可以借助现代思想（白嫖），创建一个 容量足够的哈希表，将 原表 中的数据遍历插入 新的哈希表 中，插入的过程调用 Insert，代码极其间接，并且不容易出错
细节：需不需将当前对象中的 有效数据量 _n 进行更新？
- 答案是不需要，往新的哈希表中插入
_n个数据，意味着无论是 新的哈希表 还是当前对象，它们的有效数据量都是一致的，因此不需要更新
可以对 查找 和 插入 这两个功能进行测试
//测试
void TestCloseHash1()
{
int a[] = { 3, 33, 2, 13, 5, 12, 1002 };
HashTable<int, int> ht;
for (auto e : a)
{
ht.Insert(make_pair(e, e));
}
ht.Insert(make_pair(15, 15));
if (ht.Find(13))
{
cout << "13在" << endl;
}
else
{
cout << "13不在" << endl;
}
}
数据在 哈希表 的存储关系如下：
1.4、删除
删除 操作就十分简单了，获取待删除数据，将其中的状态改为 删除 DELETE 即可，不必清空数据，只要访问不到就行了，当然，有效数据量-1
此时可以调用 查找 Find，如果待 删除 数据存在，可以得到指向它的指针，进行状态修改即可，如果不存在，就不进行操作，返回 false
bool Erase(const K& key)
{
//查找目标是否存在
HashData<K, V>* pret = Find(key);
if (pret != nullptr)
{
//进行删除，更改状态为删除，数量-1即可
pret->_status = DELETE;
_n--;
return true;
}
return false;
}测试 删除 功能
void TestCloseHash2()
{
int a[] = { 3, 33, 2, 13, 5, 12, 1002 };
HashTable<int, int> ht;
for (auto e : a)
{
ht.Insert(make_pair(e, e));
}
ht.Insert(make_pair(15, 15));
if (ht.Find(13))
{
cout << "13在" << endl;
}
else
{
cout << "13不在" << endl;
}
ht.Erase(13);
if (ht.Find(13))
{
cout << "13在" << endl;
}
else
{
cout << "13不在" << endl;
}
}
哈希表（闭散列）实战价值不大，因此只做简单了解即可，真正重点在于 开散列
2、模拟实现哈希表（开散列）
哈希表（开散列） 又称为 哈希桶
因为它的下面挂着一个 单链表，形似一个 桶
哈希表（开散列） 就比较有 研究价值 了，因为它在解决 哈希冲突 的同时，不会产生 踩踏 问题，是一种比较灵活且强大的解决方案
2.1、存储节点结构的定义
哈希桶 中需要维护一个 单链表，因此需要一个 _next 指针指向下一个节点
//节点类
template<class K, class V>
struct HashNode
{
HashNode(const pair<K, V>& kv)
:_kv(kv)
,_next(nullptr)
{}
pair<K, V> _kv;
HashNode<K, V>* _next; //指向下一个节点
};因为引入了 单链表，所以 哈希桶 中 表 的存储类型也变成了 节点指针
//哈希表（哈希桶）
template<class K, class V>
class HashTable
{
typedef HashNode<K, V> Node;
//……
private:
//哈希桶中不需要平衡因子，节点存储满后，进行扩容就行了
vector<Node*> _table;
size_t _n = 0; //有效数据量
};注意： 哈希桶中不需要状态表示，因为可以直接插入
2.2、析构函数
因为有 单链表，所以在对象析构时，需要手动遍历其中的节点，将其释放，避免 内存泄漏
~HashTable()
{
//因为哈希桶中涉及了我们直接写的单链表，因此需要手动释放节点
//顺便把 vector 中的节点释放了
for (auto& pnode : _table)
{
Node* cur = pnode;
while (cur)
{
//保存下一个节点
Node* next = cur->_next;
//释放当前节点
delete cur;
cur = next;
}
pnode = nullptr;
}
}为什么 哈希表（闭散列） 中不需要写 析构函数？
- 因为在闭散列中，表中存储的数据不涉及自定义类型的动态内存管理，并且
vector在对象调用默认析构时，会被调用其析构，释放其中的内存
2.3、查找
哈希桶 在查找时，只需要先定位至具体的位置，然后遍历其中的 桶 中是否存在 目标 即可
//查找
Node* Find(const K& key)
{
if (_table.size() == 0)
return nullptr;
//计算哈希值
size_t HashI = key % _table.size();
//在哈希值对应的桶里查找是否存在目标值
Node* cur = _table[HashI];
while (cur)
{
if (cur->_kv.first == key)
return cur;
cur = cur->_next;
}
return nullptr;
}本质上就是单链表的遍历~
2.4、插入
在进行数据插入时，既可以尾插，也可以头插，因为桶中的存储顺序没有要求
为了操作简单，我们选择 头插
同样的，哈希桶在扩容时，也有传统写法和现代写法，这里采用 传统写法
//插入
bool Insert(const pair<K, V>& kv)
{
if (Find(kv.first) != nullptr)
return false; //冗余
//判断扩容
if (_n == _table.size())
{
//传统写法
size_t newSize = _table.size() == 0 ? 5 : _table.size() * 2;
vector<Node*> newTable(newSize); //新的表
for (auto& cur : _table)
{
while (cur)
{
size_t HashI = cur->_kv.first % newSize; //计算新的哈希值
Node* next = cur->_next;
//节点头插至新表（回收节点）
cur->_next = newTable[HashI];
newTable[HashI] = cur;
cur = next;
}
}
_table.swap(newTable);
现代写法
//size_t newSize = _table.size() == 0 ? 5 : _table.size() * 2;
//HashTable<K, V> newHashTable;
//newHashTable._table.resize(newSize); //直接就扩容了
//for (auto& cur : _table)
//{
// while (cur)
// {
// newHashTable.Insert(cur->_kv);
// cur = cur->_next;
// }
//}
//_table.swap(newHashTable._table);
}
//插入
size_t HashI = kv.first % _table.size(); //计算哈希值
//单链表头插
Node* cur = _table[HashI]; //原来的头节点
_table[HashI] = new Node(kv); //创建新的头
_table[HashI]->_next = cur; //连接
_n++;
return true;
}这里的 传统写法 有一个很巧妙的地方：节点回收
既然 旧表 中节点不用了，那我可以直接把其中的节点 转移链接 至 新表 中，这样可以提高效率，且代码十分优雅
简单对 插入（含查找） 功能进行测试
//测试
void TestOpenHash1()
{
int a[] = { 3, 33, 2, 13, 5, 12, 1002 };
HashTable<int, int> ht;
for (auto e : a)
{
ht.Insert(make_pair(e, e));
}
ht.Insert(make_pair(15, 15));
ht.Insert(make_pair(25, 25));
ht.Insert(make_pair(35, 35));
ht.Insert(make_pair(45, 45));
cout << ht.Find(5) << endl;
cout << ht.Find(50) << endl;
}
注意： 进行单链表链接操作时，要注意野指针问题
2.5、删除
哈希桶 的删除本质上就是 单链表 的删除，不过先要根据 哈希值 获取对应的 头节点
bool Erase(const K& key)
{
//这里直接查找，因为需要保存上一个节点信息（单链表的删除）
size_t HashI = key % _table.size();
Node* prev = nullptr;
Node* cur = _table[HashI];
//单链表的删除
while (cur)
{
Node* next = cur->_next;
if (cur->_kv.first == key)
{
//删除
if (prev == nullptr)
{
//头删
_table[HashI] = next;
}
else
prev->_next = next;
delete cur;
_n--;
return true;
}
else
{
prev = cur;
cur = next;
}
}
return false;
}测试 删除 功能
void TestOpenHash2()
{
int a[] = { 3, 33, 2, 13, 5, 12, 1002 };
HashTable<int, int> ht;
for (auto e : a)
{
ht.Insert(make_pair(e, e));
}
cout << ht.Find(5) << endl;
ht.Erase(12);
ht.Erase(5);
ht.Erase(33);
cout << ht.Find(5) << endl;
}
注意： 单链表删除时，需要考虑删除的是头节点的情况
2.6、桶的长度
哈希桶 中的长度不会太长，因为存在 扩容 机制，并且 每次扩容后，映射关系会进行更新，桶的整体高度会降低
可以插入大量数据，查看 哈希桶 的最大高度
class HashTable
{
//……
size_t MaxBucketSize()
{
size_t max = 0;
for (size_t i = 0; i < _table.size(); i++)
{
Node* cur = _table[i];
size_t size = 0;
while (cur)
{
++size;
cur = cur->_next;
}
if (size > max)
max = size;
}
return max;
}
//……
};
void TestOpenHash3()
{
//插入大量随机数，查看最长的桶长度
srand((size_t)time(nullptr));
HashTable<int, int> ht;
int n = 1000000;
for (int i = 0; i < n; i++)
{
int val = rand() + i;
ht.Insert(make_pair(val, val));
}
//查看最长的长度
cout << ht.MaxBucketSize() << endl;
}
插入约 100w 数据，哈希桶 的最大高度不过为 2
因此，哈希桶可以做到常数级别的查找速度，并且不存在 踩踏 问题
其实库中的 unordered_set 和 unordered_map 就是使用 哈希桶 封装实现的，就像 红黑树 封装 set 和 map 那样
不过我们当前的 哈希桶 仍然存在不少问题且不够完善，在下一篇文章中，我们首先对其进行完善，然后直接利用一个 哈希桶 封装实现 unordered_set 与 unordered_map
3、源码
本文中涉及的所有代码位于下面这个 Gitee 仓库中
🌆总结
以上就是本次关于 C++【哈希表的模拟实现】的全部内容了，在本文中，我们主要对哈希表的两种实现方式：闭散列与开散列（哈希桶）进行了简单模拟实现，学习了 线性探测 和 单链表 这两种哈希冲突的解决方法，之前觉得没什么用的单链表，在此处闪闪发光
相关文章推荐 C++ 进阶知识 C++【初识哈希】 C++【一棵红黑树封装 set 和 map】 C++【红黑树】 C++【AVL树】 C++【set 和 map 学习及使用】 C++【二叉搜索树】 C++【多态】 C++【继承】