首页 > 代码库 > hash_map原理及C++实现
hash_map原理及C++实现
一、数据结构:hash_map原理
hash_map基于hash table(哈希表)。哈希表最大的长处,就是把数据的存储和查找消耗的时间大大减少,差点儿能够看成是常数时间;而代价不过消耗比較多的内存。然而在当前可利用内存越来越多的情况下,用空间换时间的做法是值得的。另外,编码比較easy也是它的特点之中的一个。
其基本原理是:使用一个下标范围比較大的数组来存储元素。能够设计一个函数(哈希函数,也叫做散列函数)。使得每个元素的keyword都与一个函数值(即数组下标。hash值)相相应,于是用这个数组单元来存储这个元素;也能够简单的理解为。依照keyword为每个元素“分类”,然后将这个元素存储在相应“类”所相应的地方。称为桶。
可是,不可以保证每一个元素的keyword与函数值是一一相应的。因此极有可能出现对于不同的元素,却计算出了同样的函数值。这样就产生了“冲突”,换句话说,就是把不同的元素分在了同样的“类”之中。 总的来说,“直接定址”与“解决冲突”是哈希表的两大特点。
hash_map。首先分配一大片内存,形成很多桶。是利用hash函数,对key进行映射到不同区域(桶)进行保存。
其插入过程是:
1. 得到key
2. 通过hash函数得到hash值
3. 得到桶号(一般都为hash值对桶数求模)
4. 存放key和value在桶内。
其取值过程是:
1. 得到key
2. 通过hash函数得到hash值
3. 得到桶号(一般都为hash值对桶数求模)
4. 比較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。
可是,不可以保证每一个元素的keyword与函数值是一一相应的。因此极有可能出现对于不同的元素,却计算出了同样的函数值。这样就产生了“冲突”,换句话说,就是把不同的元素分在了同样的“类”之中。 总的来说,“直接定址”与“解决冲突”是哈希表的两大特点。
hash_map。首先分配一大片内存,形成很多桶。是利用hash函数,对key进行映射到不同区域(桶)进行保存。
1. 得到key
2. 通过hash函数得到hash值
3. 得到桶号(一般都为hash值对桶数求模)
4. 存放key和value在桶内。
其取值过程是:
1. 得到key
2. 通过hash函数得到hash值
3. 得到桶号(一般都为hash值对桶数求模)
4. 比較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,用比較函数解决。这里能够看出,假设每一个桶内部仅仅有一个元素,那么查找的时候仅仅有一次比較。当很多桶内没有值时。很多查询就会更快了(指查不到的时候).
由此可见,要实现哈希表, 和用户相关的是:hash函数(hashcode)和比較函数(equals)。
假定哈希函数将元素正确分布在各桶之间,可为基本操作(get 和 put)提供稳定的性能。迭代集合视图所需的时间与 HashMap 实例的“容量”(桶的数量)及其大小(键-值映射关系数)的和成比例。
所以,假设迭代性能非常重要。则不要将初始容量设置得太高(或将载入因子设置得太低)。
HashMap 的实例有两个參数影响其性能:
初始容量
(结构上的改动是指加入或删除一个或多个映射关系的操作。仅改变与实例已经包括的键关联的值不是结构上的改动。)这一般通过对自然封装该映射的对象进行同步操作来完毕。假设不存在这种对象,则应该使用 Collections.synchronizedMap 方法来“包装”该映射。
最好在创建时完毕这一操作。以防止对映射进行意外的不同步訪问。例如以下所看到的: Map m = Collections.synchronizedMap(new HashMap(...));
hash_map类在头文件hash_map中,和全部其他的C++标准库一样,头文件没有扩展名。
例如以下声明:
#include <hash_map>
using namespace std;
using namespace stdext;
hash_map是一个聚合类,它继承自_Hash类,包含一个vector,一个list和一个pair,当中vector用于保存桶。list用于进行冲突处理。pair用于保存key->value结构,简要地伪码例如以下:
class hash_map<class _Tkey, class _Tval>
{
private:
typedef pair<_Tkey, _Tval> hash_pair;
typedef list<hash_pair> hash_list;
typedef vector<hash_list> hash_table;
};
当然,这仅仅是一个简单模型,C++标准库的泛型模版一向以嵌套复杂而闻名。初学时看类库,无疑天书啊。微软的hash_map类还聚合了hash_compare仿函数类,hash_compare类里有聚合了less仿函数类。乱七八糟的。
以下说说用法:
一、简单变量作为索引:整形、实性、指针型
事实上指针型也就是整形,算法一样。
可是hash_map会对char*, const char*, wchar_t*, const wchar_t*做特殊处理。
这样的情况最简单。以下代码是整形演示样例:
hash_map<int, int> IntHash;
IntHash[1] = 123;
IntHash[2] = 456;
int val = IntHash[1];
int val = IntHash[2];
实型和指针型使用方法和整形一样,原理例如以下:
1、使用简单类型作索引声明hash_map的时候,不须要声明模版的后两个參数(最后一个參数指名hash_map节点的存储方式,默觉得pair,我觉得这就挺好。不是必需改动)。使用默认值就好。
2、对于除过字符串的其他简单类型,hash_map使用模版函数 size_t hash_value(const _Kty& _Keyval) 计算hash值,计算方法是经典的掩码异或法,自己主动溢出得到索引hash值。
微软的project师或许开了一个玩笑,这个掩码被定义为0xdeadbeef(死牛肉,抑或是某个程序猿的绰号)。
3、对于字符串指针作索引的时候,使用定类型函数inline size_t hash_value(const char *_Str)或inline size_t hash_value(const wchar_t *_Str)计算hash值。计算方法是取出每个字符求和。自己主动溢出得到hash值。
对于字符串型的hash索引。要注意须要自己定义less仿函数。
由于我们有理由觉得。人们使用hash表进行高速查找的预期成本要比在hash表中插入的预期成本低得多。所以插入可以比查找昂贵些;基于这个如果,hash_map在有冲突时,插入链表是进行排序插入的。这样在进行查询冲突解决的时候就行更快捷的找到须要的索引。
可是,基于泛型编程的原则,hash_map也有理由觉得每一种类型都支持使用"<"来判别两个类型值的大小,这样的设计恰好让字符串类型无所适从,众所周知。两个字符串指针的大小并不代表字符串值的大小。
见例如以下代码:
hash_map<const char*, int> CharHash;
CharHash["a"] = 123;
CharHash["b"] = 456;
char szInput[64] = "";
scanf("%s", szInput);
int val = CharHash[szInput];
终于的结果就是不管输入不论什么字符串,都无法找到相应的整数值。由于输入的字符串指针是szInput指针。和"a"或"b"字符串常量指针的大小是绝对不会同样。解决方法例如以下:
首先写一个仿函数CharLess。继承自仿函数基类binary_function(当然也能够不继承。这样写仅仅是符合标准,并且写起来比較方便,不用被类似于指针的指针和指针的引用搞晕。
struct CharLess : public binary_function<const char*, const char*, bool>
{
public:
result_type operator()(const first_argument_type& _Left, const second_argument_type& _Right) const
{
return(stricmp(_Left, _Right) < 0 ?
true : false);
}
};
非常好,有了这个仿函数,就能够正确的使用字符串指针型hash_map了。例如以下:
hash_map<const char*, int, hash_compare<const char*, CharLess> > CharHash;
CharHash["a"] = 123;
CharHash["b"] = 456;
char szInput[64] = "";
scanf("%s", szInput);
int val = CharHash[szInput];
如今就能够正常工作了。至此,简单类型的用法介绍完成。
二、用户自己定义类型:比方对象类型,结构体。
这样的情况比价复杂。我们先说简单的,对于C++标准库的string类。
庆幸的是。微软为basic_string(string类的基类)提供了hash方法,这使得使用string对象做索引简单了很多。
值得注意(也值得郁闷)的是。尽管支持string的hash,string类却没有重载比較运算符。所以标准的hash_compare仿函数依然无法工作。
我们继续重写less仿函数。
struct string_less : public binary_function<const string, const string, bool>
{
public:
result_type operator()(const first_argument_type& _Left, const second_argument_type& _Right) const
{
return(_Left.compare(_Right) < 0 ? true : fase);
}
};
好了,我们能够书写例如以下代码:
hash_map<string, int, hash_compare<string, string_less> > StringHash;
StringHash["a"] = 123;
StringHash["b"] = 456;
string strKey = "a";
int val = CharHash[strKey];
这样就能够了。
对于另外的一个经常使用的字符串类CString(我觉得微软的CString比标准库的string设计要洒脱一些)更加复杂一些。非常显然,标准库里不包括对于CString的支持,但CString却重载了比較运算符(郁闷)。我们必须重写hash_compare仿函数。值得一提的是。在Virtual Stdio 2003中。CString不再是MFC的成员。而成为ATL的成员,使用#include <atlstr.h>就能够使用。
我没有採用重写hash_compare仿函数的策略,而不过继承了它。在模版库中的继承是没有性能损耗的,并且能让我偷一点懒。
首先重写一个hash_value函数:
inline size_t CString_hash_value(const CString& str)
{
size_t value = http://www.mamicode.com/_HASH_SEED;
size_t size = str.GetLength();
if (size > 0) {
size_t temp = (size / 16) + 1;
size -= temp;
for (size_t idx = 0; idx <= size; idx += temp) {
value += (size_t)str[(int)idx];
}
}
return(value);
}
其次重写hash_compare仿函数:
class CString_hash_compare : public hash_compare<CString>
{
public:
size_t operator()(const CString& _Key) const
{
return((size_t)CString_hash_value(_Key));
}
bool operator()(const CString& _Keyval1, const CString& _Keyval2) const
{
return (comp(_Keyval1, _Keyval2));
}
};
上面的重载忽略了基类对于less仿函数的引入,由于CString具备比較运算符,我们能够使用默认的less仿函数,在这里映射为comp。
好了。我们能够声明新的hash_map对象例如以下:
hash_map<CString, int, CString_hash_compare> CStringHash;
其余的操作一样一样的。
下来就说说对于自己定义对象的用法:首先定义
struct IHashable
{
virtual unsigned long hash_value() const = 0;
virtual bool operator < (const IHashable& val) const = 0;
virtual IHashable& operator = (const IHashable& val) = 0;
};
让我们自写的类都派生自这里,有一个标准,接下来定义我们的类:
class CTest : public IHashable
{
public:
int m_value;
CString m_message;
public:
CTest() : m_value(0)
{
}
CTest(const CTest& obj)
{
m_value = http://www.mamicode.com/obj.m_value;
m_message = obj.m_message;
}
public:
virtual IHashable& operator = (const IHashable& val)
{
m_value = ((CTest&)val).m_value;
m_message = ((CTest&)val).m_message;
return(*this);
}
virtual unsigned long hash_value() const
{
// 这里使用类中的m_value域计算hash值。也能够使用更复杂的函数计算全部域总的hash值
return(m_value ^ 0xdeadbeef
}
virtual bool operator < (const IHashable& val) const
{
return(m_value < ((CTest&)val).m_value);
}
};
用这个类的对象做为hash索引准备工作例如以下。由于接口中规定了比較运算符,所以这里能够使用标准的less仿函数。所以这里忽略:
template<class _Tkey>
class MyHashCompare : public hash_compare<_Tkey>
{
public:
size_t operator()(const _Tkey& _Key) const
{
return(_Key.hash_value());
}
bool operator()(const _Tkey& _Keyval1, const _Tkey& _Keyval2) const
{
return (comp(_Keyval1, _Keyval2));
}
};
下来就这样写:
CTest test;
test.m_value = http://www.mamicode.com/123;
test.m_message = "This is a test";
MyHash[test] = 2005;
int val = MyHash[test];
能够看到正确的数字被返回。
三、关于hash_map的思考:
1、性能分析:採用了内联代码和模版技术的hash_map在效率上应该是很优秀的,但我们还须要注意例如以下几点:
* 经过查看代码。字符串索引会比简单类型索引速度慢,自己定义类型索引的性能则和我们选择hash的内容有非常大关系,简单为主。这是使用hash_map的基本原则。
* 能够通过重写hash_compair仿函数。更改里面关于桶数量的定义。假设取值合适,也能够得到更优的性能。
假设桶数量大于10。则牢记它应该是一个质数。
* 在自己定义类型是。重载的等号(或者拷贝构造)有可能成为性能瓶颈。使用对象指针最为索引将是一个好的想法。但这就必须重写less仿函数,理由同使用字符串指针作为索引。
hash_map类在头文件hash_map中,和全部其他的C++标准库一样。头文件没有扩展名。例如以下声明:
- #include <hash_map>
- using namespace std;
- using namespace stdext;
hash_map是一个聚合类。它继承自_Hash类,包含一个vector,一个list和一个pair,当中vector用于保存桶,list用于进行冲突处理。pair用于保存key->value结构。简要地伪码例如以下:
- class hash_map<class _Tkey, class _Tval>
- {
- private:
- typedef pair<_Tkey, _Tval> hash_pair;
- typedef list<hash_pair> hash_list;
- typedef vector<hash_list> hash_table;
- };
当然。这仅仅是一个简单模型。C++标准库的泛型模版一向以嵌套复杂而闻名,初学时看类库,无疑天书啊。微软的hash_map类还聚合了hash_compare仿函数类,hash_compare类里又聚合了less仿函数类,乱七八糟的。
以下说说用法:
一、简单变量作为索引:整形、实性、指针型
事实上指针型也就是整形,算法一样。可是hash_map会对char*, const char*, wchar_t*, const wchar_t*做特殊处理。
这样的情况最简单。以下代码是整形演示样例:
- hash_map<int, int> IntHash;
- IntHash[1] = 123;
- IntHash[2] = 456;
- int val = IntHash[1];
- int val = IntHash[2];
实型和指针型使用方法和整形一样,原理例如以下:
1、使用简单类型作索引声明hash_map的时候。不须要声明模版的后两个參数(最后一个參数指名hash_map节点的存储方式。默觉得pair。我觉得这就挺好。不是必需改动)。使用默认值就好。
2、对于除过字符串的其他简单类型,hash_map使用模版函数 size_t hash_value(const _Kty& _Keyval) 计算hash值,计算方法是经典的掩码异或法,自己主动溢出得到索引hash值。微软的project师或许开了一个玩笑。这个掩码被定义为0xdeadbeef(死牛肉。抑或是某个程序猿的绰号)。
3、对于字符串指针作索引的时候。使用定类型函数inline size_t hash_value(const char *_Str)或inline size_t hash_value(const wchar_t *_Str)计算hash值。计算方法是取出每个字符求和,自己主动溢出得到hash值。对于字符串型的hash索引,要注意须要自己定义less仿函数。
由于我们有理由觉得,人们使用hash表进行高速查找的预期成本要比在hash表中插入的预期成本低得多,所以插入可以比查找昂贵些;基于这个如果,hash_map在有冲突时,插入链表是进行排序插入的,这样在进行查询冲突解决的时候就行更快捷的找到须要的索引。
可是,基于泛型编程的原则,hash_map也有理由觉得每一种类型都支持使用"<"来判别两个类型值的大小,这样的设计恰好让字符串类型无所适从,众所周知。两个字符串指针的大小并不代表字符串值的大小。
见例如以下代码:
- hash_map<const char*, int> CharHash;
- CharHash["a"] = 123;
- CharHash["b"] = 456;
- char szInput[64] = "";
- scanf("%s", szInput);
- int val = CharHash[szInput];
终于的结果就是不管输入不论什么字符串,都无法找到相应的整数值。由于输入的字符串指针是szInput指针。和"a"或"b"字符串常量指针的大小是绝对不会同样。
解决方法例如以下:
首先写一个仿函数CharLess。继承自仿函数基类binary_function(当然也能够不继承,这样写仅仅是符合标准,并且写起来比較方便,不用被类似于指针的指针和指针的引用搞晕。
- struct CharLess : public binary_function<const char*, const char*, bool>
- {
- public:
- result_type operator()(const first_argument_type& _Left, const second_argument_type& _Right) const
- {
- return(stricmp(_Left, _Right) < 0 ? true : false);
- }
- };
非常好,有了这个仿函数。就能够正确的使用字符串指针型hash_map了。例如以下:
- hash_map<const char*, int, hash_compare<const char*, CharLess> > CharHash;
- CharHash["a"] = 123;
- CharHash["b"] = 456;
- char szInput[64] = "";
- scanf("%s", szInput);
- int val = CharHash[szInput];
如今就能够正常工作了。
至此。简单类型的用法介绍完成。
二、用户自己定义类型:比方对象类型。结构体。
这样的情况比价复杂,我们先说简单的,对于C++标准库的string类。
庆幸的是,微软为basic_string(string类的基类)提供了hash方法,这使得使用string对象做索引简单了很多。值得注意(也值得郁闷)的是。尽管支持string的hash,string类却没有重载比較运算符,所以标准的hash_compare仿函数依然无法工作。我们继续重写less仿函数。
[cpp] view plaincopy
- struct string_less : public binary_function<const string, const string, bool>
- {
- public:
- result_type operator()(const first_argument_type& _Left, const second_argument_type& _Right) const
- {
- return(_Left.compare(_Right) < 0 ? true : fase);
- }
- };
好了,我们能够书写例如以下代码:
- hash_map<string, int, hash_compare<string, string_less> > StringHash;
- StringHash["a"] = 123;
- StringHash["b"] = 456;
- string strKey = "a";
- int val = CharHash[strKey];
这样就能够了。
对于另外的一个经常使用的字符串类CString(我觉得微软的CString比标准库的string设计要洒脱一些)更加复杂一些。非常显然。标准库里不包括对于CString的支持。但CString却重载了比較运算符(郁闷)。我们必须重写hash_compare仿函数。值得一提的是。在Virtual Stdio 2003中,CString不再是MFC的成员,而成为ATL的成员。使用#include <atlstr.h>就能够使用。我没有採用重写hash_compare仿函数的策略,而不过继承了它,在模版库中的继承是没有性能损耗的,并且能让我偷一点懒。
首先重写一个hash_value函数:
- inline size_t CString_hash_value(const CString& str)
- {
- size_t value = _HASH_SEED;
- size_t size = str.GetLength();
- if (size > 0) {
- size_t temp = (size / 16) + 1;
- size -= temp;
- for (size_t idx = 0; idx <= size; idx += temp) {
- value += (size_t)str[(int)idx];
- }
- }
- return(value);
- }
- class CString_hash_compare : public hash_compare<CString>
- {
- public:
- size_t operator()(const CString& _Key) const
- {
- return((size_t)CString_hash_value(_Key));
- }
- bool operator()(const CString& _Keyval1, const CString& _Keyval2) const
- {
- return (comp(_Keyval1, _Keyval2));
- }
- };
上面的重载忽略了基类对于less仿函数的引入。由于CString具备比較运算符。我们能够使用默认的less仿函数。在这里映射为comp。好了,我们能够声明新的hash_map对象例如以下:
- hash_map<CString, int, CString_hash_compare> CStringHash;
其余的操作一样一样的。
下来就说说对于自己定义对象的用法:首先定义
- struct IHashable
- virtual unsigned long hash_value() const = 0;
- virtual bool operator < (const IHashable& val) const = 0;
- virtual IHashable& operator = (const IHashable& val) = 0;
- ;
让我们自写的类都派生自这里,有一个标准,接下来定义我们的类:
- class CTest : public IHashable
- {
- public:
- int m_value;
- CString m_message;
- public:
- CTest() : m_value(0) {}
- CTest(const CTest& obj)
- {
- m_value = obj.m_value;
- m_message = obj.m_message;
- }
- public:
- virtual IHashable& operator = (const IHashable& val) {
- m_value = ((CTest&)val).m_value;
- m_message = ((CTest&)val).m_message;
- return(*this);
- }
- virtual unsigned long hash_value() const {
- // 这里使用类中的m_value域计算hash值,也能够使用更复杂的函数计算全部域总的hash值
- return(m_value ^ 0xdeadbeef
- }
- virtual bool operator < (const IHashable& val) const {
- return(m_value < ((CTest&)val).m_value);
- }
- };
用这个类的对象做为hash索引准备工作例如以下,由于接口中规定了比較运算符,所以这里能够使用标准的less仿函数。所以这里忽略:
- template<class _Tkey>
- class MyHashCompare : public hash_compare<_Tkey>
- {
- public:
- size_t operator()(const _Tkey& _Key) const {
- return(_Key.hash_value());
- }
- bool operator()(const _Tkey& _Keyval1, const _Tkey& _Keyval2) const {
- return (comp(_Keyval1, _Keyval2));
- }
- };
下来就这样写:
- CTest test;
- test.m_value = 123;
- test.m_message = "This is a test";
- MyHash[test] = 2005;
- int val = MyHash[test];
能够看到正确的数字被返回。
三、关于hash_map的思考:
1、性能分析:採用了内联代码和模版技术的hash_map在效率上应该是很优秀的。但我们还须要注意例如以下几点:
* 经过查看代码。字符串索引会比简单类型索引速度慢,自己定义类型索引的性能则和我们选择hash的内容有非常大关系,简单为主,这是使用hash_map的基本原则。
* 能够通过重写hash_compair仿函数,更改里面关于桶数量的定义。假设取值合适,也能够得到更优的性能。假设桶数量大于10,则牢记它应该是一个质数。
* 在自己定义类型是,重载的等号(或者拷贝构造)有可能成为性能瓶颈。使用对象指针最为索引将是一个好的想法,但这就必须重写less仿函数。理由同使用字符串指针作为索引。
自己使用上面的方法成功攻克了使用PTCHAR作为Key的使用。其解决方法例如以下:
- inline size_t PTCHAR_hash_value(const PTCHAR str)
- {
- size_t value = _HASH_SEED;
- size_t size = _tcslen(str);
- if (size > 0) {
- size_t temp = (size/16) + 1;
- size -= temp;
- for (size_t idx=0; idx<=size; idx+=temp) {
- value += (size_t)str[(int)idx];
- }
- }
- return value;
- }
- class PTCHAR_hash_compare : public stdext::hash_compare<PTCHAR>
- {
- public:
- size_t operator()(const PTCHAR _Key) const {
- return ((size_t)PTCHAR_hash_value(_Key));
- }
- bool operator()(const PTCHAR _Keyval1, const PTCHAR _Keyval2) const {
- return (_tcscmp(_Keyval1, _Keyval2));
- }
- };
- stdext::hash_map<PTCHAR, long, PTCHAR_hash_compare > myHash;
hash_map原理及C++实现