【算法】哈希表详解

1. 哈希表的基本概念

• 键值对（Key-Value Pair）哈希表存储的是键值对，其中：
  键（Key）：唯一标识数据的值。
  值（Value）：与键相关联的数据。

• 哈希函数（Hash Function）
  哈希函数将键映射到一个固定范围的整数（通常称为哈希值或索引）。

• 理想情况下，哈希函数应满足：
  一致性：相同的键总是映射到相同的索引。
  均匀性：不同的键应尽可能均匀地分布到不同的索引。

• 哈希冲突（Hash Collision）
  当两个不同的键通过哈希函数映射到同一个索引时，称为哈希冲突。冲突会影响哈希表的效率，要尽可能减少冲突

• 影响散列表性能的因素
  散列函数
  装填因子
  处理冲突的方式

• 装填因子 = 表中的元素数/表长度
  装填因子越大，冲突的可能性越大
  装填因子越小，冲突的可能性越小，但空间利用率越低

• 常见的解决冲突的方法包括：
  链地址法（Chaining）：将冲突的键值对存储在同一个索引位置的链表中。
  开放地址法（Open Addressing）：通过探测方法（如线性探测、二次探测）寻找下一个可用的索引。

2. 哈希表的优缺点

• 优点
  高效的查找、插入和删除：
  平均时间复杂度为 O(1)。
  灵活性：可以存储任意类型的键值对。
  空间利用率高：通过合理的哈希函数设计，可以减少空间浪费。

• 缺点
  哈希冲突：冲突可能导致性能下降，最坏情况下时间复杂度退化为 O(n)。
  哈希函数设计复杂：需要设计一个均匀分布的哈希函数。
  空间开销：为了减少冲突，哈希表通常需要预留额外的空间。

3. 哈希表的实现方法

详细讲解可见视频:【散列表(哈希表) - 散列函数, 冲突处理, 平均查找长度(ASL)-哔哩哔哩】 https://b23.tv/46ltfTx

• 直接定址法: 适合关键字基本连续的情况
  H(key)= key 或 H(key)=a*key +b
• 除留余数法:求余操作可以把不连续的关键字映射到连续的地址空间
  H(key) = key%p【p一般取小于等于表长的最大质数】

4. 哈希表的应用场景

• 字典（Dictionary）：哈希表是字典的底层实现，用于快速查找单词的定义。

• 数据库索引：数据库使用哈希表加速数据的查找和检索。

• 缓存（Cache）：哈希表用于实现缓存系统（如 Redis），快速存取数据。

• 唯一性检查：哈希表可用于检查数据是否重复（如检测重复文件）。

• 编译器符号表：编译器使用哈希表存储变量和函数的信息。

5. 哈希表的性能优化

• 设计良好的哈希函数：哈希函数应尽可能均匀分布键，减少冲突。
• 动态扩容：当哈希表的负载因子（元素数量 / 表大小）超过阈值时，动态扩容以减少冲突。
• 冲突解决策略：根据应用场景选择合适的冲突解决方法（如链地址法或开放地址法）。
• 缓存友好：优化内存布局，提高缓存命中率。

6. 哈希表 vs 其他数据结构

7. 总结

哈希表是一种高效的数据结构，适用于需要快速查找、插入和删除的场景。

哈希函数和冲突解决方法是哈希表设计的核心。

在实际应用中，哈希表被广泛用于字典、数据库索引、缓存等场景。