数据结构 | 详解 HashTable 和 HashSet

1 概述

在实际开发当中，我们常常使用哈希函数了组织数据，以便能够快速地插入和搜索数据。

通常，我们会用到两种数据结构。

• HashSet： 哈希集合，没有重复的数据
• HashMap： 哈希映射，由键值对组成

2 哈希表中使用的概念

2.1 哈希函数

哈希函数能够将一个大数或字符串映射为一个小整数，这个整数可用作哈希表的索引。

2.2 负荷系数

负荷系数是表中存储的 元素数/桶数

它的主要作用就是权衡时间与空间复杂性。

2.3 容量与初始容量

一般而言，桶的初始容量为 16。比如 Java 中的 HashMap。

2.4 阈值

阈值的计算公式是 容量 * 负荷系数。在 java 中，Hashmap 的初始容量为16，负荷系数为0.75。因此阈值是16 * 0.75 = 12。所以，向 HashMap 添加第12个元素之后，HashMap 的容量将从16增加到32。

2.5 再散列

如果负荷系数是1.0，当容量消耗完时，会触发再散列。所有的 hashcode 将会被重新计算。

3 哈希表

哈希表使用哈希函数映射到桶中。

3.1 插入新键

• 哈希函数决定分配哪个桶键
• 键值存储在相应的桶中

3.2 查找键值

• 通过哈希函数找到相应的桶
• 在桶里查找键值
  
  如果以 y = x % 5 作为哈希函数，那么1987 和 2 将会被放在同一个桶里。

3.3 设计哈希表

哈希函数

理想情况下，key 和 bucket 是一对一的映射。然而，在桶的数量和桶的容量之间总是存在一个权衡。所以，好的哈希函数必须满足下面的要求：

• 计算效率高
• 键值能够均匀分布

减少碰撞或者冲突

冲突意味着两个键值，映射到同一个桶里。

那么，如何处理碰撞呢？

采用链表

如下图所示：

可以看到，使用链表会增加额外的存储。

4 Java 中的 HashSet 和 HashMap

HashSet 里，不存在重复值。下面是它的典型用法：

Set