散列表

什么是散列表?

散列表也被称“Hash Table”，我们称之为“哈希表”或者“Hash表”。散列表用的是数组支持按照下标随机访问数据的特性，所以散列表其实就是数组的一种扩展，由数组演化而来。可以说，没有数组，就没有散列表。

 

最简单的散列表

最简单的散列表就是key对应数组的下标，value就是数组下标内的元素值。

 

我们把key到value的这个过程赋予一个函数，称为散列函数。散列函数有3个基本要求:

1.散列函数计算的散列值是一个非负整数

2.如果key1 = key2，那hash(key1) == hash(key2)

3.如果key1 != key2，那hash(key1) != hash(key2) ------------- 散列冲突

散列函数的设计尽量使的哈希值随机且均匀分布

 

散列冲突

第三点好理解，但是难实现。目前业界著名的MD5，SHA，CRC等哈希算法也完全无法避免这种哈希冲突。而且，因为数组的存储空间有限，也会加大散列冲突的概率。

 

既然几乎无法找到一个完美的无冲突的散列函数，即使可以，也需要花费很多的人力物力，那么我们针对散列冲突问题，就需要其他途径来解决。

 

开放寻地址法

1.线性探测法

简单来说就是依次找下去

插入:如果发生了散列冲突，就往后找一个空位子，然后插进去，如果后面没了，就从头开始

查询:如果发生了散列冲突，就接着找，直到找到元素(找到)或者找到空的(没找到)

删除:删除要注意的点就是，得标记删除后的格子为deleted，不然在查询的时候会出现问题

 

可以看得出来，这个方法很低效

一般有一个装载因子，装载因子是数组最大可容纳的数据所占的比例。装载因子越大，数组使用率越高，冲突几率越高。javaHashMap一般设定为0.75

 

2.二次探测法

线性探测法是hash(key) + 1，hash(key) + 2 ～～～～～

二次探测法就是hash(key) + 1^2，hash(key) +2^2～～～～～

 

3.双重散列法

双重散列法的意思就是，我们不是使用一个散列函数，而是使用一组散列函数，当hash1(key)被占用的时候，就是用hash2(key)，以此类推到hashn(key)，直至找到空的格子

 

链表法

这种方法很好理解，就是我接受你的散列冲突，然后在格子里面加个链表。这样的话就算冲突也没事了，删除的话也更好。

 

散列碰撞

以链表法为例，hash(key)为同一个值，然后把数据都塞到同一个槽里面，查询的时间复杂度就是O(1)退化成O(n)。这样就可能因为查询操作消耗大量CPU或线程资源，导致系统无法响应其他请求，从而达到拒绝服务攻击(Dos)的目的。这也就是散列表碰撞攻击的基本原理。

 

如何避免低效的扩容

这只针对于以数组为底层数据结构的散列表。

采用的方式是当使用比例超过装载因子的时候申请一个新的资源，然后新数据和老数据同时插入，老数据一次只插一个，这样子的话，动态扩容过程无感。不会像之前一样整体copy之后再插入。

 

工业级散列表举例分析

1.初始大小

HashMap默认值为16，如果提前知道数据集大小可以提高效率

 

2.装载因子和动态扩容

最大装载因子默认为0.75

当HashMap中元素个数超过0.75*capacity的时候，就会启动扩容，每次为2倍

 

3.散列冲突解决方法

在JDK1.8中，当链表长度太长(默认超过8时)，链表就转为红黑树，反之亦然。

 

4.散列函数

设计规则简单高效，随即均匀