32、哈希与信息收集技术全解析

哈希与信息收集技术全解析

哈希技术概述

哈希函数是一种将键值映射到地址位置的算法，它能把较大范围的键值映射到相对较小的地址空间。不过，由于地址空间有限，在应用哈希函数时，碰撞（即不同键值映射到相同地址）很可能会发生，因此需要相应的解决策略。

常见哈希技术

• 折叠法 ：以加法折叠且地址空间为四位数为例，可从键值（如 625149）推导出哈希地址。折叠法的优缺点与中平方法类似。在特定数据集上，折叠法能更优雅地分布键值，而中平方法则使键值分布更随机，但这简单实验不足以判断它们在其他数据集上的表现。
• 截断法 ：该方法会忽略键的部分内容，将另一部分作为哈希地址。例如地址空间为四位数时，可从键值 625149 按特定方式得到哈希地址。然而，截断法过于简单，实际应用中可能导致重复碰撞，无法均匀分布键值。
• 处理字母数字键值 ：很多情况下，键值是字母数字形式，此时需将其转换为数字形式。有多种转换方法，常见的两种方法可参考相关总结，当然也可自行创造。

碰撞解决策略

• 线性探测 ：当发生碰撞时，会寻找离哈希地址最近的空位置。若到达表尾，允许回绕。随着元素添加，会形成占用单元块，即主聚集，这会增加碰撞可能性，延长后续元素插入的探测时间。插入和不成功搜索时，预期探测次数为 ½[1 + 1/(1 – f)²]；成功搜索时，为 ½[1 + 1/(1 – f)]。线性探测的优点是概念简单、实现容易，每阶段计算量小；缺点是会出现主聚