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的算法，其目的是将较大范围的键值映射到相对较小的地址空间。但由于这种映射的压缩性，碰撞（多个键值映射到同一地址）很可能发生，因此需要有效的碰撞解决策略。

常见哈希技术

1. 折叠法 ：以加法为例，假设地址空间为四位数，对于键值 625149 可通过特定方式得到哈希地址。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，但这一简单实验不足以推断它们在其他数据集上的表现。
2. 截断法 ：该方法忽略键的一部分，将另一部分用作哈希地址。同样假设地址空间为四位数，键值 625149 可按此方法得到哈希地址。然而，截断法过于简单，可能导致频繁碰撞，且无法使键在地址空间均匀分布。
3. 处理字母数字键值 ：很多情况下，键值是字母数字形式，需要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，但也可自行设计转换方式。

碰撞解决策略

1. 线性探测
   • 原理 ：当发生碰撞时，查找离哈希地址最近的空位置并使用。若到达表尾，允许回绕。
   • 负载因子与性能 ：负载因子 f 定义为表中要存储的记录数与表的实际大小之比。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