哈希之开散列,闭散列

【C++ STL】哈希 Hash(闭散列、开散列介绍及其实现) 在C++98中,STL提供了底层为红黑树结构的一系列关联式容器,在查询时效率可达到 O(log2N),即最差情况下需要比较红黑树的高度次,当树中的节点非常多时,查询效率也不理想。最好的查询是,进行很少的比较次数就能够将元素找到,因此在C++11中,STL又提供了4个 unordered 系列的关联式容器,这4个容器与红黑树结构的关联式容器底层结构不同,是哈希表(哈希其实就是一种散列,一种映射)哈希表结构的 unordered 系列的关联式容器与红黑树结构的关联式容器 map/set/multimap/mul 阅读详情

先从数据查找开始说起吧,在线性结构,树形结构当中查找一个元素必须经过多次和一些元素进行比较,然后通过比较,查找到对应元素,这种方法多多少少,时间复杂度都是比较高的。
有没有一种方法时间复杂度,仅仅O(1)尼,那么我们就要构造一种存储结构,通过某种函数是之元素与它对应的关键码之间能建立一一映射的关系,那么自然通过之中一一映射的关系,我们就可以很快的找到我们需要的元素。
所以进入哈希这个这题首先我们需要一个我们下标,这个下表在哈希当中
我们就称之为哈希地址。而这个地址我们可以通过哈希函数的一些数学公式计算存储下标,通过哈希函数在对应哈希地址里面放对应的函数我们就叫之为哈希表。
例如:哈希函数设置为hash(key) = key % capacity
哈希冲突:哎,这些副都带的知识点介绍起来太麻烦了,就是通过哈希函数计算粗来的数组下标有两个数同时满足这个条件,同时都可以放入这个数组下标。
这些计算哈希地址的哈希函数就不多说了,反正蛮多的,说复杂的也有简单的也有
来看解决哈希冲突的常见的两种方式吧,闭散列,开散列。

闭散列:发生哈希冲突时候,当哈希表当中还有位置的时候,那么把这个数据放入哈希冲突的下一个位置,而如何探测空位置就需要线性探测。

  • 插入
    -通过哈希函数获取哈希函数在哈希表中的位置。

  • 删除
    -采用闭散列处理哈希冲突问题,不能随便物理删除哈希表当中已有元素,比如如果删除4,44查找起来就会受影响,一次线性探测删除一个元素时候还需要对删除位置进行一个新的标志。
    画一张图吧,上面例子里面当中的4,44就在例子当中的哈希结构当中。
    在这里插入图片描述
    我们来看一下,发生哈希冲突的时候,我们线性探测怎么实现。

template<class K, class V>
class HashTable {
	struct Elem
	{
		pair<K, V> _val; 
		State _state;
	};
public:    
	HashTable(size_t capacity = 3)
		: _ht(capacity)
		, _size(0)   
	{
		for (size_t i = 0; i < capacity; ++i)  
			_ht[i]._state = EMPTY;
	}
	bool Insert(const pair<K, V>& val) 
	{
		// 检测哈希表底层空间是否充足    
		// _CheckCapacity();  
		size_t hashAddr = HashFunc(key);
		// size_t startAddr = hashAddr;
		while(_ht[hashAddr]._state != EMPTY)    
		{
			if(_ht[hashAddr]._state == EXIST && _ht[hashAddr]._val.first == key)     
				return false; 
			hashAddr++;
			// hashAddr %= _ht.capacity();  
			if(hashAddr == _ht.capacity()) 
				hashAddr = 0;    
                 
			if(hashAddr == startAddr)
				return false;    
			*/ 
		}
		// 插入元素    
		_ht[hashAddr]._state = EXIST;
		_ht[hashAddr]._val = val; 
		_size++; 
		return true;  
	}
	int Find(const K& key)
	{
		size_t hashAddr = HashFunc(key);   
		while(_ht[hashAddr]._state != EMPTY)  
		{
			if(_ht[hashAddr]._state == EXIST && _ht[hashAddr]._val.first == key)     
				return hashAddr;   
			hashAddr++;
		}

		return hashAddr;
	}      
	bool Erase(const K& key) 
	{
		int index = Find(key); 
		if (-1 != index)  
		{
			_ht[index]._state = DELETE;  
			_size++;
			return true; 
		}
		return false; 
	}
	size_t Size()const 
	{
		return _size; 
	}       
	bool Empty() const  
	{
		return 0 == _size;
	}
	void Swap(HashTable<K, V, HF>& ht)  
	{
		swap(_ht, ht._ht);  
		swap(_size, ht._size); 
	}

private:
	size_t HashFunc(const K& key)  
	{ 
	return key % _ht.capacity();
	}
private:
	vector<Elem> _ht;  
	size_t _size;
};

** 转一圈也没有找到,注意:动态哈希表,该种情况可以不用考虑,哈希表中元素个数到达 一定的数量,哈希冲突概率会增大,需要扩容来降低哈希冲突,因此哈希表中元素是不会存满的 **
线性探测优点:实现简单
线性探测缺点:一旦发生哈希冲突,所有的元素连接在一起容易产生数据堆积,即不同数据占据可利用的空间位置,使得寻找某个关键码的位置需要多次比较,导致搜索效率降低。

二次线性探测

线性探测的缺陷是产生冲突的数据堆积在一块,这与其找下一个空位置有关系,因为找空位置的方式就 是挨着往后逐个去找,因此二次探测为了避免该问题,找下一个空位置的方法为: = ( + )% m, 或者: = ( - )% m。其中:i = 1,2,3…, 是通过散列函数Hash(x)对元素的关键码 key 进行 计算得到的位置,m是表的大小。 对于2.1中如果要插入44,产生冲突,使用解决后的情况为:

在这里插入图片描述
注意:当表的长度为质数的且表装载的表项一定能够插入,而且任何一个位置都不会被线性探测两次,因此主要有一半的空位置,就不会存在表满的问题。在搜索时可以不考虑表装满的情况,但在插入是必须确保装载因子a不超过0.5,如果超出必须考虑增容。
因此闭散列最大的缺点就是空间利用率比较低,这也是哈希的缺陷。

开散列:首先有一个关键码集合,用散列函数计算散列地址,具有相同地址的关键码归于同一个子集,每个子集当中和称为一个桶,每个同当中的元素的元素通过一个单链表链接起来,个链表当中的头节点存在哈希表当中。
在这里插入图片描述
从图中可以看出开散列当中每个桶当中的元素都是发生哈希冲突的元素。

template<class V, class HF = DefHashF<T> >
class HashBucket {
	typedef HashBucketNode<V> Node;  
	typedef Node* PNode;    
public:
	HashBucket(size_t capacity = 3)
		: _size(0)
	{
		_ht.resize(GetNextPrime(capacity), nullptr);
	}
	// 哈希桶中的元素不能重复    
	PNode* Insert(const V& data) 
	{
		// 确认是否需要扩容。。。      
		// _CheckCapacity();
		// 1. 计算元素所在的桶号      
		size_t bucketNo = HashFunc(data);
		// 2. 检测该元素是否在桶中        
		PNode pCur = _ht[bucketNo];  
		while(pCur)  
		{
			if(pCur->_data == data)   
				return pCur;                     
			pCur = pCur->_pNext;        
		}              
		// 3. 插入新元素     
		pCur = new Node(data);        
	// 采用头插法插入,效率高 
	pCur->_pNext = _ht[bucketNo];      
	_ht[bucketNo] = pCur;    
	_size++;           
	return pCur;
}         
	// 删除哈希桶中为data的元素(data不会重复),返回删除元素的下一个节点  
	PNode* Erase(const V& data)    
	{       
		size_t bucketNo = HashFunc(data);      
		PNode pCur = _ht[bucketNo];     
		PNode pPrev = nullptr;    
		pNode pRet = nullptr;          
		while(pCur)  
		{            
			if(pCur->_data == data)          
			{               
				// 头删     
				if(pCur == _ht[bucketNo])              
				{                 
					_ht[bucketNo] = pCur->_pNext;           
				}              
				else           
				{              
					pPrev->_pNext = pCur->_pNext;       
				}                                
				pRet = pCur->_pNext;             
				delete pCur;            
				_size--;                
				return pRet;            
			}       
		}           
		return nullptr;    
	}    
	// 查找data是否在哈希桶中    
	PNode* Find(const V& data)   
	{       
		size_t bucketNo = HashFunc(data);     
		PNode pCur = _ht[bucketNo];           
		while(pCur)       
		{            
			if(pCur->_data == data)      
				return pCur;             
			pCur = pCur->_pNext;       
		}

		return nullptr;  
	}     
	size_t Size()const   
	{
		return _size; 
	}    
	bool Empty()const  
	{
		return 0 == _size;
	}
	void Clear()
	{
		for (size_t bucketNo = 0; bucketNo < _ht.capacity(); ++bucketNo)    
		{
			PNode pCur = _ht[bucketNo];
			while (pCur)   
			{
				_ht[bucketNo] = pCur->_pNext;
				delete pCur;
				pCur = _ht[bucketNo]; 
			}
		}
		_size = 0;
	}
	bool BucketCount()const  
	{
		return _ht.capacity();
	}
	void Swap(HashBucket<V, HF>& ht) 
	{
		swap(_ht, ht._ht);
		swap(_size, ht._size);
	}
	~HashBucket() 
	{
		Clear(); 
	}
	private:
		size_t HashFunc(const V& data) 
		{
			return HF()(data) % _ht.BucketCount();
		}
	private:
	vector<PNode*> _ht;
	size_t _size;      // 哈希表中有效元素的个数 
};

开散列与闭散列比较:
应用链地址处理溢出,需要增设链接指针,似乎增加存储开销。事实上:由于开地址必须保存大量的空闲空间一保证搜索的效率,如二次探测法要求装载因子a <= 0.7,而表项所占空间又比指针的的多,所以使用链地址法反而比开地址发节省存储空间。

C++ 哈希表详细讲解(闭散列,开散列) 阅读详情

相关推荐

ESD镜像解密与转换全攻略:从esd-decrypter到WinNTSetup的完整流程

本文详细解析了ESD镜像的加密特性与压缩优势,并提供了从解密到转换的完整实战指南。核心步骤包括使用esd-decrypter工具解密ESD文件为WIM格式,以及如何结合WinNTSetup进行灵活的系统安装或进一步封装为可引导的ISO镜像,帮助用户高效处理官方Windows安装镜像。

weixin_29207439的博客 458

开散列方法、闭散列方法

冲突解决技术可以分为两类: 开散列方法( open hashing,也称为拉链法,separate chaining )装载因子一般大于1 闭散列方法( closed hashing,也称为开地址方法,open addressing )。装载因子不超过1 装载因子a=表中填入记录数/哈希表的长度 这两种方法的不同之处在于:开散列法把发生冲突的关键码存储在散列表主表之外,而闭散列法把发生

Java技术博文 5045

用MFRC522+STM32打造智能门禁:从硬件选型到云端控制全流程

本文详细介绍了基于STM32微控制器和MFRC522射频模块构建智能门禁系统的完整流程。从硬件选型、电路设计、底层驱动开发,到系统软件架构与状态机设计,并最终实现通过ESP8266模块接入云端平台(如OneNET)进行远程控制和数据可视化。项目深入探讨了MFRC522的SPI通信、卡片操作流程、天线调试以及云端MQTT集成等关键技术,为嵌入式开发者提供了一个从本地感知到云端管控的物联网项目实战参考。

raspberrypi5的博客 743

【数据结构】哈希表——闭散列 | 开散列(哈希桶)

介绍了哈希表的概念,常见的哈希函数,解决哈希冲突的两种方法---闭散列以及开散列(哈希桶),以及它们的代码实现

weixin_63726869的博客 3066

差分运放实战:如何快速计算带直流偏置的电路(附详细推导步骤)

本文详细解析了差分运放电路在带直流偏置设计中的核心计算方法和实战技巧。通过可视化参数关系和分步拆解,帮助工程师快速掌握电路设计精髓,包括虚短虚断原理、偏置电压计算及非理想因素处理,提升信号调理和传感器接口设计的效率与精度。

o4p5q6r7s的博客 413

【即插即用模块】注意力篇 | TGRS 2025 | MFA聚特征+HPDown保细节+HFF融层级,三大模块各司其职,性能翻倍!

本文介绍了MTMLNet网络中的三大核心模块:MFA(多阶段特征聚合)、HPDown(混合池化下采样)和HFF(分层特征融合)。MFA通过双尺度深度卷积和注意力机制增强特征提取能力;HPDown结合平均池化和最大池化,有效保留下采样过程中的特征信息;HFF采用三注意力机制实现自适应特征融合。这三个模块协同工作,在红外小目标检测与分割任务中取得了SOTA效果。实验表明,各模块在特征提取、信息保留和融合方面均优于传统方法,可灵活应用于各类视觉任务中。

主要更新底层视觉(去噪、超分等)相关的科研内容,形式为【论文精读】+【论文复现】 288

哈希(Hash) - 开散列/闭散列

哈希的基本认识,哈希函数的设计,以及开散列和闭散列的实现

qq_61939403的博客 2246

【FPGA教程案例55】深度学习案例2——基于FPGA的CNN卷积神经网络之ReLu激活层verilog实现

在本课程中,我们将对CNN的ReLu函数模块的FPGA实现做详细的介绍和学习。从仿真结果可知,通过Rule激活函数之后,小于的输入数据输出为0,否则输出是输入本身。,我们对CNN的基本原理有了初步认识。ReLu函数具备如下优缺点。按照课程1相似的操作方式。

FPGA/MATLAB学习教程/源码/项目合作开发 2694

哈希---闭散列和开散列

哈希冲突、哈希表扩容

sqjddb的博客 1466

OPPO 后端校招面试,过于简单了!

你好,我是 Guide。2026 届秋招陆续开奖公司的越来越多了,今天来看一家手机厂 OPPO。前几天,已经分享了和今年校招开奖的情况。其中,小红书的薪资最为炸裂,大白菜一年都能给到 51w+。不过,相对应的工作强度和压力也是真的难顶,确实很难有钱多又轻松的活!OV (OPPO 和 Vivo)这几年发展真还可以的,这两家的高端机口碑都不错。本人也是最近入手了一款 Vivo 的上一代旗舰,拍照是真的不错啊!每个月会有 1.2k 生活补贴,生活费是按照 8 % 缴纳。

JavaGuide 755

微信小程序启用蓝牙设备特征值变化时的notify功能

注意:这里的serviceUUID、notifyCharacteristicUUID 我会在后面写入数据时做重点说明。isNotifyBLECharacteristic:false, //是否启用蓝牙设备服务特征 notify。二、启用蓝牙设备特征值变化时的notify功能。下一篇 将继续介绍 微信小程序蓝牙设备写入数据。

wsk198726的专栏 1174

数据结构学习——浅谈哈希表开散列和闭散列

写在前面        顺序结构以及平衡树中,元素关键码与其存储位置之间没有对应的关系,因此在查找一个元素时,必须要经过关键码的多次比较。顺序查找时间复杂度为O(N),平衡树中为树的高度,即O( ),搜索的效率取决于搜索过程中元素的比较次数。        理...

现从事游戏开发领域 | 团队项目be_with开发进行中 web方向感兴趣者私 ——We can do all things. 1万+

Agisoft Metashape 基于RTK技术的无人机航测免像控技术流程

利用无人机进行航空摄影测量,其使用方便、快速获得成果,已经是测绘行业外业生产的主要方式。RTK定位系统的出现,其厘米级的定位系统,使得航测无人机在作业时,能够准确获取拍照时的GPS位置,能够大量减少像控点,即使不使用像控点也能满足规范对精度的要求。可以有效解决特殊地形(如山川、峡谷、河流、沼泽、水库等)外业人员很难布设像控点的情况。

penglu366366的博客 2190

C++ —— 哈希详解 - 开散列与闭散列

从发⽣冲突的位置开始,依次线性向后探测,直到寻找到下⼀个没有存储数据的位置为⽌,如果⾛到哈希表尾,则回绕到哈希表头的位置(需要注意的是每次初始化哈希表时,随机选取全域散列函数组中的⼀个散列函数使⽤,后续增删查改。因为开放定址法解决冲突不管使⽤哪种⽅法,占⽤的都是哈希表中的空间,始终存在互相影响的问题。把这些冲突的数据链接成⼀个链表,挂在哈希表这个位置下⾯,链地址法也叫做拉链法或者哈希桶。因为负载因⼦⼩于1,则最多探测M-1次,⼀定能找到⼀个存储key的位置。常数 A (0

hedhjd的博客 5856

C# WinForm 基于DirectShow.dll编写的程序,可边预览边保存视频,音频和图片

基于微软的DirectShow.dll的二次开发1.自动识别连接的摄像头跟麦克风且可以对其进行选择(默认选中第一个)2.可录制wmv和avi两种格式的视频并且都带有音频,avi可以录制的分辨率和帧数进行选择,wmv默认进行了淸晰度优化如不喜欢可去除代码中有相关提示3.可在预览点开之后进行拍照,也可边录制视频边拍照4.添加了视频和音频的压缩功能(酌情使用)这次二次开发发现C#对DirectShow的相关信息太少,这次做完也不敢藏私共享出来,还望大家指正

廖雪峰Python教程[完整版]

廖雪峰的python教程整理的,已经排好版了,而且还是完整的,适合小白

『 C++ - Hash 』闭散列与开散列哈希表详解及其实现 ( 万字 )

哈希表是一种常用的数据结构,该数据结构往往能存储大量的数据,在C++当中,底层为哈希表的容器最常见的为unordered_xxx系列,例如unordered_map与unordered_set,这两个容器是在C++当中以哈希表为底层的关联式容器,具体的关联式容器的特点参照上篇; 哈希表通过一个叫做哈希函数(Hash Function)的算法,将存储的每个数据项与一个唯一的键值(key)进行绑定;这个函数会将每个键值映射到哈希表中的一个位置,以便对数据进行快速访问;

小侯宝的博客 1626

复分析 阿尔福斯(Ahlfors) 第三版答案 英文

答案分为十章,有部分习题没有答案,全英文复分析阿尔福斯(Ahlfors) 第三版答案

哈希 Hash(闭散列、开散列介绍及其实现)

链接:【翻译】unordered_map 是存储 <key, value> 键值对的关联式容器,其允许通过 key 快速的索引到与其对应的 value。在 unordered_map 中,键值通常用于唯一地标识元素,而映射值是一个对象,其内容与此键关联。键和映射值的类型可能不同。在内部,unordered_map没有对 <key, value> 按照任何特定的顺序排序, 为了能在 O(1) 内找到 key 所对应的 value,unordered_map将相同哈希值的键值对放在相同的桶中。

杀意感知的博客 1419

Statistics and Machine Learning Toolbox

Statistics and Machine Learning Toolbox(带书签),MATLAB统计学习工具

哈希概念 | 哈希函数 | 哈希冲突 | 哈希桶实现 | 哈希线性探测代码实现 | 闭散列 | 开散列 | 字符串哈希算法

哈希表的原理和实现!

qq_63159859的博客 929

【C++】哈希 Hash(闭散列、开散列介绍及其实现)

1、闭散列闭散列:也叫开放定址法,当发生哈希冲突时,如果哈希表未被装满,说明在哈希表中必然还有空位置,那么可以把 key 存放到冲突位置中的 “下一个” 空位置中去。核心思想】通过哈希函数计算出这个数据对应的哈希位置,如果该位置出现了哈希冲突,我们就重新探测一个空闲位置,将其插入。那如何重新探测新的位置呢?当我们往散列表中插入数据时,如果某个数据经过散列函数散列之后,存储位置已经被占用了,我们就从当前位置开始,依次往后查找,看是否有空闲位置,直到找到为止。

Elena's Blog 1296

C++进阶--哈希表的的闭散列和开散列(哈希桶)实现

与闭散列的哈希表不同的是,在实现开散列的哈希表时,我们不用为哈希表中的每个位置设置一个状态字段,因为在开散列哈希表中,我们将哈希地址相同的元素都放到了同一个哈希桶中,并不需要经过探测寻找所谓的“下一个位置”。与闭散列不同的是,这种将相同哈希地址的元素通过单链表链接起来,然后将链表的头结点存储在哈希表中的方式,不会影响与自己哈希地址不同的元素的增删改查的效率,因此开散列的负载因子相比闭散列而言,可以稍微大一点。闭散列解决哈希冲突,采用的是一种报复的方式,”我的位置被占用了我就去占用其他位置“。

sushang的博客 1175

【C++】手撕哈希表的闭散列和开散列

谈到哈希表,大家都做过这样的题目,统计字符串的字母个数,像这样的题目可以创建一个数组,每个字母采用 a['ch']++ 计入数组中,这样的数组我们称之为哈希表,这种哈希表也是最简单的,如果说为了方便直接调用哈希表,那这个哈希表该如何模拟呢?这个问题也是今天我们所探讨的,手撕哈希表。⭐主体。

AAlykk的博客 1876

哈希以及闭散列和开散列

一、哈希1、概念2、哈希冲突二、哈希函数1、设计原则2、常见的哈希函数(1)直接定址法(2)除留余数法(3)平方取中法(4)折叠法(5)随机数法(6)数学分析法3、注意三、闭散列1、概念2、操作3、线性探测(1)操作(2)优点与缺点(3)插入元素操作示意图4、二次探测(1)操作(2)优点与缺点5、示例代码6、扩容四、开散列1、操作2、插入元素操作示意图3、扩容

Snow_Dragon_L的博客 1278

【数据结构与算法】哈希表实现:闭散列 && 开散列

​中,元素关键码与其存储位置之间没有对应的关系,因此在。O(N),平衡树中为树的高度,即log2​n,搜索的效率取决于搜索过程中元素的比较次数。​ 理想的搜索方法:可以不经过任何比较,一次直接从表中得到要搜索的元素。如果构造一种存储结构,通过某种函数使元素的存储位置与它的关键码之间能够建立一一映射的关系,那么在查找时通过该函数可以很快找到该元素**。:根据待插入元素的关键码,以此函数计算出该元素的存储位置并按此位置进行存放。

lirendada的博客 1088

哈希的基本概念(开散列和闭散列)(附代码)

哈希函数基本概念,开散列,闭散列代码实现

羊羊羊 1216

哈希表【闭散列/开散列】

1. unordered_map是存储键值对的关联式容器,其允许通过keys快速的索引到与 其对应的value。 2. 在unordered_map中,键值通常用于惟一地标识元素,而映射值是一个对象,其内容与此 键关联。键和映射值的类型可能不同。 3. 在内部,unordered_map没有对按照任何特定的顺序排序, 为了能在常数范围内 找到key所对应的value,unordered_map将相同哈希值的键值对放在相同的桶中。 4. unordered_map容器通过key访问单个元素要比map快,

C/C++、数据结构、Linux.... 1116

【C++杂货铺】一文带你走进哈希:哈希冲突 | 哈希函数 | 闭散列 | 开散列

本篇文章介绍了哈希冲突、哈希函数、以及解决哈希冲突的两种方法:开散列和闭散列。采用线性探测模拟实现闭散列,用拉链法实现开散列。随后在开散列的基础上模拟实现了unordered_set 和 unordered_map,主要包括插入、删除、查找和迭代器。

春人.的博客 8438

【C++入门到精通】 哈希结构 | 哈希冲突 | 哈希函数 | 闭散列 | 开散列 [ C++入门 ]

本文介绍了哈希技术的基本概念、哈希冲突、哈希函数及其解决方法,以及哈希在计算机科学中的应用。通过本文的阅读,读者可以了解到哈希技术的重要性和优势,以及如何使用哈希函数存储、搜索和比较数据。同时,读者也能够了解哈希冲突的原因和解决方法,包括闭散列和开散列等技术手段。最后,本文还介绍了哈希在位图和布隆过滤器等领域的应用,展示了哈希技术在实际问题中的价值和应用前景。

Yawesh的博客 4684
上一篇: 四种智能指针的用法以及实现原理
下一篇: java线程基础概念
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付:10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值