Hash Table的补充

最新推荐文章于 2024-12-10 15:41:32 发布
最新推荐文章于 2024-12-10 15:41:32 发布
阅读量1.5k 收藏
点赞数
分类专栏： 数据结构(Datastructure) 文章标签： table function list 算法 tree
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.youkuaiyun.com/zxy119/article/details/1204799
版权
本文探讨了哈希表的实现方式，对比了开放式寻址与链地址法解决哈希冲突的效果，并讨论了哈希函数的设计原则及质数表大小的重要性。

摘要生成于 C知道 ，由 DeepSeek-R1 满血版支持， 前往体验 >

      上一篇文章已经说了Hash Table作为一个数组以开放式寻址的方式实现 ，用开放式寻址去解决Key的冲突比较麻烦，不管是用线性探针，二次方探针，即便是二次Hash也还是有缺陷，一旦数组变的比较满的时候，算法的效率就会大打折扣，而且用开放式寻址就不能真正意义上的去删除一个数据项，如果删除一个数据项，以后的搜索某个数据就会发生错误。

      用Linked List来代替数组中的元素就可以比较好的解决Key冲突的问题，而为此付出的代价仅仅是代码复杂一点，要在数组的基础上实现Linked List。但是得到的好处却是非同凡响的。

     用Linked List来实现Hash Table的代码就不在赘述了，虽然比Open Addressing要复杂，但是也不难，相对与Binary Tree来说，还是要简单点的。

     下面再来说下Hash Function，为什么要用Hash Function，最根本的目的当然是为了搜索起来更加的节省时间，所以Hash Function的算法不能复杂，越简单越好，多用些位操作则更好，比如将2进制数右移一位以达到除以2的目的。一个所谓的完美的Hash Function可以将每一个Key随机的映射到不同的位置上，这种情况只有在Key很好的分布，以及范围足够的小，可以直接作为Index.当然这种情况很少见，就算出现了也会直接用数组，何必去用Hash Table呢！用Hash Table大多都是要把比较大的Key压缩到一个相对容量较小的数组中。总的来说一个好的Hash Function要做到简单，快速，排除Key的非有用数据部分，包括Key的所有有用的数据部分。

    还有就是Table Size最好是质数，Table Size是质数在二次方探针和二次Hash中很重要，但是在其他的搜索方式中也最好用质数，因为有的时候Key并不是一个随机的数，比如，有一串Key，他们都是50的倍数，如果Table Size是50，那么所有的数都会被Hash到同一个地方，导致了聚合严重。在这种情况下用53最为数组的大小就不会导致聚合情况的严重了。

   如果探讨到Hash Table的效率，在大多数的情况下用Linked List实现的Hash Table效率要好点，因为不会像开放式寻址那样去不断的寻找特定的Cell，而是只要在特定的Linked List里面去寻找。当然对于很小的Hash Table，用开放式寻址的线性探针是个不错的选择，因为他的编码简单！

GeoHash编码在日志数据处理中的应用与优化
数据与算法架构提升之路专栏
01-28 334
本文详细介绍了如何将GPS坐标转换为GeoHash编码，以便于进行地理位置维度分析。首先解释了GeoHash编码的原理和优势，然后展示了如何使用现成的GeoHash工具包进行坐标转换。接着，通过编写Hive UDF，实现了在Hive中直接进行GeoHash编码的功能。最后，介绍了如何利用高德API服务来补充和完善地理位置字典，以提高数据处理的准确性。
【每日算法】哈希表(Hash Table)
jiange_zh的博客
02-25 2751
概述哈希表又称散列表，它用于快速查找。查找，如果能够不经过比较，直接就能得到待查记录的存储位置，那效率必定很高。通过在记录的存储位置和它的关键码之间建立一个确定的对应关系H，使得每个关键码key跟唯一的存储位置H(key)对应，那么当我们想查找关键码为k的记录时，直接到H(k)处取即可。这种查找技术叫做散列技术。采用散列技术将记录存储在一块连续的存储空间中，这块连续的存储空间称为散列表，将关键码映射
【Algorithms 4】算法（第4版）学习笔记 14 - 3.4 散列表（Hash Tables）
MichelleChung的星球
03-01 1026
《算法（第4版）》3.4 散列表 学习笔记。包括：哈希函数、分离链接、线性探测以及关于哈希的背景介绍。
算法6-3：解决哈希冲突之线性探针
白色咖啡
06-16 1947
线性探针是另外一种解决哈希冲突的办法。这种办法的基本思想就是当遇到哈希冲突时，寻找下一个空位，直到找到空位为止。 示例 先插入一个值S，如下图。 插入其他的一些值，这些值的哈系没有冲突，得到下图的结果。 再插入一个值H，由于H与A的哈系冲突，因此需要寻找一个空的位置。 找到了空位
数据结构 -hash table
夜泉的博客
11-15 1368
哈希表的简介，直接寻址表、开散列、闭散列的简介与代码实现
C++简单实现hash table
big_lobster的专栏
11-13 7016
哈希表(Hash Table，又称为散列表)是根据关键字(key)来直接访问在内存存储位置的一种数据结构。与循”值”访问对应的访问方式是循”址”访问，如数组、向量vector等。 哈希函数(Hash Function)：通过一个映射函数，将键值映射到存储位置来访问元素，这能加快查找速度。这个映射函数称哈希函数(散列函数)。 举例 电话薄查找号码：为了查找电话簿中某人的号码，可以创建一个按照人
g_hash_table_foreach_remove错误使用导致进程异常
caojinhuajy的博客
12-10 166
没有具体分析g_hast_table的实现，根据网上查询的信息，发现该报错是英文在g_hash_table_foreach_remove的函数中对hash_table又执行了插入、删除等操作。所以简单看了下错误原因。排查了下项目代码，发现在g_hash_table_foreach_remove中又对hash表进行了删除，导致系统异常。补充一下：g_hash_table_foreach_remove的用法（来源于豆包：不得不说，豆包还是挺好用的）
真正搞懂hashCode和hash算法
热门推荐
成都彭于晏
01-28 3万+
自从搞懂hash，妈妈再也不担心我找不到工作啦
Hash Table
Programming Note
09-09 1587
     刚到学校的时候把宽带的密码搞忘了，跑了两次新华公园的电信这才可以上了。前几天因为忙着做一个定单的项目，没有抽时间来看数据结构。到了今天才把软件的大体框架完成，准备拿过去给客户看了。刚才抽了点时间看了下Hash Table，现在就把看的东西记下来。。。   Hash Table这种数据结构比以前见到的Binary Tree的搜索，插入，删除所需要的时间还要短，时间复杂度逼近O(1)。在
哈希（Hash）表的初相识
qq_42785084的博客
12-06 1056
出于刷LeetCode的需要，对字符串查找几乎是必须要使用到的技巧。普通的遍历自然是可行之举，但其时间复杂度也会根据你选择的算法而有那么些超出范围。于是，在笔者查找资料与题型比对后，本篇文章横空出世，涵盖着笔者对Hash函数些许拙见。新人发文章，如有错误，还望轻批、指正。
hash表 C++的使用以及理解
jizhenli1的博客
02-06 1万+
hash表 C++的使用以及理解 最近在复习和刷leetcode的时候又复习了一遍哈希表，以及在C++中是如何使用的，并且会把做过的题整理到这篇文章中 一、定义哈希表 散列表（Hash table，也叫哈希表），是根据关键码值(Key value)而直接进行访问的数据结构。也就是说，它通过把关键码值映射到表中一个位置来访问记录，以加快查找的速度。这个映射函数叫做散列函数，存放记录的数组叫做散列表。 为什么使用哈希表，它带给我们的好处就是可以为寻址带来遍历。由于哈希表的键和值是对应的，查找起来会比较迅速。但是
. In hash table, to complete the code for Insert_Hash,
05-26
在本实验中，主要涉及了哈希表（Hash Table）这一数据结构的使用，目的是让学生了解哈希表的概念、不同的哈希方式以及如何在程序中应用哈希表进行员工信息的搜索。实验环境包括Windows XP操作系统和VC++ 6.0/WinTC...
DPDK中的cuckoo hash算法
lingshengxiyou的博客
08-29 841
在一些场景中比如区块链中交易和区块数据的快速判断，使用数组只存储key不存储数据，根据交易和区块的sha256哈希值快速判断当前需要同步给对等节点的交易数据和区块数据是否已同步过，这样虽然可能存在漏报，即交易a和交易c映射的bit置为1后，同步a,c，后面来了交易b，然后映射后的位置bit都为1误以为已经同步过，故不同步，当然这些不成问题，会由其他的对等节点同步。cuckoo hash：“哈希函数是成对的，每一个元素都有两个，分别映射到两个位置，一个是记录的位置，另一个是备用位置。......
【推荐系统中的Hash 3】Deep Hash：Learning to Embed Categorical Features without Embedding Tables KDD‘21
chadlee
08-21 1365
作者也觉得他这种方法不能满足同质性Equal Similarity，因此提出对于物品ID、用户ID，在encode之后再拼接上属性（年龄、性别、品牌等），然后在输入到DHE中解码，为最终生成的embedding补充同质性。项为1，其他都为0。，即一个特征分别落到了k个桶中，分别从embedding table取出向量，并且把最后的结果concat到一起或者做avg-pooling。作者说，这里是受到GAN网络的启发，用服从高斯分布的随机变量做GAN网络的输入。2、无法处理新出现的特征（OOV）。
2-3-4Tree
Programming Note
08-22 1116
  这几天看数据结构看的有点辛苦啊~前几天看2叉树的时候觉得还是不难，但是看到红黑树的时候真的是把我弄晕了~~~~      前面已经说了，2叉树比以前知道的数据结构，如LinkedList和Order Array都要有更高的效率，LinkedList在insert的时候效率很高但是search效率很低，Order Array在search的时候效率很高但是在insert的时候效率怀念低，而2
Heap
Programming Note
09-14 967
    Heap中文翻译过来叫做堆，但他并不是大家所说的内存中的堆栈区，而是一种用数组来实现的弱序的完全二叉树。他是一种数据结构。Heap 很像前面所说的二叉搜索树，但是他并没有二叉搜索树那样有严格的顺序规定。二叉搜索树中，父接点必须大于它的左孩子，而小于他的右孩子；但是在Heap中，只要规定父接点大于两个子接点就可以了，而且其中的每个元素并不是通过Link来连接的，而是对这个完全二叉树进行编
Liner search vs. Binary search in Array
Programming Note
02-05 790
原理Liner search:从数组的第一个元素开始搜索.....逐个向下...一直找到数组中的最后一个元素....O(N)...Binary search:先把数组从最中间的元素分为均等的上半区和下半区..上半区的元素是都大于要搜索的value..下半区反之...按照这种方式循环....知道找到为止........O(logN).....限制就是能进行Binary search的Array
External Storage
Programming Note
08-23 774
         以前所说的数据结构都是放在主存里面的，比如对一个数组的排序 ，就是将数组完全的放到内存里面，然后再进行排序。如果这个数组大小是几M或者几是M，那么都可以放到主存当中，但是当这个数组与500M或者更高呢？很显然是不可能放到主存中的，只能先存储在外存，然后分块的读到内存中来。。。。。         数据存储在外存和存储在内存有很大的不同，在内存的数据可以很容易的将某部分数据进行
#include <stdio.h> #define TABLE_SIZE 18 // 哈希表大小，对应地址范围0 - 17 // 初始化哈希表 void initHashTable(int hashTable[]) { for (int i = 0; i < TABLE_SIZE; i++) { hashTable[i] = -1; // -1表示该位置为空 } } // 哈希函数 int hashFunction(int key) { return key % 16; } // 插入关键字到哈希表 void insert(int hashTable[], int key) { int index = hashFunction(key); int originalIndex = index; int count = 1; while (hashTable[index] != -1) { // 位置不为空，发生冲突 index = (index + 1) % TABLE_SIZE; // 线性探测下一个位置 if (index == originalIndex) { printf("哈希表已满，无法插入\n"); return; } count++; } hashTable[index] = key; } // 在哈希表中查找关键字 void search(int hashTable[], int key) { int index = hashFunction(key); int originalIndex = index; int count = 1; while (hashTable[index] != key && hashTable[index] != -1) { // 未找到且位置不为空 index = (index + 1) % TABLE_SIZE; // 线性探测下一个位置 if (index == originalIndex) { printf("-1 %d\n", count); // 未找到，返回-1和比较次数 return; } count++; } if (hashTable[index] == key) { printf("%d %d\n", index, count); // 找到，返回地址和比较次数 } else { printf("-1 %d\n", count); // 未找到，返回-1和比较次数 } } int main() { int hashTable[TABLE_SIZE]; initHashTable(hashTable); int key; for (int i = 0; i < 11; i++) { scanf("%d", &key); insert(hashTable, key); } int searchKey; scanf("%d", &searchKey); search(hashTable, searchKey); return 0; } 改错
最新发布
03-29
程序存在以下几个问题： ### 1. **哈希函数设计不合理** 当前的 `hashFunction` 使用了固定的模数 (`% 16`)，而实际表格大小为 `TABLE_SIZE = 18`。这可能导致某些索引从未被使用。 #### 修改建议： 将哈希函数改为取模于 `TABLE_SIZE` 的值： ```c int hashFunction(int key) { return key % TABLE_SIZE; } ``` --- ### 2. **线性探测环回判断条件错误** 在插入和查找过程中，如果检测到当前探查的位置回到了起点，则认为哈希表已经满了或未找到目标键值对。然而，这里的计数变量 `count` 并没有合理地反映冲突情况。 #### 修改建议： 将计数逻辑调整得更清晰，并修复循环终止条件。例如，在插入操作中可以加入更多调试信息确认状态。 修改后的 `insert` 函数示例： ```c void insert(int hashTable[], int key) { int index = hashFunction(key); int originalIndex = index; // 如果当前位置已被占用则尝试其他位置直到找到空位或者遍历完整个数组. while (hashTable[index] != -1 && hashTable[index] != key){ index=(index+1)%TABLE_SIZE; if(index==originalIndex){ printf("Hash table is full,cannot insert.\n"); return ; } } // 存储key 或更新已有数据(避免重复) hashTable[index]=key ; } ``` 类似更改也需应用于搜索部分。 --- ### 改正后整体代码结构概览 以下是修正版本的核心内容摘录（仅列出改动之处）: ```cpp #define TABLE_SIZE 18 // Hash function using the proper modulo size now. int hashFunction(int key) { return key % TABLE_SIZE; } // Insertion logic with better handling of overflow and duplicates. void insert(int hashTable[], int key) { int index = hashFunction(key); int originalIndex = index; while ((hashTable[index]!=-1)&&(hashTable[index]!=key)){ index = (index +1 ) % TABLE_SIZE ; // Check whether we've made a complete cycle around. if (index == originalIndex ){ printf ("Hash table is full, cannot insert .\n "); return ; } } // Store or update existing data at found location . hashTable [index ]=key ; } // Searching procedure adjusted accordingly too... void search(int hashTable [], int key ){ ...... } ``` 完整的解决方案包括上述细节补充及所有功能模块的一致性调整。 ---
评论 1
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