哈希表和哈希函數是大學數據結構中的課程，實際開發(fā)中我們經常用到Hashtable這種結構，當遇到鍵-值對存儲，采用Hashtable比ArrayList查找的性能高。為什么呢？我們在享受高性能的同時，需要付出什么代價(這幾天看紅頂商人胡雪巖，經典臺詞：在你享受這之前，必須受別人吃不了的苦，忍受別人受不了的屈辱)，那么使用Hashtable是否就是一樁無本萬利的買賣呢？就此疑問，做以下分析，希望能拋磚引玉。

一、hash它為什么對于鍵-值查找性能高
　　學過數據結構的，都應該曉得，線性表和樹中，記錄在結構中的相對位置是隨機的，記錄和關鍵字之間不存在明確的關系，因此在查找記錄的時候，需要進行一系列的關鍵字比較，這種查找方式建立在比較的基礎之上，在.net中(Array,ArrayList,List)這些集合結構采用了上面的存儲方式。
比如，現在我們有一個班同學的數據，包括姓名，性別，年齡，學號等。假如數據有

假如，我們按照姓名來查找，假設查找函數FindByName(string name);
1)查找“張三”
只需在第一行匹配一次。
2)查找"王五"
　　在第一行匹配，失敗，
　　在第二行匹配，失敗，
　　在第三行匹配，成功
上面兩種情況，分別分析了最好的情況，和最壞的情況，那么平均查找次數應該為 (1+3)/2=2次，即平均查找次數為(記錄總數+1)的1/2。
盡管有一些優(yōu)化的算法，可以使查找排序效率增高，但是復雜度會保持在log2n的范圍之內。
如何更更快的進行查找呢？我們所期望的效果是一下子就定位到要找記錄的位置之上，這時候時間復雜度為1，查找最快。如果我們事先為每條記錄編一個序號，然后讓他們按號入位，我們又知道按照什么規(guī)則對這些記錄進行編號的話，如果我們再次查找某個記錄的時候，只需要先通過規(guī)則計算出該記錄的編號，然后根據編號，在記錄的線性隊列中，就可以輕易的找到記錄了 。
注意，上述的描述包含了兩個概念，一個是用于對學生進行編號的規(guī)則，在數據結構中，稱之為哈希函數，另外一個是按照規(guī)則為學生排列的順序結構，稱之為哈希表。
仍以上面的學生為例，假設學號就是規(guī)則，老師手上有一個規(guī)則表，在排座位的時候也按照這個規(guī)則來排序，查找李四，首先該教師會根據規(guī)則判斷出，李四的編號為2，就是在座位中的2號位置，直接走過去，“李四，哈哈，你小子，就是在這！”
看看大體流程:
 
從上面的圖中，可以看出哈希表可以描述為兩個筒子，一個筒子用來裝記錄的位置編號，另外一個筒子用來裝記錄，另外存在一套規(guī)則，用來表述記錄與編號之間的聯系。這個規(guī)則通常是如何制定的呢？

a)直接定址法:
　　我在前一篇文章對GetHashCode()性能比較的問題中談到，對于整形的數據GetHashCode()函數返回的就是整形　　　本身，其實就是基于直接定址的方法，比如有一組0-100的數據，用來表示人的年齡
那么，采用直接定址的方法構成的哈希表為:

.....
這樣的一種定址方式，簡單方便，適用于元數據能夠用數字表述或者原數據具有鮮明順序關系的情形。

b)數字分析法:

　　有這樣一組數據，用于表述一些人的出生日期

分析一下，年和月的第一位數字基本相同，造成沖突的幾率非常大，而后面三位差別比較大，所以采用后三位

c)平方取中法

　　取關鍵字平方后的中間幾位作為哈希地址

d)折疊法：

　　將關鍵字分割成位數相同的幾部分，最后一部分位數可以不相同，然后去這幾部分的疊加和（取出進位）作為哈希地址，比如有這樣的數據20-1445-4547-3
可以
        5473
+      4454
+        201
=    10128
取出進位1,取0128為哈希地址

e)取余法

　　取關鍵字被某個不大于哈希表表長m的數p除后所得余數為哈希地址。H(key)=key MOD p (p<=m)

f)隨機數法

　　選擇一個隨機函數，取關鍵字的隨機函數值為它的哈希地址，即H(key)=random(key) ,其中random為隨機函數。通常用于關鍵字長度不等時采用此法。

總之，哈希函數的規(guī)則是：通過某種轉換關系，使關鍵字適度的分散到指定大小的的順序結構中。越分散，則以后查找的時間復雜度越小，空間復雜度越高。

二、使用hash，我們付出了什么？

　　hash是一種典型以空間換時間的算法，比如原來一個長度為100的數組，對其查找，只需要遍歷且匹配相應記錄即可，從空間復雜度上來看，假如數組存儲的是byte類型數據，那么該數組占用100byte空間?，F在我們采用hash算法，我們前面說的hash必須有一個規(guī)則，約束鍵與存儲位置的關系，那么就需要一個固定長度的hash表，此時，仍然是100byte的數組，假設我們需要的100byte用來記錄鍵與位置的關系，那么總的空間為200byte,而且用于記錄規(guī)則的表大小會根據規(guī)則，大小可能是不定的，比如在lzw算法中，如果一個很長的用于記錄像素的byte數組，用來記錄位置與鍵關系的表空間，算法推薦為一個1２bit能表述的整數大小，那么足夠長的像素數組，如何分散到這樣定長的表中呢，lzw算法采用的是可變長編碼，具體會在深入介紹lzw算法的時候介紹。

注:hash表最突出的問題在于沖突，就是兩個鍵值經過哈希函數計算出來的索引位置很可能相同，這個問題，下篇文章會令作闡述。

注:之所以會簡單得介紹了hash，是為了更好的學習lzw算法，學習lzw算法是為了更好的研究gif文件結構，最后，我將詳細的闡述一下gif文件是如何構成的，如何高效操作此種類型文件。

以上就是本文的全部內容，希望能給大家一個參考，也希望大家多多支持腳本之家。

最新評論