19、HashTable(哈希)、位图的实现和布隆过滤器的介绍

发布于:2025-05-10 ⋅ 阅读:(15) ⋅ 点赞:(0)

一、了解哈希【散列表】

1、哈希的结构

在这里插入图片描述

  • 在STL中,HashTable是一个重要的底层数据结构, 无序关联容器包括unordered_set, unordered_map内部都是基于哈希表实现
    • 哈希表又称散列表,一种以「key-value」形式存储数据的数据结构。
    • 哈希函数:负责将任意大小的输入映射到固定大小的输出,即哈希值
      • 这个哈希值作用:是放在在数组中存储键值对的索引
    • 哈希冲突:由于哈希函数的映射不是一对一的,可能会出现两个不同的键映射到相同的索引,即冲突 。
  • 解决冲突的方法:
    • 链地址法
    • 开发寻址法
    • 双重哈希

2、哈希函数

  • 定义:将键(任意类型)映射为固定大小的整数(哈希值),决定数据在哈希桶中的存储位置。

可能出现的情况
冲突情况 :将两个或两个以上的不同key映射到同一地址

3、hash操作

  • 插入
  • 查找

4、哈希的负载因子【重点】

  • 负载因子 = 存储的元素个数/数组长度
  • 用来形容散列表的存储密度
  • 负载因子越小,冲突越小,负载因子越大,冲突越大
  • 描述冲突的程度

5、哈希冲突的解决方法

5.1、链地址法

在这里插入图片描述
方法一:拉链法 (链表法) 将具有相同的addr的key,可以用链表连接。但是负载因子要在合理范围内。

5.2、开发寻址法

方法二:开发寻址法

  • 将所有的数据直接存储在哈希数组中。如果冲突就采用某种算法来改变位置。
    • 算法有多种思路:
    • 比如 i+1,i+2,i+3等等 或者 i^1, i ^ 2 , i ^3等等。但是他们会出现hash聚集,也就是近似值的hash值很接近,那么位置也接近。聚集的话,就会在一片区域内,查找,这片区域数据太多了,时间复杂从O(1)变O(n)。所以可以使用双重哈希解决。 但是负载因子要在合理范围内
      在这里插入图片描述

6、分布式一致性哈希

6.1、了解

  • 一致性哈希通过环形哈希空间(Hash Ring) 和 虚拟节点(Virtual Nodes) 优化数据分布 。
  • 解决传统哈希表在节点数量变化时导致的全局数据迁移问题(例如模运算哈希的 hash(key) % N,当 N 变化时所有数据需重新分布)。
  • 一致性哈希,当节点增删时,仅影响环上相邻节点的数据,避免全局数据迁移。

6.2、哈希环

  • 将节点和数据通过哈希函数映射到一个环形空间(通常范围为 0 ~ 2^32 - 1)
  • 节点和数据的位置由哈希值决定。

每个数据项沿环顺时针查找最近的节点作为存储位置。

6.3、基本原理

在这里插入图片描述

  • 第一步:
    • 创建哈希环 。
    • 将节点和数据通过哈希函数映射到一个环形空间
  • 第二步:
    • 将数据 a 、b 、c 通过哈希函数确定环上的位置,放上去 。

在这里插入图片描述

  • 第三步
    • 确定a、b、c映射到哪一个节点上 。
    • 按顺时针顺序,将a、b、c映射到离它们最近的节点。

在这里插入图片描述

  • 第四步
    • 新增节点4,放在 1和2之间:仅需将环上相邻节点的部分数据迁移到新节点。

在这里插入图片描述

  • 第五步
    • 删除节点 4 ,把节点4上的数据 a 迁移到 节点2上
      • 移除节点:该节点的数据顺时针迁移到下一个相邻节点。
        在这里插入图片描述

6.4、虚拟节点

在这里插入图片描述

  • 问题:
    • 若物理节点较少,数据可能分布不均【哈希偏移】, 如上图。
    • 哈希偏移:
      • 在一致性哈希中,如果节点数量较少,可能会导致数据分布不均匀,某些节点负载过高,而其他节点负载较低。
  • 解决:
    • 每个物理节点映射多个虚拟节点
    • 数据最终存储在虚拟节点对应的物理节点

虚拟节点的优点

  • 数据分布均匀
    • 虚拟节点将物理节点的负载分散到哈希环的多个位置,避免数据倾斜。
  • 动态扩容
    • 增加物理节点时,只需为其分配虚拟节点,数据迁移量较少
  • 容错性
    • 删除物理节点时,其虚拟节点对应的数据会迁移到其他物理节点,系统仍然保持平衡。

7、哈希的代码

#include<cstddef>
#include<cstdio>
#include<cstdlib>
#include<sstream>
#include<vector>
#include<functional>
#include<utility>
#include<list>
#include<string>
#include<iostream>
#include<algorithm>
using namespace std;
template<class Key,class Value,class Hash=hash<Key>>
class HashTable{
    class HashNode{
    public:
        Key key;
        Value value;
        //从key构造节点,Value使用默认构造
        explicit HashNode(const Key& key):key(key),value(){}
        //从key和value构造节点
        HashNode(const Key&key,const Value& value):key(key),value(value){}
        //比较运算符,只按key来比较
        bool operator==(const HashNode& other)const{
            return key==other.key;
        }
        bool operator!=(const HashNode& other)const{
            return key!=other.key;
        }
        bool operator<(const HashNode& other)const{
            return key<other.key;
        }
        bool operator>(const HashNode& other)const{
            return key>other.key;
        }
        bool operator==(const Key& key)const{
            return this->key==key;
        }
        //打印
        void print ()const{
            cout<<key<<" "<<value<<" ";
        }
    };

private:
    using Bucket = list<HashNode>;//定义桶的类型为存储键的链表
    vector<Bucket> buckets;       //存储所有桶的动态数组
    size_t tableSize;             //哈希表的大小,即桶的数量
    size_t numElements;           //哈希中的元素的数量
    float maxLoadFator = 0.75;    //默认最大负载因子
    Hash hashFunction;            //哈希函数对象
    //计算哈希值,并将其映射到桶的索引
    size_t hash(const Key& key)const{
      return hashFunction(key) % tableSize;
    }
    //当元素数量超过最大负载因子定义的容量时,增加桶的数量并重新分配所有键
    void rehash(size_t newSize){
        vector<Bucket> newBucket(newSize);//创建新的桶组
        for(Bucket& bucket:buckets){//遍历旧桶
            //遍历桶中的每一个键
            for(HashNode& hashNode:bucket){
                //因为这里是新的newSize计算,所以不能用hash(key)来求
                size_t newIndex=hashFunction(hashNode.key)%newSize;
                newBucket[newIndex].push_back(hashNode);//将键重新放入桶中
            }
        }
        buckets = move(newBucket);//使用移动语义更新桶数组
        tableSize = newSize;
    }
public:
    //构造函数初始化哈希表
    HashTable(size_t size = 10,const Hash& hashFunc = Hash())
    :buckets(size),hashFunction(hashFunc),tableSize(size),numElements(0){

    }
    //插入键到哈希表中
    void insert(const Key&key,const Value& value){
        if((numElements+1)>maxLoadFator*tableSize){//检查是否需要重哈希
            //处理clear后再次插入元素时,tableSize = 0 的情况
            if(tableSize==0)tableSize = 1;
            rehash(tableSize*2);// 重哈希,桶数量翻倍
        }
        size_t index = hash(key);    //计算键的索引
        list<HashNode>& bucket = buckets[index];//获取对应的桶
        //如果不在桶中,则添加到桶中
        if(find(bucket.begin(),bucket.end(),key)==bucket.end()){
            bucket.push_back(HashNode(key,value));
            ++numElements;
        }
    }
    void insertKey(const Key&key){
        insert(key,Value{});
    }
    //从哈希表中移除键
    void erase(const Key& key){
        size_t index = hash(key);//计算键的索引
        auto & bucket = buckets[index];//获取对应的桶
        auto it = find(bucket.begin(),bucket.end(),key);//查找键
        if(it!=bucket.end()){
            bucket.erase(it);//删除键
            numElements--;//减少元素的数量

        }
    }
    //查找键是否在哈希表中
    Value* findKey(const Key& key){
        
        size_t index = hash(key);//计算键的索引
        auto & bucket = buckets[index];//获取对应的桶
        auto it = find(bucket.begin(),bucket.end(),key);//查找键
        if(it!=bucket.end()){
            return &it->value;
        }
        return nullptr;
    }
    //获取哈希表中的元素数量
    size_t size()const {return numElements;}
    //打印哈希表中的所有元素
    void print()const{
        for(size_t i = 0;i<buckets.size();++i){
            for(const HashNode& element:buckets[i]){
                element.print();
            }
        }
        cout<<endl;
    }
    void clear(){
        this->buckets.clear();
        this->numElements=0;
        this->tableSize = 0;
    }
};
int main(int argc, char const *argv[])
{
    //创建一个哈希表实例
    HashTable<int, int> hashTable;
    int n;
    cin>>n;
    getchar();
    string line;
    for(int i = 0;i<n;i++){
        getline(cin,line);
        istringstream iss(line);
        string command;
        iss>>command;
        int key;
        int value;
        if(command=="insert"){
            iss>>key>>value;
            hashTable.insert(key,value);
        }
        if(command == "erase"){
            if(hashTable.size()==0){
                continue;
            }
            iss>>key;
            hashTable.erase(key);
        }
        if(command=="find"){
            if(hashTable.size()==0){
                cout<<"not exist"<<endl;
                continue;
            }
            iss>>key;
            int* res = hashTable.findKey(key);
            if(res!=nullptr){
                cout<<*res<<endl;
            }else{
                cout<<"not exist"<<endl;
            }
        }
        if(command=="print"){
            if(hashTable.size()==0){
                cout<<"empty"<<endl;
            }else{
                hashTable.print();
            }
        }
        if(command=="size"){
            cout<<hashTable.size()<<endl;
        }
        if(command=="clear"){
            hashTable.clear();
        }
    }
    return 0;
}

二、位图

推荐文章

1、问题一

腾讯问题:给40亿个不重复的无符号整数,没排过序。给一个无符号整数,如何快速判断一个数是否在40亿个数中。【哈希表:每个无符号整数占4字节。40亿占的是16G

  • 1 B是 8 bit 。
  • 1GB = 1024MB。
  • 1MB = 1024 KB 。
  • 1KB = 1024B 。
  • 40 亿个 无符号整数是 每个数 4字节。 就有 160 亿字节
  • 160亿字节/1024/1024/1024 ≈ 14.9 GB

2、介绍

  • 创建一段数组空间,用比特 1 和 0 来表示存在和不存在(1是存在,0是不能存在)。
    在这里插入图片描述

3、实现位图的计算

void set(size_t x) {
    size_t index = x / 32;  // 定位到哪个 int
    size_t pos = x % 32;    // 定位到 int 的哪一位
    bits[index] |= (1 << pos);//更新pos位置的 1
}
  • 例如 x = 37:
    • index = 37 / 32 = 1(第 2 个 int)
      • 假设 bit[index]= 0000 0100
    • pos = 37 % 32 = 5(第 5 位)
      • 得pos = 0001 0000
    • bits[1] |= (1 << 5) 将第 37 位设为 1
    • 0000 0100 | 0001 000 = 0001 0100 。保持了原来的位的1,并更新了现在要改的位为 1

3、操作

3.1、了解运算符

在这里插入图片描述

3.2、位图操作

在这里插入图片描述

4、位图的优缺点

  • 查找很快
  • 但是只能用于整型

5、代码实现

#include <cstddef>
#include<vector>
#include<iostream>
using namespace std;
namespace bit{
    class bitset{
    public:
        explicit bitset(size_t N){
            bits.resize(N/32+1,0);
            //如果是32的倍数,会多分配一个int
        }
        //设置位图
        void set(size_t x){
            size_t index = x/32;//算出x映射的位在第几个整型
            size_t pos = x%32;//算出x在这个整型的第几个位置
            bits[index]|= (1<<pos);//保留原来的1 ,设置现在需要 位 的1
            ++num;
        }
        第pos个位置设置为0
        void reset(size_t x){
            size_t index = x/32;//算出x映射的位在第几个整型
            size_t pos = x%32;//算出x在这个整型的第几个位置
            bits[index] &= ~(1<<pos);//第pos个位置设置为0
        }
        //判断x在不在

        bool test(size_t x){
            size_t index = x/32;
            size_t pos = x%32;
            return bits[index]&(1<<pos);
        }
    private:
        vector<int> bits;
        size_t num;//个数
    };
};
void test_bitset(){
    using namespace bit;
    bitset bs(100);
    bs.set(99);
    bs.set(98);
    bs.set(97);
    for(size_t i =0;i<100;++i){
        cout<<"[%d]:%d\n"<<i<<static_cast<int>(bs.test(i))<<endl;
    }
}
int main(int argc, char const *argv[])
{
    test_bitset();
    return 0;
}

三、布隆过滤器(Bloom Filter)

1、了解

  • 用于:只想知道key存在不存在,不想知道内容。(适合去重场景)
    • 支持任意数据类型
  • 布隆过滤器将元素进行多个Hash算法计算,都存入位图中,查询时使用同样的Hash算法计算,对应当所有值都为true时,表示存在。这样就可以极大的提升位图的存储效率。

布隆过滤器也有致命的缺陷,即存在误判率,也称为假阳性率
当数据量不断增大,位图中非true位置越来越少,很可能会出现未插入的数据,查询结果为true

2、构成

  • 哈希+位图

网站公告

今日签到

点亮在社区的每一天
去签到