Question

这是面试。他们问我，实现自定义hashmap的好方法是什么。

我回答说，如果你有一系列说，n，元素。

您可以将单个键映射到索引％n的整数。这将允许您将密钥存储在hashmap中。但如果存在冲突，则可以在自定义数组中保留值列表。现在，在自定义散列映射中使用列表的最坏情况是O（n）。所以，我建议，我们可以在列表中使用Heap（min-heap）并调用heapify（）平衡它。这也会给登录复杂性？

我想到的另一件事是，我可以使用2-3-4节点的树，因此登录复杂性会降低。（像B +树那样的东西）

在自定义堆实现的情况下解决冲突的更好的想法是什么？

Answer 1

最常见的是通过以下方式解决hashmap冲突：

deque（PHP如何做到）
链表
实际上，只需增加散列值，直到找到一个非冲突的插槽。

对于第一个示例，要使用值“world”存储键“hello”，您将通过哈希函数获取整数hashmap键（假设C / C ++实现）：

// the following is given: that there is some object "myvalue"
// where myvalue.value = "world", and myvalue.key = "hello".
int hash_key = hash(myvalue.key); //myvalue.key = "hello", as given

然后将值插入索引hash_key的deque元素：

hash_map[hash_key].push_back(myvalue);

其中hash_map是您的N-index deques数组，myvalue是要插入的对象（请注意myvalue应将其自己的key成员设置为“你好“所以以后可以检索。”

要在哈希映射中查找项目，请对键（“hello”）进行哈希处理，然后遍历双端队列，直到找到该项目。如果散列函数的摘要空间足够大（例如，32位无符号整数= 40亿个唯一散列结果）并且散列函数给出均匀分布，那么碰撞的几率就足够小（1 in 2 ^ 32）你的双端队列可能只有1或2个项目（即使你正在存储2 ^ 33个项目），而且更高级的结构（AVL树，RB树，等等）会使数据结构比它有所帮助减慢速度。

在碰撞之前，你几乎绝对会耗尽内存存储项目，而线性搜索的缓慢会成为一个限制因素。

（编辑添加：您不必[也不应该，对于大型哈希函数空间]预先分配整个哈希映射。也请使用deque，以便它随着数量的增长而增长哈希结果增长。）

Answer 2

通常的技巧（至少，这就是Python和Java都这样做）是通过将动态数组或链接列表放在散列桶中来解决冲突，正如您所建议的那样。此外，哈希表获得一个名为最大负载因子的参数，例如， 2/3。当负载因子高于其允许的最大值（表超过2/3满）时，new hash table is allocated比原始数据大两倍，并且所有数据都被移入新哈希值表

虽然复制可能很昂贵，但其成本可能比amortized更高。

自定义hasmap实现中的碰撞解决技术

2 个答案: