Hashtable中的负载因子和空间利用率有什么区别？请有人解释一下！
答案 0 :(得分：1)
加载系数
定义：
Hashtable的加载因子是元素与存储桶的比率。较小的负载因子导致平均查找时间更快，代价是 增加内存消耗。一般默认加载因子为1.0 在速度和尺寸之间提供最佳平衡。
换句话说，太小的load factor将导致更快地访问HashTable的元素（同时查找给定元素或迭代......），但也需要更多的内存使用。
相反，高负载系数将会更慢（平均），内存使用量会减少。
bucket 包含一定数量的项目。
有时表中的每个位置都是一个存储桶，它将包含固定数量的项目，所有这些项目都会散列到同一位置。这样可以加快查找速度，因为可能无需查看其他位置。
n/prime，其中n是表格中的项目数和{{ 1}}是表的大小。因此，加载因子为1意味着表已满。 以下是基准测试的示例（此处在大prime个数字的条件下实现）：
prime表source。
load --- successful lookup --- --- unsuccessful lookup ---
factor linear double linear double
------------------------------------------------------------------------
0.50 1.50 1.39 2.50 2.00
0.75 2.50 1.85 8.50 4.00
0.90 5.50 2.56 50.50 10.00
0.95 10.50 3.15 200.50 20.00
，其中1+lf/2是加载因子。因为每个表位置都包含一个链接列表，其中可以包含多个项目，所以加载因子可以大于1，而1是普通哈希表中可能的最大值。
空间利用率
我们的想法是将数据记录存储在哈希表中。每条记录都有一个lf字段和一个关联的key字段。记录存储在基于其密钥的位置。为每个给定键生成此位置的函数称为data。
假设每个键字段包含一个整数，数据字段包含一个字符串（字符串数组的字符串）。一个可能的哈希函数是hash function。
定义：
空间利用率将是完整使用的桶数（相对于加载因子）与哈希表中保留的桶总数的比率。
由于技术原因，大量的存储桶工作得更好，其中（模拟使用的存储桶的数量）可能包含浪费内存。
结论：哈希表通常只需进行一次比较，就可以完成查找，而不必进行线性搜索或二进制搜索！但是，有时需要进行两次比较（甚至更多）。因此，哈希表提供（几乎）理想的查找时间。权衡的是，为了获得这个伟大的查找时间，内存空间被浪费了。
正如你所看到的，我不是专家，而且我在写这篇文章的过程中得到的信息，所以欢迎任何评论使这更准确或更少......好吧......错... < / EM>
hash(key) = key % prime
答案 1 :(得分：0)
Load factor衡量哈希表相对于buckets总数的填充程度。假设您有1000个桶，并且您希望仅存储此数字的最大70％。如果load factor比率超过（存储的元素超过700个）此最大比率，则可以增加哈希表大小以有效保存更多元素。
Space utilization是填充桶数与哈希表中桶总数的比率。
通常，当负载系数增加时，空间利用率会增加，并且在ideal哈希表中，负载系数和空间利用率应该彼此线性相关。但是，在大多数情况下，空间利用率是负载因子的sublinear函数，因为在高负载系数比率的情况下，某些存储区被分配用于容纳多于1个元素。
为了获得接近理想情况的散列表现，您可能需要perfect hashing function。
完美的散列函数将键映射到唯一的地址。如果 潜在地址范围与密钥数量相同 函数是一个最小的（在空间中）完美的散列函数