我如何预先确定理想的大小我应该为N个项目制作哈希表？

Question

如果我使用以下方法计算碰撞概率：

def collision(hash_t, items):
    prob = 1.0
    for i in range(1, items):
        prob *= (hash_t - i) / float(hash_t)
    return 1 - prob

有没有一种简单的方法来创建一个模型，根据冲突的概率计算哈希表中查找和插入的成本，那么我可以根据速度v内存分配来决定最佳大小？

Answer 1

虽然这取决于您的散列函数+数据类型（以确定散列是如何发生的），但散列条目的大小（使用python的大小可能因32位系统与64位系统而异），您的碰撞处理策略，以及您的时间/内存要求，以下是一个很好的经验法则：

使用2/3的负载系数。

也就是说，哈希表的大小是元素数量的3/2。因此，如果您有1,000个元素，则您有1,500个条目。如果每个哈希元素是32位（假设基于32位python安装，如果这是错误的某人纠正我）那么你浪费差不多2 kB，这真的是一个很小的内存。如果您有2,000,000个条目，那么您将浪费近4 MB，这也很小。

简而言之，哈希表中的共同考虑很少是空间，而是时间。用于dicts的Python自己的实现在扩展哈希表大小之前使用最大2/3加载因子。这是基于性能下降，许多碰撞策略在70％或80％负载系数下表现不佳。