扫描文件以查找HashTable大小的确切大小与不断调整Array和ReHashing以及其他问题的大小

Question

所以我正在做一个项目，这需要我找到给定文件中的所有字谜。每个文件在每一行都有单词。

到目前为止我做了什么：

1。）对单词进行排序（使用Mergesort - （我认为在最坏的情况下这是最好的......对吧？）） 2.）使用散列函数放入散列表 3.）如果碰撞移动到阵列中的下一个可用空间（基本上一个接一个地向下移动，直到你看到哈希表中的空白点）（有更好的方法吗？我在线性做什么探测）。

问题：

当哈希表中的空间不足时...我该怎么办？我想出了两个解决方案，要么在将任何内容输入到哈希表之前扫描文件，要么具有一个确切的大小，要么继续调整数组的大小并重新运行，因为它会变得越来越多。我不知道选哪一个。任何提示都会有所帮助。

Answer 1

一些建议：

• 排序通常是一个好主意，我可以想到一种在这里使用它的方法，但如果你以后做的所有事情都被放入哈希表中，那么排序项目没有任何好处。 Hashtables设计用于恒定时间插入，即使插入项目的顺序没有特定顺序。
• Mergesort是具有O（nlog n）最坏情况复杂度的几种排序算法之一，如果您只能比较两个元素以查看哪个较小，则这是最佳选择。如果你可以做其他的操作，比如索引一个数组，可以用radixsort完成O（n）排序 - 但它几乎肯定不值得花时间去研究它（特别是因为你甚至可能不需要排序全部）。
• 如果您在散列表中填充了一个常量因子（例如，将大小加倍或增加三倍），那么您将保持恒定时间插入。 （如果按照常量量调整大小，则插入将降低到每次插入的线性时间，或者在所有n次插入时降低二次时间。）这可能看起来浪费内存，但如果调整大小因子为k，那么浪费空间的比例永远不会超过（k-1）/ k（例如加倍时为50％）。因此，事先计算确切的大小并没有任何渐近的执行时间优势，尽管这可能是一些更快（或更慢）的常数因素。
• 有多种方法可以处理散列冲突，以不同的方式将执行时间与最大可用密度进行权衡。