散列函数输出是否需要小于桶的数量？

Question

我正在一家着名的搜索公司读到这个人的采访。

http://asserttrue.blogspot.com/2009/05/one-of-toughest-job-interview-questions.html

他被问到一个导致他实现哈希表的问题。他说以下内容：

HASH = INITIAL_VALUE;
FOR EACH ( CHAR IN WORD ) {
HASH *= MAGIC_NUMBER
HASH ^= CHAR
HASH %= BOUNDS
}
RETURN HASH

  我解释了哈希表数组   长度应该是素数，而BOUNDS   数字小于表格长度，   但是相当于桌子的长度。

为什么BOUNDS数量应小于桶数？桌面长度的互相作用是什么？它不应该与BOUNDS相互作用吗？

Answer 1

我会冒险他完全错了。 BOUNDS应该是桶的数量，或者最后几个桶将未被充分利用。

此外，输出到桶数的边界应该是哈希函数的外部。这是该特定哈希表的实现细节。你可能有一个非常大的表使用大量的桶而另一个使用很少的桶。两者都应该共享相同的字符串 - >哈希函数

此外，如果您阅读链接到它的页面非常有趣。我本可以将他的哈希表实现为10,000个桶 - 对于那些没有读过它的人来说，文章建议~4,000,000,000个存储桶来存储1,000,000个左右的桶。对于冲突，每个桶都有一个单词结构向量，每个单词结构包含一个计数，一个明文字符串和一个哈希（在桶中是唯一的）。这将使用更少的内存并更好地使用现代缓存，因为您的工作集会小得多。

为了进一步减少内存使用量，您可以尝试在输入阶段从哈希中剔除单词，看起来它们基于当前计数低于前100,000。

Answer 2

我曾在一家知名搜索公司接受采访。我得到了完全相同的问题。我尝试使用哈希表解决它。

我从那次采访中了解到的一件事是，在一家知名的搜索公司，你不建议使用哈希作为解决方案。你使用任何你喜欢的树状结构，但你总是使用有序结构，而不是哈希表。

Answer 3

一个简单的显式后缀树只能使用最坏情况下的500k内存（具有中等效率的实现，4字节字符编码和相对较长的英文单词，具有最小的重叠）来做同样的事情。

我认为文章中的那个人超越了自己。