wikipedia上的解釋
http://zh.wikipedia.org/wiki/%E5%93%88%E5%B8%8C%E8%A1%A8
下圖示意了哈希表(Hash Table)這種數(shù)據(jù)結(jié)構(gòu)。
如上圖所示,首先分配一個指針數(shù)組,數(shù)組的每個元素是一個鏈表的頭指針,每個鏈表稱為一個槽(Slot) 。哪個數(shù)據(jù)應(yīng)該放入哪個槽中由哈希函數(shù)決定,在這個例子中我們簡單地選取哈希函數(shù)h(x) = x % 11,這樣任意數(shù)據(jù)x都可以映射成0~10之間的一個數(shù),就是槽的編號,將數(shù)據(jù)放入某個槽的操作就是鏈表的插入操作。
如果每個槽里至多只有一個數(shù)據(jù),可以想像這種情況下
search
、
insert
和
delete
操作的時間復(fù)雜度都是O(1),但有時會有多個數(shù)據(jù)被哈希函數(shù)映射到同一個槽中,這稱為碰撞(Collision)
,設(shè)計一個好的哈希函數(shù)可以把數(shù)據(jù)比較均勻地分布到各個槽中,盡量避免碰撞。如果能把n個數(shù)據(jù)比較均勻地分布到m個槽中,每個糟里約有n/m個數(shù)據(jù),則
search
、
insert
和
delete
和操作的時間復(fù)雜度都是O(n/m),如果n和m的比是常數(shù),則時間復(fù)雜度仍然是O(1)。一般來說,要處理的數(shù)據(jù)越多,構(gòu)造哈希表時分配的槽也應(yīng)該越多,所以n和m成正比這個假設(shè)是成立的。
請讀者自己編寫程序構(gòu)造這樣一個哈希表,并實現(xiàn)
search
、
insert
和
delete
操作。
如果用我們學(xué)過的各種數(shù)據(jù)結(jié)構(gòu)來表示n個數(shù)據(jù)的集合,下表是
search
、
insert
和
delete
操作在平均情況下的時間復(fù)雜度比較。
各種數(shù)據(jù)結(jié)構(gòu)的search、insert和delete操作在平均情況下的時間復(fù)雜度比較
數(shù)組 | O(n),有序數(shù)組折半查找是O(lgn) | O(n) | O(n) |
雙向鏈表 | O(n) | O(1) | O(1) |
排序二叉樹 | O(lgn) | O(lgn) | O(lgn) |
哈希表(n與槽數(shù)m成正比) | O(1) | O(1) | O(1) |
根據(jù)以上算法,抽象數(shù)據(jù)結(jié)構(gòu)如下:
/*哈希表*/
struct obj_container {
obj_hash_fn *hash_fn;//哈希函數(shù)
obj_callback_fn *cmp_fn;
int n_buckets; //分配多少個slot ?
int elements; //哈希表中元素數(shù)目
int version;
/*!variable size */
struct bucket buckets[0]; /*! lengthen tailq, each bucket is a linkedlist */
};
// 每個slot 為一個鏈表
struct bucket_entry {
SPD_LIST_ENTRY(bucket_entry)entry;
int version;
struct obj *pobj; /* pointer to internal data */
}bucket;
接下來實現(xiàn) search, link , unlink函數(shù)。
更多文章、技術(shù)交流、商務(wù)合作、聯(lián)系博主
微信掃碼或搜索:z360901061

微信掃一掃加我為好友
QQ號聯(lián)系: 360901061
您的支持是博主寫作最大的動力,如果您喜歡我的文章,感覺我的文章對您有幫助,請用微信掃描下面二維碼支持博主2元、5元、10元、20元等您想捐的金額吧,狠狠點擊下面給點支持吧,站長非常感激您!手機微信長按不能支付解決辦法:請將微信支付二維碼保存到相冊,切換到微信,然后點擊微信右上角掃一掃功能,選擇支付二維碼完成支付。
【本文對您有幫助就好】元
