轉自http://digdeeply.org/archives/10141480.html DigDeeply's Blog | 個人部落格 | 技術部落格

雜湊表和雜湊函式是大學資料結構中的課程，實際開發中我們經常用到Hashtable這種結構，當遇到鍵-值對儲存，採用Hashtable比ArrayList查詢的效能高。為什麼呢？我們在享受高效能的同時，需要付出什麼代價(這幾天看紅頂商人胡雪巖，經典臺詞：在你享受這之前，必須受別人吃不了的苦，忍受別人受不了的屈辱)，那麼使用Hashtable是否就是一樁無本萬利的買賣呢？就此疑問，做以下分析，希望能拋磚引玉。

1)hash它為什麼對於鍵-值查詢效能高

假如，我們按照姓名來查詢，假設查詢函式FindByName(string name); 1)查詢“張三” 只需在第一行匹配一次。 2)查詢”王五” 在第一行匹配，失敗， 在第二行匹配，失敗， 在第三行匹配，成功 上面兩種情況，分別分析了最好的情況，和最壞的情況，那麼平均查詢次數應該為 (1+3)/2=2次，即平均查詢次數為(記錄總數+1)的1/2。 儘管有一些優化的演算法，可以使查詢排序效率增高，但是複雜度會保持在log2n的範圍之內。 如何更更快的進行查詢呢？我們所期望的效果是一下子就定位到要找記錄的位置之上，這時候時間複雜度為1，查詢最快。如果我們事先為每條記錄編一個序號，然 後讓他們按號入位，我們又知道按照什麼規則對這些記錄進行編號的話，如果我們再次查詢某個記錄的時候，只需要先通過規則計算出該記錄的編號，然後根據編 號，在記錄的線性佇列中，就可以輕易的找到記錄了 。 注意，上述的描述包含了兩個概念，一個是用於對學生進行編號的規則，在資料結構中，稱之為雜湊函式，另外一個是按照規則為學生排列的順序結構，稱之為雜湊表。 仍以上面的學生為例，假設學號就是規則，老師手上有一個規則表，在排座位的時候也按照這個規則來排序，查詢李四，首先該教師會根據規則判斷出，李四的編號為2，就是在座位中的2號位置，直接走過去，“李四，就是在這”.

hash學習--雜湊的原理和代價

從上面的圖中，可以看出雜湊表可以描述為兩個筒子，一個筒子用來裝記錄的位置編號，另外一個筒子用來裝記錄，另外存在一套規則，用來表述記錄與編號之間的聯絡。這個規則通常是如何制定的呢？ a)直接定址法: 我在前一篇文章對GetHashCode()效能比較的問題中談到，對於整形的資料GetHashCode()函式返回的就是整形　　　本身，其實就是基於直接定址的方法，比如有一組0-100的資料，用來表示人的年齡 那麼，採用直接定址的方法構成的雜湊表為:

….. 這樣的一種定址方式，簡單方便，適用於元資料能夠用數字表述或者原資料具有鮮明順序關係的情形。 b)數字分析法: 有這樣一組資料，用於表述一些人的出生日期

分析一下，年和月的第一位數字基本相同，造成衝突的機率非常大，而後面三位差別比較大，所以採用後三位 c)平方取中法 取關鍵字平方後的中間幾位作為雜湊地址 d) 摺疊法： 將關鍵字分割成位數相同的幾部分，最後一部分位數可以不相同，然後去這幾部分的疊加和（取出進位）作為雜湊地址，比如有這樣的資料20-1445-4547-3 可以 5473 +       4454 +         201 =     10128 取出進位1,取0128為雜湊地址 e)取餘法 取關鍵字被某個不大於雜湊表表長m的數p除後所得餘數為雜湊地址。H(key)=key MOD p (p<=m) f) 隨機數法 選擇一個隨機函式，取關鍵字的隨機函式值為它的雜湊地址，即H(key)=random(key) ,其中random為隨機函式。通常用於關鍵字長度不等時採用此法。

總之，雜湊函式的規則是：通過某種轉換關係，使關鍵字適度的分散到指定大小的的順序結構中。越分散，則以後查詢的時間複雜度越小，空間複雜度越高。 ２)使用hash，我們付出了什麼？ hash是一種典型以空間換時間的演算法，比如原來一個長度為100的陣列，對其查詢，只需要遍歷且匹配相應記錄即可，從空間複雜度上來看，假如陣列儲存的 是byte型別資料，那麼該陣列佔用100byte空間。現在我們採用hash演算法，我們前面說的hash必須有一個規則，約束鍵與儲存位置的關係，那麼 就需要一個固定長度的hash表，此時，仍然是100byte的陣列，假設我們需要的100byte用來記錄鍵與位置的關係，那麼總的空間為 200byte,而且用於記錄規則的表大小會根據規則，大小可能是不定的，比如在lzw演算法中，如果一個很長的用於記錄畫素的byte陣列，用來記錄位置 與鍵關係的表空間，演算法推薦為一個1２bit能表述的整數大小，那麼足夠長的畫素陣列，如何分散到這樣定長的表中呢，lzw演算法採用的是可變長編碼，具體 會在深入介紹lzw演算法的時候介紹。 注:hash表最突出的問題在於衝突，就是兩個鍵值經過雜湊函式計算出來的索引位置很可能相同，這個問題，下篇文章會令作闡述。 注:之所以會簡單得介紹了hash，是為了更好的學習lzw演算法，學習lzw演算法是為了更好的研究gif檔案結構，最後，我將詳細的闡述一下gif檔案是如何構成的，如何高效操作此種類型檔案。