條條大路通羅馬,為什么你不隨便選一條?
0 為什么需要hash_map
用過(guò)map吧?map提供一個(gè)很常用的功能,那就是提供key-value的存儲(chǔ)和查找功能。例如,我要記錄一個(gè)人名和相應(yīng)的存儲(chǔ),而且隨時(shí)增加,要快速查找和修改:
岳不群-華山派掌門人,人稱君子劍
張三豐-武當(dāng)掌門人,太極拳創(chuàng)始人
東方不?。谝桓呤郑▽毜?
...
這些信息如果保存下來(lái)并不復(fù)雜,但是找起來(lái)比較麻煩。例如我要找"張三豐"的信息,最傻的方法就是取得所有的記錄,然后按照名字一個(gè)一個(gè)比較。如果要速度快,就需要把這些記錄按照字母順序排列,然后按照二分法查找。但是增加記錄的時(shí)候同時(shí)需要保持記錄有序,因此需要插入排序。考慮到效率,這就需要用到二叉樹(shù)。講下去會(huì)沒(méi)完沒(méi)了,如果你使用STL 的map容器,你可以非常方便的實(shí)現(xiàn)這個(gè)功能,而不用關(guān)心其細(xì)節(jié)。關(guān)于map的數(shù)據(jù)結(jié)構(gòu)細(xì)節(jié),感興趣的朋友可以參看
學(xué)習(xí)STL map, STL set之?dāng)?shù)據(jù)結(jié)構(gòu)基礎(chǔ)??纯磎ap的實(shí)現(xiàn):
#include?<map>
#include?<string>
using?namespace?std;


map<string,?string>?namemap;

//增加。。。
namemap["岳不群"]="華山派掌門人,人稱君子劍";
namemap["張三豐"]="武當(dāng)掌門人,太極拳創(chuàng)始人";
namemap["東方不敗"]="第一高手,葵花寶典";



//查找。。

if(namemap.find("岳不群")?!=?namemap.end())
{
????????
}
不覺(jué)得用起來(lái)很easy嗎?而且效率很高,100萬(wàn)條記錄,最多也只要20次的string.compare的比較,就能找到你要找的記錄;200萬(wàn)條記錄事,也只要用21次的比較。
速度永遠(yuǎn)都滿足不了現(xiàn)實(shí)的需求。如果有100萬(wàn)條記錄,我需要頻繁進(jìn)行搜索時(shí),20次比較也會(huì)成為瓶頸,要是能降到一次或者兩次比較是否有可能?而且當(dāng)記錄數(shù)到200萬(wàn)的時(shí)候也是一次或者兩次的比較,是否有可能?而且還需要和map一樣的方便使用。
答案是肯定的。這時(shí)你需要has_map. 雖然hash_map目前并沒(méi)有納入C++ 標(biāo)準(zhǔn)模板庫(kù)中,但幾乎每個(gè)版本的STL都提供了相應(yīng)的實(shí)現(xiàn)。而且應(yīng)用十分廣泛。在正式使用hash_map之前,先看看hash_map的原理。
1 數(shù)據(jù)結(jié)構(gòu):hash_map原理
這是一節(jié)讓你深入理解hash_map的介紹,如果你只是想囫圇吞棗,不想理解其原理,你倒是可以略過(guò)這一節(jié),但我還是建議你看看,多了解一些沒(méi)有壞處。
hash_map基于hash table(哈希表)。 哈希表最大的優(yōu)點(diǎn),就是把數(shù)據(jù)的存儲(chǔ)和查找消耗的時(shí)間大大降低,幾乎可以看成是常數(shù)時(shí)間;而代價(jià)僅僅是消耗比較多的內(nèi)存。然而在當(dāng)前可利用內(nèi)存越來(lái)越多的情況下,用空間換時(shí)間的做法是值得的。另外,編碼比較容易也是它的特點(diǎn)之一。
其基本原理是:使用一個(gè)下標(biāo)范圍比較大的數(shù)組來(lái)存儲(chǔ)元素??梢栽O(shè)計(jì)一個(gè)函數(shù)(哈希函數(shù),也叫做散列函數(shù)),使得每個(gè)元素的關(guān)鍵字都與一個(gè)函數(shù)值(即數(shù)組下標(biāo),hash值)相對(duì)應(yīng),于是用這個(gè)數(shù)組單元來(lái)存儲(chǔ)這個(gè)元素;也可以簡(jiǎn)單的理解為,按照關(guān)鍵字為每一個(gè)元素“分類”,然后將這個(gè)元素存儲(chǔ)在相應(yīng)“類”所對(duì)應(yīng)的地方,稱為桶。
但是,不能夠保證每個(gè)元素的關(guān)鍵字與函數(shù)值是一一對(duì)應(yīng)的,因此極有可能出現(xiàn)對(duì)于不同的元素,卻計(jì)算出了相同的函數(shù)值,這樣就產(chǎn)生了“沖突”,換句話說(shuō),就是把不同的元素分在了相同的“類”之中。 總的來(lái)說(shuō),“直接定址”與“解決沖突”是哈希表的兩大特點(diǎn)。
hash_map,首先分配一大片內(nèi)存,形成許多桶。是利用hash函數(shù),對(duì)key進(jìn)行映射到不同區(qū)域(桶)進(jìn)行保存。其插入過(guò)程是:
- 得到key
- 通過(guò)hash函數(shù)得到hash值
- 得到桶號(hào)(一般都為hash值對(duì)桶數(shù)求模)
- 存放key和value在桶內(nèi)。
其取值過(guò)程是:
- 得到key
- 通過(guò)hash函數(shù)得到hash值
- 得到桶號(hào)(一般都為hash值對(duì)桶數(shù)求模)
- 比較桶的內(nèi)部元素是否與key相等,若都不相等,則沒(méi)有找到。
- 取出相等的記錄的value。
hash_map中直接地址用hash函數(shù)生成,解決沖突,用比較函數(shù)解決。這里可以看出,如果每個(gè)桶內(nèi)部只有一個(gè)元素,那么查找的時(shí)候只有一次比較。當(dāng)許多桶內(nèi)沒(méi)有值時(shí),許多查詢就會(huì)更快了(指查不到的時(shí)候).
由此可見(jiàn),要實(shí)現(xiàn)哈希表, 和用戶相關(guān)的是:hash函數(shù)和比較函數(shù)。這兩個(gè)參數(shù)剛好是我們?cè)谑褂胔ash_map時(shí)需要指定的參數(shù)。
2 hash_map 使用
2.1 一個(gè)簡(jiǎn)單實(shí)例
不要著急如何把"岳不群"用hash_map表示,我們先看一個(gè)簡(jiǎn)單的例子:隨機(jī)給你一個(gè)ID號(hào)和ID號(hào)相應(yīng)的信息,ID號(hào)的范圍是1~2的31次方。如何快速保存查找。
#include?<hash_map>
#include?<string>
using?namespace?std;

int?main()
{
????????hash_map<int,?string>?mymap;
????????mymap[9527]="唐伯虎點(diǎn)秋香";
????????mymap[1000000]="百萬(wàn)富翁的生活";
????????mymap[10000]="白領(lǐng)的工資底線";
????????

????????if(mymap.find(10000)?!=?mymap.end())
{
????????????????
????????}
夠簡(jiǎn)單,和map使用方法一樣。這時(shí)你或許會(huì)問(wèn)?hash函數(shù)和比較函數(shù)呢?不是要指定么?你說(shuō)對(duì)了,但是在你沒(méi)有指定hash函數(shù)和比較函數(shù)的時(shí)候,你會(huì)有一個(gè)缺省的函數(shù),看看hash_map的聲明,你會(huì)更加明白。下面是SGI STL的聲明:
template?<class?_Key,?class?_Tp,?class?_HashFcn?=?hash<_Key>,
class?_EqualKey?=?equal_to<_Key>,
class?_Alloc?=?__STL_DEFAULT_ALLOCATOR(_Tp)?>
class?hash_map


{
????????
}
也就是說(shuō),在上例中,有以下等同關(guān)系:


hash_map<int,?string>?mymap;
//等同于:
hash_map<int,?string,?hash<int>,?equal_to<int>?>?mymap;
Alloc我們就不要取關(guān)注太多了(希望深入了解Allocator的朋友可以參看
標(biāo)準(zhǔn)庫(kù) STL :Allocator能做什么)
2.2 hash_map 的hash函數(shù)
hash< int>到底是什么樣子?看看源碼:

struct?hash<int>?
{

????????size_t?operator()(int?__x)?const?
{?return?__x;?}
};
原來(lái)是個(gè)函數(shù)對(duì)象。在SGI STL中,提供了以下hash函數(shù):
struct?hash<char*>
struct?hash<const?char*>
struct?hash<char>?
struct?hash<unsigned?char>?
struct?hash<signed?char>
struct?hash<short>
struct?hash<unsigned?short>?
struct?hash<int>?
struct?hash<unsigned?int>
struct?hash<long>?
struct?hash<unsigned?long>?
也就是說(shuō),如果你的key使用的是以上類型中的一種,你都可以使用缺省的hash函數(shù)。當(dāng)然你自己也可以定義自己的hash函數(shù)。對(duì)于自定義變量,你只能如此,例如對(duì)于string,就必須自定義hash函數(shù)。例如:

struct?str_hash
{
????????size_t?operator()(const?string&?str)?const

????????
{
????????????????unsigned?long?__h?=?0;
????????????????for?(size_t?i?=?0?;?i?<?str.size()?;?i?++)
????????????????__h?=?5*__h?+?str[i];
????????????????return?size_t(__h);
????????}
};
//如果你希望利用系統(tǒng)定義的字符串hash函數(shù),你可以這樣寫:

struct?str_hash
{
????????size_t?operator()(const?string&?str)?const

????????
{
????????????????return?return?__stl_hash_string(str.c_str());
????????}
};
在聲明自己的哈希函數(shù)時(shí)要注意以下幾點(diǎn):
- 使用struct,然后重載operator().
- 返回是size_t
- 參數(shù)是你要hash的key的類型。
- 函數(shù)是const類型的。
如果這些比較難記,最簡(jiǎn)單的方法就是照貓畫(huà)虎,找一個(gè)函數(shù)改改就是了。
現(xiàn)在可以對(duì)開(kāi)頭的"岳不群"進(jìn)行哈希化了
. 直接替換成下面的聲明即可:
map<string, string> namemap;
//改為:
hash_map<string, string, str_hash> namemap;
其他用法都不用邊。當(dāng)然不要忘了吧str_hash的聲明以及頭文件改為hash_map。
你或許會(huì)問(wèn):比較函數(shù)呢?別著急,這里就開(kāi)始介紹hash_map中的比較函數(shù)。
2.3 hash_map 的比較函數(shù)
在map中的比較函數(shù),需要提供less函數(shù)。如果沒(méi)有提供,缺省的也是less< Key> 。在hash_map中,要比較桶內(nèi)的數(shù)據(jù)和key是否相等,因此需要的是是否等于的函數(shù):equal_to< Key> 。先看看equal_to的源碼:
//本代碼可以從SGI?STL
//先看看binary_function?函數(shù)聲明,其實(shí)只是定義一些類型而已。
template?<class?_Arg1,?class?_Arg2,?class?_Result>

struct?binary_function?
{
????????typedef?_Arg1?first_argument_type;
????????typedef?_Arg2?second_argument_type;
????????typedef?_Result?result_type;
};
//看看equal_to的定義:
template?<class?_Tp>
struct?equal_to?:?public?binary_function<_Tp,_Tp,bool>


{

????????bool?operator()(const?_Tp&?__x,?const?_Tp&?__y)?const?
{?return?__x?==?__y;?}
};
如果你使用一個(gè)自定義的數(shù)據(jù)類型,如struct mystruct, 或者const char* 的字符串,如何使用比較函數(shù)?使用比較函數(shù),有兩種方法. 第一種是:重載==操作符,利用equal_to;看看下面的例子:

struct?mystruct
{
????????int?iID;
????????int??len;

????????bool?operator==(const?mystruct?&?my)?const
{
????????????????return?(iID==my.iID)?&&?(len==my.len)?;
????????}
};
這樣,就可以使用equal_to< mystruct>作為比較函數(shù)了。另一種方法就是使用函數(shù)對(duì)象。自定義一個(gè)比較函數(shù)體:

struct?compare_str
{

????????bool?operator()(const?char*?p1,?const?char*p2)?const
{
????????????????return?strcmp(p1,p2)==0;
????????}
};??
有了compare_str,就可以使用hash_map了。
typedef?hash_map<const?char*,?string,?hash<const?char*>,?compare_str>?StrIntMap;
StrIntMap?namemap;
namemap["岳不群"]="華山派掌門人,人稱君子劍";
namemap["張三豐"]="武當(dāng)掌門人,太極拳創(chuàng)始人";
namemap["東方不敗"]="第一高手,葵花寶典";
2.4 hash_map 函數(shù)
hash_map的函數(shù)和map的函數(shù)差不多。具體函數(shù)的參數(shù)和解釋,請(qǐng)參看:
STL 編程手冊(cè):Hash_map,這里主要介紹幾個(gè)常用函數(shù)。
- hash_map(size_type n) 如果講究效率,這個(gè)參數(shù)是必須要設(shè)置的。n 主要用來(lái)設(shè)置hash_map 容器中hash桶的個(gè)數(shù)。桶個(gè)數(shù)越多,hash函數(shù)發(fā)生沖突的概率就越小,重新申請(qǐng)內(nèi)存的概率就越小。n越大,效率越高,但是內(nèi)存消耗也越大。
- const_iterator find(const key_type& k) const. 用查找,輸入為鍵值,返回為迭代器。
- data_type& operator[](const key_type& k) . 這是我最常用的一個(gè)函數(shù)。因?yàn)槠涮貏e方便,可像使用數(shù)組一樣使用。不過(guò)需要注意的是,當(dāng)你使用[key ]操作符時(shí),如果容器中沒(méi)有key元素,這就相當(dāng)于自動(dòng)增加了一個(gè)key元素。因此當(dāng)你只是想知道容器中是否有key元素時(shí),你可以使用find。如果你希望插入該元素時(shí),你可以直接使用[]操作符。
- insert 函數(shù)。在容器中不包含key值時(shí),insert函數(shù)和[]操作符的功能差不多。但是當(dāng)容器中元素越來(lái)越多,每個(gè)桶中的元素會(huì)增加,為了保證效率,hash_map會(huì)自動(dòng)申請(qǐng)更大的內(nèi)存,以生成更多的桶。因此在insert以后,以前的iterator有可能是不可用的。
- erase 函數(shù)。在insert的過(guò)程中,當(dāng)每個(gè)桶的元素太多時(shí),hash_map可能會(huì)自動(dòng)擴(kuò)充容器的內(nèi)存。但在sgi stl中是erase并不自動(dòng)回收內(nèi)存。因此你調(diào)用erase后,其他元素的iterator還是可用的。
3 相關(guān)hash容器
hash 容器除了hash_map之外,還有hash_set, hash_multimap, has_multiset, 這些容器使用起來(lái)和set, multimap, multiset的區(qū)別與hash_map和map的區(qū)別一樣,我想不需要我一一細(xì)說(shuō)了吧。
4 其他
這里列幾個(gè)常見(jiàn)問(wèn)題,應(yīng)該對(duì)你理解和使用hash_map比較有幫助。
4.1 hash_map和map的區(qū)別在哪里?
- 構(gòu)造函數(shù)。hash_map需要hash函數(shù),等于函數(shù);map只需要比較函數(shù)(小于函數(shù)).
- 存儲(chǔ)結(jié)構(gòu)。hash_map采用hash表存儲(chǔ),map一般采用紅黑樹(shù)(RB Tree)實(shí)現(xiàn)。因此其memory數(shù)據(jù)結(jié)構(gòu)是不一樣的。
4.2 什么時(shí)候需要用hash_map,什么時(shí)候需要用map?
總體來(lái)說(shuō),hash_map 查找速度會(huì)比map快,而且查找速度基本和數(shù)據(jù)數(shù)據(jù)量大小,屬于常數(shù)級(jí)別;而map的查找速度是log(n)級(jí)別。并不一定常數(shù)就比log(n)小,hash還有hash函數(shù)的耗時(shí),明白了吧,如果你考慮效率,特別是在元素達(dá)到一定數(shù)量級(jí)時(shí),考慮考慮hash_map。但若你對(duì)內(nèi)存使用特別嚴(yán)格,希望程序盡可能少消耗內(nèi)存,那么一定要小心,hash_map可能會(huì)讓你陷入尷尬,特別是當(dāng)你的hash_map對(duì)象特別多時(shí),你就更無(wú)法控制了,而且hash_map的構(gòu)造速度較慢。
現(xiàn)在知道如何選擇了嗎?權(quán)衡三個(gè)因素: 查找速度, 數(shù)據(jù)量, 內(nèi)存使用。
這里還有個(gè)關(guān)于hash_map和map的小故事,看看:http://dev.csdn.net/Develop/article/14/14019.shtm
4.3 如何在hash_map中加入自己定義的類型?
你只要做兩件事, 定義hash函數(shù),定義等于比較函數(shù)。下面的代碼是一個(gè)例子:
-bash-2.05b$ cat my.cpp
#include?<hash_map>
#include?<string>
#include?<iostream>

using?namespace?std;
//define?the?class

class?ClassA
{
????????public:

????????ClassA(int?a):c_a(a)
{}

????????int?getvalue()const?
{?return?c_a;}

????????void?setvalue(int?a)
{c_a;}
????????private:
????????int?c_a;
};

//1?define?the?hash?function

struct?hash_A
{

????????size_t?operator()(const?class?ClassA?&?A)const
{
????????????????//??return??hash<int>(classA.getvalue());
????????????????return?A.getvalue();
????????}
};

//2?define?the?equal?function

struct?equal_A
{

????????bool?operator()(const?class?ClassA?&?a1,?const?class?ClassA?&?a2)const
{
????????????????return??a1.getvalue()?==?a2.getvalue();
????????}
};

int?main()


{
????????hash_map<ClassA,?string,?hash_A,?equal_A>?hmap;
????????ClassA?a1(12);
????????hmap[a1]="I?am?12";
????????ClassA?a2(198877);
????????hmap[a2]="I?am?198877";
????????
????????cout<<hmap[a1]<<endl;
????????cout<<hmap[a2]<<endl;
????????return?0;
}

-bash-2.05b$ make my
c++ -O -pipe -march=pentiumpro my.cpp -o my
-bash-2.05b$ ./my
I am 12
I am 198877
4.4如何用hash_map替換程序中已有的map容器?
這個(gè)很容易,但需要你有良好的編程風(fēng)格。建議你盡量使用typedef來(lái)定義你的類型:
typedef?map<Key,?Value>?KeyMap;
當(dāng)你希望使用hash_map來(lái)替換的時(shí)候,只需要修改:
typedef?hash_map<Key,?Value>?KeyMap;
其他的基本不變。當(dāng)然,你需要注意是否有Key類型的hash函數(shù)和比較函數(shù)。
4.5為什么hash_map不是標(biāo)準(zhǔn)的?
具體為什么不是標(biāo)準(zhǔn)的,我也不清楚,有個(gè)解釋說(shuō)在STL加入標(biāo)準(zhǔn)C++之時(shí),hash_map系列當(dāng)時(shí)還沒(méi)有完全實(shí)現(xiàn),以后應(yīng)該會(huì)成為標(biāo)準(zhǔn)。如果誰(shuí)知道更合理的解釋,也希望告訴我。但我想表達(dá)的是,正是因?yàn)閔ash_map不是標(biāo)準(zhǔn)的,所以許多平臺(tái)上安裝了g++編譯器,不一定有hash_map的實(shí)現(xiàn)。我就遇到了這樣的例子。因此在使用這些非標(biāo)準(zhǔn)庫(kù)的時(shí)候,一定要事先測(cè)試。另外,如果考慮到平臺(tái)移植,還是少用為佳。
4.6 有學(xué)習(xí)使用hash_map的建議嗎?
hash中文是哈希,也成為散列,聽(tīng)見(jiàn)別人說(shuō)散列容器不要埋怨自己孤陋寡聞。了解hash系列,你還可以看看這篇文章:
effective STL 25: 熟悉非標(biāo)準(zhǔn)散列容器, 另外建議查看源代碼。如果還有問(wèn)題,那么你可以在
STL論壇上提問(wèn),會(huì)有高手回答你的。
5 參考文章:
- 詳細(xì)解說(shuō) STL 排序(Sort)
- 詳細(xì)解說(shuō) STL string
- Effective STL 中文版
- 論壇討論:STL論壇: 詳細(xì)解說(shuō)STL hash_map系列