• C++ 哈希表及unordered_set + unordered_map容器

    目录

    一.unordered_set和unordered_map的使用

    二.哈希结构

    1.概念

    2.哈希函数

    （1） 哈希函数设计原则

    （2）常见哈希函数

    3.哈希冲突

    4.哈希冲突解决

    （1）闭散列

    （2）开散列

    （3）开散列与闭散列比较

    三.unordered_set及unordered_map模拟实现

    1.哈希表改造

    （1）模板 

    （2）迭代器

    （3）修改完善函数

    哈希表改造后全部代码：

    2.unordered_set

    3.unordered_map

            前言：unordered_set和unordered_map是C++11中新增加的两个关联式容器，使用方式与set和map基本相同，但是unordered_set和unordered_map的底层是哈希表，而set和map的底层是红黑树。并且unordered_set不能排序；unordered_set和unordered_map是单向迭代器；效率要高一下，时间复杂度为O(1)。

    一.unordered_set和unordered_map的使用

            这里unordered_set和unordered_map的使用与set和map基本相同，因此会了set和map，这两个也就会了。

    map+set：C++ 关联式容器map+set_糖果雨滴a的博客-CSDN博客

    二.哈希结构

    1.概念

            在之前的顺序结构以及平衡树中，元素关键码与其存储位置之间没有对应的关系，因此在查找一个元素时，必须要经过关键码的多次比较。顺序查找时间复杂度为O(N)，平衡树中为树的高度，即O(logN)，搜索的效率取决于搜索过程中元素的比较次数。

           概念：可以不经过任何比较，一次直接从表中得到要搜索的元素。可以使元素的存储位置与它的关键码之间能够建立一一映射的关系，在查找时可以很快找到该元素。

    （1）插入元素 

            根据待插入元素的关键码，以此函数计算出该元素的存储位置并按此位置进行存放。

    （2）搜索元素

            对元素的关键码进行同样的计算，把求得的函数值当做元素的存储位置，在结构中按此位置取元素比较，若关键码相等，则搜索成功。

            该方式即为哈希（散列）方法，哈希方法中使用的转换函数称为哈希（散列）函数，构造出来的结构称为哈希表（散列表）。

            用该方法进行搜索不必进行多次关键码的比较，因此搜索的速度比较快。

    2.哈希函数

    （1） 哈希函数设计原则

    ① 哈希函数的定义域必须包括需要存储的全部关键码，而如果散列表允许有m个地址时，其值域必须在0到m-1之间

    ② 哈希函数计算出来的地址能均匀分布在整个空间中。

    ③ 哈希函数应该比较简单。

    （2）常见哈希函数

    ① 直接定址法（常用）

            取关键字的某个线性函数为散列地址：Hash(Key) = A * Key + B

            优点：简单、均匀

            缺点：需要事先知道关键字的分布情况

            使用场景：适合查找比较小且连续的情况

    ② 除留余数法（常用）

            设散列表中允许的地址数为m，取一个不大于m，但最接近或者等于m的质数p作为除数，按照哈希函数：Hash(key) = key% p(p<=m),将关键码转换成哈希地址。

    ③ 平方取中法

            假设关键字为1234，对它平方就是1522756，抽取中间的3位227作为哈希地址； 再比如关键字为4321，对它平方就是18671041，抽取中间的3位671(或710)作为哈希地址。

            平方取中法比较适合：不知道关键字的分布，而位数又不是很大的情况。

    ④ 折叠法

            折叠法是将关键字从左到右分割成位数相等的几部分(最后一部分位数可以短些)，然后将这几部分叠加求和，并按散列表表长，取后几位作为散列地址。

            折叠法适合事先不需要知道关键字的分布，适合关键字位数比较多的情况

    ⑤ 随机数法

            选择一个随机函数，取关键字的随机函数值为它的哈希地址，即Hash(key) = random(key),其中random为随机数函数。

            随机数法通常应用于关键字长度不等时采用此法。

    ⑥ 数学分析法

            设有n个d位数，每一位可能有r种不同的符号，这r种不同的符号在各位上出现的频率不一定相同，可能在某些位上分布比较均匀，每种符号出现的机会均等，在某些位上分布不均匀只有某几种符号经常出现。可根据散列表的大小，选择其中各种符号分布均匀的若干位作为散列地址。

            数字分析法通常适合处理关键字位数比较大的情况，如果事先知道关键字的分布且关键字的若干位分布较均匀的情况。

    3.哈希冲突

            对于两个数据元素的关键字 ki 和 kj (i != j)，有 ki != kj ，但有：Hash(ki) == Hash(kj)，即：不同关键字通过相同哈希计数计算出相同的哈希地址，该种现象称为哈希冲突或哈希碰撞。

            把具有不同关键码而具有相同哈希地址的数据元素称为“同义词”。

            引起哈希冲突的一个原因可能是：哈希函数设计不够合理。

    4.哈希冲突解决

            解决哈希冲突的两种常见方法是：闭散列和开散列。

    （1）闭散列

            闭散列也叫开放定址法，当发生哈希冲突时，如果哈希表未被装满，说明在哈希表中必然还有空位置，那么可以把key存到冲突位置中的“下一个”空位置中去。

            那么如何去寻找下一个空位置呢？

    ① 线性探测

            从发生冲突的位置开始，依次向后探测，直到寻找到下一个空位置为止。

    a. 插入

            通过哈希函数获取待插入元素在哈希表中的位置。

            如果该位置中没有元素则直接插入新元素，如果该位置中有元素发生哈希冲突，使用线性探测找到下一个空位置，插入新元素。

           

    既然有插入，那么就有扩容，那哈希表什么时候进行扩容呢？如何扩容呢？

            扩容就由负载因子（载荷因子）来决定，负载因子：表中的元素 / 散列表的长度。

            负载因子越大，表明表中的元素越低，产生冲突的可能性就越大；反之，负载因子越小，表明表中的元素越少，产生冲突的可能性就越小。

            对于开放定址法，负载因子应控制在0.7-0.8以下。超过 0.8.会导致CPU缓存不命中。Java中限制了负载因子为0.75.

    插入函数的具体实现：

            先通过调用查找函数，判断当前key是否存在，若存在就不再插入；不存在就要先判断负载因子是否到0.7及以上，到了就扩容，在扩容以后要重新映射（通过创建一个有扩容后空间的新表，然后通过遍历旧表，将其插入新表中，最后交换新旧表，这样原本的旧表就变成了新表）。

            扩容判断结束后，要准备找位置插入，首先因为不清楚要插入的类型，所以这里使用了仿函数，包括了int类型和string类型，并且为了在调用Insert时不需要传仿函数的参，就给仿函数写一个缺省，并且要把string类型的仿函数实现为特化版本。

            然后从该数应该映射的位置开始查找可以插入的位置（即state不为EXITS就可以插入），找到位置之后，插入，并更新插入的数据个数n。

    b. 删除

            采用闭散列处理哈希冲突时，不能随便物理的删除哈希表中已有的元素，若直接删除元素会影响其它元素的搜索。因此线性探测采用标记的伪删除法来删除一个元素。

    删除函数的具体实现：

            通过调用Find函数，查找是否存在，若存在就将该位置state标记为DELETE。 

    c.查找

    查找函数的具体实现：

            从要找着的数据本应映射的位置开始查找，如果没到标记为EMPTY的数据就一直去查找，直到找到了标记不为DELETE（即为EXITS）的数据并且key值相同，就说明找到了该值；若找了key值相同却为DELETE的，说明之前被删除了，而如果一直走到了EMPTY都没有找到，就一定是没有该数据了。

    实现：

    1. #pragma once
    2.  
    3. namespace CloseHash
    4. {
    5. 	enum State
    6. 	{
    7. 		EMPTY,
    8. 		EXITS,
    9. 		DELETE
    10. 	};
    11.  
    12. 	template <class K, class V>
    13. 	struct HashData
    14. 	{
    15. 		pair _kv;
    16. 		State _state = EMPTY;
    17. 	};
    18.  
    19. 	template <class K>
    20. 	struct DefaultHash
    21. 	{
    22. 		size_t operator()(const K& key)
    23. 		{
    24. 			return (size_t)key;
    25. 		}
    26. 	};
    27.  
    28. 	template<>
    29. 	struct DefaultHash
    30. 	{
    31. 		size_t operator()(const string& key)
    32. 		{
    33. 			// BKDR
    34. 			size_t hash = 0;
    35. 			for (auto ch : key)
    36. 			{
    37. 				hash = hash * 131 + ch;
    38. 			}
    39.  
    40. 			return hash;
    41. 		}
    42. 	};
    43.  
    44. 	template <class K, class V, class HashFunc = DefaultHash>
    45. 	class HashTable
    46. 	{
    47. 		typedef HashData Data;
    48. 	public:
    49. 		bool Insert(const pair& kv)
    50. 		{
    51. 			if (Find(kv.first))
    52. 			{
    53. 				return false;
    54. 			}
    55.  
    56. 			// 负载因子到0.7及以上，就扩容
    57. 			if (_tables.size() == 0 || _n * 10 / _tables.size() >= 7)
    58. 			{
    59. 				size_t newSize = _tables.size() == 0 ? 10 : _tables.size() * 2;
    60. 				// 扩容以后，需要重新映射
    61. 				HashTable newHT;
    62. 				newHT._tables.resize(newSize);
    63. 				// 遍历旧表，插入newHT
    64. 				for (auto& e : _tables)
    65. 				{
    66. 					if (e._state == EXITS)
    67. 					{
    68. 						newHT.Insert(e._kv);
    69. 					}
    70. 				}
    71. 				newHT._tables.swap(_tables);
    72. 			}
    73.  
    74. 			HashFunc hf;
    75. 			size_t starti = hf(kv.first);
    76. 			starti %= _tables.size();
    77.  
    78. 			size_t hashi = starti;
    79. 			size_t i = 1;
    80. 			// 线性探测/二次探测
    81. 			while (_tables[hashi]._state == EXITS)
    82. 			{
    83. 				hashi == starti + i;
    84. 				++i;
    85. 				hashi %= _tables.size();
    86. 			}
    87.  
    88. 			_tables[hashi]._kv = kv;
    89. 			_tables[hashi]._state = EXITS;
    90. 			_n++;
    91.  
    92. 			return true;
    93. 		}
    94.  
    95. 		Data* Find(const K& key)
    96. 		{
    97. 			if (_tables.size() == 0)
    98. 			{
    99. 				return nullptr;
    100. 			}
    101.  
    102. 			HashFunc hf;
    103. 			size_t starti = hf(key);
    104. 			starti %= _tables.size();
    105.  
    106. 			size_t hashi = starti;
    107. 			size_t i = 1;
    108. 			while (_tables[hashi]._state != EMPTY)
    109. 			{
    110. 				if (_tables[hashi]._state != DELETE && _tables[hashi]._kv.first == key)
    111. 				{
    112.  
    113. 					return &_tables[hashi];
    114. 				}
    115.  
    116. 				hashi = starti + i;
    117. 				++i;
    118. 				hashi %= _tables.size();
    119. 			}
    120.  
    121. 			return nullptr;
    122. 		}
    123.  
    124. 		bool Erase(const K& key)
    125. 		{
    126. 			Data* ret = Find(key);
    127. 			if (ret)
    128. 			{
    129. 				ret->_state = DELETE;
    130. 				--_n;
    131. 				return true;
    132. 			}
    133. 			else
    134. 			{
    135. 				return false;
    136. 			}
    137. 		}
    138.  
    139. 	private:
    140. 		vector _tables;
    141. 		size_t _n = 0; // 存储关键字的个数
    142. 	};
    143. }

    线性探测优点：实现简单

    线性探测缺点：一旦发生哈希冲突，所有的冲突连在一起，容易产生数据“堆积”，即：不同关键码占据了可利用的空位置，使得寻找某关键码的位置需要许多次比较，导致搜索效率降低。

    ② 二次探测

            因为线性探测的缺陷是产生冲突的数据会堆积在一块，就导致找空位置的方式就是挨着往后逐个去找，因此二次探测为了避免该问题，就对其进行了优化：找下一个位置的方法变为Hi = (H0 + i^2) % m，i为1，2，3......。即不是依次往后走了，而是变成了i^2，并且这个i会依次增大。

    二次探测实现：

            二次探测的实现与线性探测基本相同，只是在插入上有一些区别，这里就不实现了。

           

            虽然二次探测是线性探测的优化，不过，二次探测在本质上并没有解决闭散列去占别人位置的问题，因此一样容易造成哈希冲突。二次探测只不过是比线性探测能少一些哈希冲突。

    （2）开散列

            开散列法又叫链地址法（开链法），首先对关键码集合用散列函数计算散列地址，具有相同地址的关键码归于同一子集合，每一个子集合称为一个桶，各个桶中的元素通过一个单链表链接起来，各链表的头结点存储在哈希表中。

     

    因此，开散列中每个桶中放的都是在闭散列中会发生哈希冲突的元素。

    a.插入

    插入函数的具体实现：

            先通过调用查找函数，判断当前key是否存在，若存在就不再插入；不存在就要先判断负载因子是否到1及以上，到了就扩容，在扩容以后要重新映射（通过创建一个有扩容后空间的新表，然后通过遍历旧表，将旧表中桶的元素插入新表中，这样原本的旧表就不需要清理【已经全部转移到了新表中】，最后交换新旧表，旧表就变成了新表）。

            扩容判断结束后，要准备找位置插入，首先因为不清楚要插入的类型，所以这里使用了仿函数，包括了int类型和string类型，并且为了在调用Insert时不需要传仿函数的参，就给仿函数写一个缺省，并且要把string类型的仿函数实现为特化版本。

            然后从先得到该数应该映射的位置并进行头插，并更新插入的数据个数n。

    b.删除

    删除函数的具体实现：

            因为是在一个数组上的每个元素下有一个链表，因此要想删除一个元素，我们可以进行头删（单链表头删效率高）。首先定义一个prev，然后找到对应的key时，如果这个元素是链表头，就要改头的下一个位置的元素变成新的链表头；如果不是，就将prev的next直接链接到当前key的下一个元素，最后delete掉即可。（这里始终保证prev是cur的上一个元素）。

    c.查找

    查找函数的具体实现：

             这个就是找到对应的桶，然后进行查找即可（单链表查找）。

    开散列实现：

    1. #pragma once
    2.  
    3. namespace Bucket
    4. {
    5. 	template <class K, class V>
    6. 	struct HashNode
    7. 	{
    8. 		pair _kv;
    9. 		HashNode* _next;
    10.  
    11. 		HashNode(const pair& kv)
    12. 			: _kv(kv)
    13. 			, _next(nullptr)
    14. 		{}
    15. 	};
    16.  
    17. 	template <class K, class V, class HashFunc = DefaultHash>
    18. 	class HashTable
    19. 	{
    20. 		typedef HashNode Node;
    21. 	public:
    22. 		~HashTable()
    23. 		{
    24. 			for (size_t i = 0; i < _tables.size(); ++i)
    25. 			{
    26. 				Node* cur = _tables[i];
    27. 				while (cur)
    28. 				{
    29.  
    30. 					Node* next = cur->_next;
    31. 					delete cur;
    32. 					cur = next;
    33. 				}
    34.  
    35. 				_tables[i] = nullptr;
    36. 			}
    37. 		}
    38.  
    39. 		bool Insert(const pair& kv)
    40. 		{
    41. 			if (Find(kv.first))
    42. 			{
    43. 				return false;
    44. 			}
    45.  
    46. 			HashFunc hf;
    47.  
    48. 			// 负载因子 == 1 扩容
    49. 			if (_tables.size() == _n)
    50. 			{
    51. 				size_t newSize = _tables.size() == 0 ? 10 : _tables.size() * 2;
    52. 				vector newTable;
    53. 				newTable.resize(newSize, nullptr);
    54. 				for (size_t i = 0; i < _tables.size(); ++i)
    55. 				{
    56. 					Node* cur = _tables[i];
    57. 					while (cur)
    58. 					{
    59. 						Node* next = cur->_next;
    60.  
    61. 						size_t hashi = hf(cur->_kv.first) % newSize;
    62. 						cur->_next = newTable[hashi];
    63. 						newTable[hashi] = cur;
    64.  
    65. 						cur = next;
    66. 					}
    67.  
    68. 					_tables[i] = nullptr;
    69. 				}
    70.  
    71. 				newTable.swap(_tables);
    72. 			}
    73.  
    74. 			size_t hashi = hf(kv.first);
    75. 			hashi %= _tables.size();
    76.  
    77. 			// 头插到对应的桶
    78. 			Node* newnode = new Node(kv);
    79. 			newnode->_next = _tables[hashi];
    80. 			_tables[hashi] = newnode;
    81.  
    82. 			++_n;
    83.  
    84. 			return true;
    85. 		}
    86.  
    87. 		Node* Find(const K& key)
    88. 		{
    89. 			if (_tables.size() == 0)
    90. 			{
    91. 				return nullptr;
    92. 			}
    93.  
    94. 			HashFunc hf;
    95. 			size_t hashi = hf(key);
    96. 			hashi %= _tables.size();
    97. 			Node* cur = _tables[hashi];
    98. 			while (cur)
    99. 			{
    100. 				if (cur->_kv.first == key)
    101. 				{
    102. 					return cur;
    103. 				}
    104.  
    105. 				cur = cur->_next;
    106. 			}
    107.  
    108. 			return nullptr;
    109. 		}
    110.  
    111. 		bool Erase(const K& key)
    112. 		{
    113. 			if (_tables.size() == 0)
    114. 			{
    115. 				return false;
    116. 			}
    117.  
    118. 			HashFunc hf;
    119. 			size_t hashi = hf(key);
    120. 			hashi %= _tables.size();
    121. 			Node* prev = nullptr;
    122. 			Node* cur = _tables[hashi];
    123. 			while (cur)
    124. 			{
    125. 				if (cur->_kv.first == key)
    126. 				{
    127. 					if (prev == nullptr)
    128. 					{
    129. 						_tables[hashi] = cur->_next;
    130. 					}
    131. 					else
    132. 					{
    133. 						prev->_next = cur->_next;
    134. 					}
    135.  
    136. 					delete cur;
    137.  
    138. 					return true;
    139. 				}
    140.  
    141. 				prev = cur;
    142. 				cur = cur->_next;
    143. 			}
    144.  
    145. 			return false;
    146. 		}
    147. 	private:
    148. 		vector _tables; // 指针数组
    149. 		size_t _n = 0;
    150. 	};
    151. }

    （3）开散列与闭散列比较

            开散列（链地址法）处理溢出，需要增设链接指针，似乎增加了存储开销。事实上，由于闭散列（开地址法）必须保持大量的空闲空间以确保搜索效率，导致闭散列表项所占空间比指针大的多。因此使用开散列（链地址法）要比闭散列（开地址法）节省存储空间。

    三.unordered_set及unordered_map模拟实现

    1.哈希表改造

            为了用哈希表去封装unordered_set和unordered_map（这里用的是开散列封装），就要去改造哈希表，然后在unordered_set和unordered_map中调用哈希表函数即可。而如何改造，模板和迭代器是关键。

            

            这里类似于之前模拟实现的set和map，但是哈希表要再稍微麻烦一些。

    set+map->C++ 关联式容器map+set_糖果雨滴a的博客-CSDN博客

    （1）模板 

            这里模板的K就是key，但是因为要封装unordered_set和unordered_map，所以我们不确定下一个参数是不是V，因此这个T是决定存什么的，如果是unordered_set就是K，如果是unordered_map就是V。

            KeyOfT仿函数就是用在封装时，到底是unordered_set返回key，还是unordered_map返回kv.first，这里需要作为区分。

            HashFunc仿函数就是因为我们不知道存的数据是什么，所以对存的数据的不同，要进行不同的处理。

    template <class K, class T, class KeyOfT, class HashFunc>

    （2）迭代器

            迭代器需要我们自己封装实现，这里的成员变量分别是 结点，和指向哈希表的指针。

            然后实现*，->，!=，==，++的操作符重载（这里不需要实现 --的操作符重载，因为哈希表的是单向迭代器）。

            这些操作符重载的实现比较简单，只有++需要去进行查找。

    1. template <class T>
    2. struct HashNode
    3. {
    4. 	T _data;
    5. 	HashNode* _next;
    6.  
    7. 	HashNode(const T& data)
    8. 		: _data(data)
    9. 		, _next(nullptr)
    10. 	{}
    11. };
    12.  
    13. template <class K, class T, class KeyOfT, class HashFunc>
    14. class HashTable;
    15.  
    16. template<class K, class T, class KeyOfT, class HashFunc>
    17. class __HTIterator
    18. {
    19. 	typedef HashNode Node;
    20. 	typedef __HTIterator Self;
    21. public:
    22. 	Node* _node;
    23. 	HashTable* _pht;
    24.  
    25. 	__HTIterator()
    26. 	{}
    27.  
    28. 	__HTIterator(Node* node, HashTable* pht)
    29. 		: _node(node)
    30. 		, _pht(pht)
    31. 	{}
    32.  
    33. 	Self& operator++()
    34. 	{
    35. 		if (_node->_next)
    36. 		{
    37. 			_node = _node->_next;
    38. 		}
    39. 		else
    40. 		{
    41. 			KeyOfT kot;
    42. 			HashFunc hf;
    43. 			size_t hashi = hf(kot(_node->_data)) % _pht->_tables.size();
    44. 			++hashi;
    45. 			// 找下一个不为空的桶
    46. 			for (; hashi < _pht->_tables.size(); ++hashi)
    47. 			{
    48. 				if (_pht->_tables[hashi])
    49. 				{
    50. 					_node = _pht->_tables[hashi];
    51. 					break;
    52. 				}
    53. 			}
    54.  
    55. 			// 没有找到不为空的桶，用nullptr去做end标识
    56. 			if (hashi == _pht->_tables.size())
    57. 			{
    58. 				_node = nullptr;
    59. 			}
    60. 		}
    61.  
    62. 		return *this;
    63. 	}
    64.  
    65. 	T& operator*()
    66. 	{
    67. 		return _node->_data;
    68. 	}
    69.  
    70. 	T* operator->()
    71. 	{
    72. 		return &_node->_data;
    73. 	}
    74.  
    75. 	bool operator!=(const Self& s) const
    76. 	{
    77. 		return _node != s._node;
    78. 	}
    79.  
    80. 	bool operator==(const Self& s) const
    81. 	{
    82. 		return _node == s._node;
    83. 	}
    84. };

    （3）修改完善函数

            接下来就要把之前所实现的函数进行修改完善，并且因为多了迭代器，所以也要实现迭代器的接口函数。

            迭代器的begin和end实现比较简单，注意这里的返回值，返回值是一个利用当前结点和当前指向哈希表的指针构造的iterator。

            为了unordered_map的[]操作符重载的实现，我们需要对Insert和的Find返回值进行修改，Insert函数的返回值需要是一个pair类型的（其中一个是iterator类型，另一个是bool类型）。

            iterator类型就是为了调用[]后可以得到当前的迭代器，而bool类型是为了判断是否插入成功的。

            查找函数也需要修改一下返回值，它的返回值要改成迭代器，找到了就要返回这个函数的迭代器，这样在插入函数中才能得到其对应的迭代器。

            

            这里还有一个优化，就是让扩容后的值是质数。这个在C++的STL源码中是进行了这个修改的，但是java中并没有，所以也不是很确定这个优化到底如何。

    优化如下：

    1. size_t GetNextPrime(size_t prime)
    2. {
    3. 	const int PRIMECOUNT = 28;
    4. 	static const size_t primeList[PRIMECOUNT] =
    5. 	{
    6. 		53ul, 97ul, 193ul, 389ul, 769ul,
    7. 		1543ul, 3079ul, 6151ul, 12289ul, 24593ul,
    8. 		49157ul, 98317ul, 196613ul, 393241ul, 786433ul,
    9. 		1572869ul, 3145739ul, 6291469ul, 12582917ul, 25165843ul,
    10. 		50331653ul, 100663319ul, 201326611ul, 402653189ul, 805306457ul,
    11. 		1610612741ul, 3221225473ul, 4294967291ul
    12. 	};
    13.  
    14. 	// 获取比prime大那一个素数
    15. 	size_t i = 0;
    16. 	for (; i < PRIMECOUNT; ++i)
    17. 	{
    18. 		if (primeList[i] > prime)
    19. 			return primeList[i];
    20. 	}
    21.  
    22. 	return primeList[i];
    23. }
    24.  
    25. pairbool> Insert(const T& data)
    26. {
    27. 	HashFunc hf;
    28. 	KeyOfT kot;
    29.  
    30. 	iterator pos = Find(kot(data));
    31. 	if (pos != end())
    32. 	{
    33. 		return make_pair(pos, false);
    34. 	}
    35.  
    36. 	// 负载因子 == 1 扩容
    37. 	if (_tables.size() == _n)
    38. 	{
    39. 		//size_t newSize = _tables.size() == 0 ? 10 : _tables.size() * 2;
    40. 		size_t newSize = GetNextPrime(_tables.size());
    41. 		if (newSize != _tables.size())
    42. 		{
    43. 			vector newTable;
    44. 			newTable.resize(newSize, nullptr);
    45. 			for (size_t i = 0; i < _tables.size(); ++i)
    46. 			{
    47. 				Node* cur = _tables[i];
    48. 				while (cur)
    49. 				{
    50. 					Node* next = cur->_next;
    51.  
    52. 					size_t hashi = hf(kot(cur->_data)) % newSize;
    53. 					cur->_next = newTable[hashi];
    54. 					newTable[hashi] = cur;
    55.  
    56. 					cur = next;
    57. 				}
    58.  
    59. 				_tables[i] = nullptr;
    60. 			}
    61.  
    62. 			newTable.swap(_tables);
    63. 		}
    64. 	}
    65.  
    66. 	size_t hashi = hf(kot(data));
    67. 	hashi %= _tables.size();
    68.  
    69. 	// 头插到对应的桶
    70. 	Node* newnode = new Node(data);
    71. 	newnode->_next = _tables[hashi];
    72. 	_tables[hashi] = newnode;
    73.  
    74. 	++_n;
    75.  
    76. 	return make_pair(iterator(newnode, this), true);
    77. }

    哈希表改造后全部代码：

    1. #pragma once
    2.  
    3. template <class K>
    4. struct DefaultHash
    5. {
    6. 	size_t operator()(const K& key)
    7. 	{
    8. 		return (size_t)key;
    9. 	}
    10. };
    11.  
    12. template<>
    13. struct DefaultHash
    14. {
    15. 	size_t operator()(const string& key)
    16. 	{
    17. 		// BKDR
    18. 		size_t hash = 0;
    19. 		for (auto ch : key)
    20. 		{
    21. 			hash = hash * 131 + ch;
    22. 		}
    23.  
    24. 		return hash;
    25. 	}
    26. };
    27.  
    28. namespace Bucket
    29. {
    30. 	template <class T>
    31. 	struct HashNode
    32. 	{
    33. 		T _data;
    34. 		HashNode* _next;
    35.  
    36. 		HashNode(const T& data)
    37. 			: _data(data)
    38. 			, _next(nullptr)
    39. 		{}
    40. 	};
    41.  
    42. 	template <class K, class T, class KeyOfT, class HashFunc>
    43. 	class HashTable;
    44.  
    45. 	template<class K, class T, class KeyOfT, class HashFunc>
    46. 	class __HTIterator
    47. 	{
    48. 		typedef HashNode Node;
    49. 		typedef __HTIterator Self;
    50. 	public:
    51. 		Node* _node;
    52. 		HashTable* _pht;
    53.  
    54. 		__HTIterator()
    55. 		{}
    56.  
    57. 		__HTIterator(Node* node, HashTable* pht)
    58. 			: _node(node)
    59. 			, _pht(pht)
    60. 		{}
    61.  
    62. 		Self& operator++()
    63. 		{
    64. 			if (_node->_next)
    65. 			{
    66. 				_node = _node->_next;
    67. 			}
    68. 			else
    69. 			{
    70. 				KeyOfT kot;
    71. 				HashFunc hf;
    72. 				size_t hashi = hf(kot(_node->_data)) % _pht->_tables.size();
    73. 				++hashi;
    74. 				// 找下一个不为空的桶
    75. 				for (; hashi < _pht->_tables.size(); ++hashi)
    76. 				{
    77. 					if (_pht->_tables[hashi])
    78. 					{
    79. 						_node = _pht->_tables[hashi];
    80. 						break;
    81. 					}
    82. 				}
    83.  
    84. 				// 没有找到不为空的桶，用nullptr去做end标识
    85. 				if (hashi == _pht->_tables.size())
    86. 				{
    87. 					_node = nullptr;
    88. 				}
    89. 			}
    90.  
    91. 			return *this;
    92. 		}
    93.  
    94. 		T& operator*()
    95. 		{
    96. 			return _node->_data;
    97. 		}
    98.  
    99. 		T* operator->()
    100. 		{
    101. 			return &_node->_data;
    102. 		}
    103.  
    104. 		bool operator!=(const Self& s) const
    105. 		{
    106. 			return _node != s._node;
    107. 		}
    108.  
    109. 		bool operator==(const Self& s) const
    110. 		{
    111. 			return _node == s._node;
    112. 		}
    113. 	};
    114.  
    115. 	// unordered_map ->HashTable, MapKeyOfT> _ht;
    116. 	// unordered_set ->HashTable _ht;
    117. 	template <class K, class T, class KeyOfT, class HashFunc>
    118. 	class HashTable
    119. 	{
    120. 		template <class K, class T, class KeyOfT, class HashFunc>
    121. 		friend class __HTIterator;
    122.  
    123. 		typedef HashNode Node;
    124. 	public:
    125. 		typedef __HTIterator iterator;
    126.  
    127. 		iterator begin()
    128. 		{
    129. 			for (size_t i = 0; i < _tables.size(); ++i)
    130. 			{
    131. 				Node* cur = _tables[i];
    132. 				if (cur)
    133. 				{
    134. 					return iterator(cur, this);
    135. 				}
    136. 			}
    137.  
    138. 			return end();
    139. 		}
    140.  
    141. 		iterator end()
    142. 		{
    143. 			return iterator(nullptr, this);
    144. 		}
    145.  
    146. 		~HashTable()
    147. 		{
    148. 			for (size_t i = 0; i < _tables.size(); ++i)
    149. 			{
    150. 				Node* cur = _tables[i];
    151. 				while (cur)
    152. 				{
    153.  
    154. 					Node* next = cur->_next;
    155. 					delete cur;
    156. 					cur = next;
    157. 				}
    158.  
    159. 				_tables[i] = nullptr;
    160. 			}
    161. 		}
    162.  
    163. 		size_t GetNextPrime(size_t prime)
    164. 		{
    165. 			const int PRIMECOUNT = 28;
    166. 			static const size_t primeList[PRIMECOUNT] =
    167. 			{
    168. 				53ul, 97ul, 193ul, 389ul, 769ul,
    169. 				1543ul, 3079ul, 6151ul, 12289ul, 24593ul,
    170. 				49157ul, 98317ul, 196613ul, 393241ul, 786433ul,
    171. 				1572869ul, 3145739ul, 6291469ul, 12582917ul, 25165843ul,
    172. 				50331653ul, 100663319ul, 201326611ul, 402653189ul, 805306457ul,
    173. 				1610612741ul, 3221225473ul, 4294967291ul
    174. 			};
    175.  
    176. 			// 获取比prime大那一个素数
    177. 			size_t i = 0;
    178. 			for (; i < PRIMECOUNT; ++i)
    179. 			{
    180. 				if (primeList[i] > prime)
    181. 					return primeList[i];
    182. 			}
    183.  
    184. 			return primeList[i];
    185. 		}
    186.  
    187. 		pairbool> Insert(const T& data)
    188. 		{
    189. 			HashFunc hf;
    190. 			KeyOfT kot;
    191.  
    192. 			iterator pos = Find(kot(data));
    193. 			if (pos != end())
    194. 			{
    195. 				return make_pair(pos, false);
    196. 			}
    197.  
    198. 			// 负载因子 == 1 扩容
    199. 			if (_tables.size() == _n)
    200. 			{
    201. 				//size_t newSize = _tables.size() == 0 ? 10 : _tables.size() * 2;
    202. 				size_t newSize = GetNextPrime(_tables.size());
    203. 				if (newSize != _tables.size())
    204. 				{
    205. 					vector newTable;
    206. 					newTable.resize(newSize, nullptr);
    207. 					for (size_t i = 0; i < _tables.size(); ++i)
    208. 					{
    209. 						Node* cur = _tables[i];
    210. 						while (cur)
    211. 						{
    212. 							Node* next = cur->_next;
    213.  
    214. 							size_t hashi = hf(kot(cur->_data)) % newSize;
    215. 							cur->_next = newTable[hashi];
    216. 							newTable[hashi] = cur;
    217.  
    218. 							cur = next;
    219. 						}
    220.  
    221. 						_tables[i] = nullptr;
    222. 					}
    223.  
    224. 					newTable.swap(_tables);
    225. 				}
    226. 			}
    227.  
    228. 			size_t hashi = hf(kot(data));
    229. 			hashi %= _tables.size();
    230.  
    231. 			// 头插到对应的桶
    232. 			Node* newnode = new Node(data);
    233. 			newnode->_next = _tables[hashi];
    234. 			_tables[hashi] = newnode;
    235.  
    236. 			++_n;
    237.  
    238. 			return make_pair(iterator(newnode, this), true);
    239. 		}
    240.  
    241. 		iterator Find(const K& key)
    242. 		{
    243. 			if (_tables.size() == 0)
    244. 			{
    245. 				return iterator(nullptr, this);
    246. 			}
    247.  
    248. 			KeyOfT kot;
    249. 			HashFunc hf;
    250. 			size_t hashi = hf(key);
    251. 			hashi %= _tables.size();
    252. 			Node* cur = _tables[hashi];
    253. 			while (cur)
    254. 			{
    255. 				if (kot(cur->_data) == key)
    256. 				{
    257. 					return iterator(cur, this);
    258. 				}
    259.  
    260. 				cur = cur->_next;
    261. 			}
    262.  
    263. 			return iterator(nullptr, this);
    264. 		}
    265.  
    266. 		bool Erase(const K& key)
    267. 		{
    268. 			if (_tables.size() == 0)
    269. 			{
    270. 				return false;
    271. 			}
    272.  
    273. 			HashFunc hf;
    274. 			KeyOfT kot;
    275. 			size_t hashi = hf(key);
    276. 			hashi %= _tables.size();
    277. 			Node* prev = nullptr;
    278. 			Node* cur = _tables[hashi];
    279. 			while (cur)
    280. 			{
    281. 				if (kot(cur->_data) == key)
    282. 				{
    283. 					if (prev == nullptr)
    284. 					{
    285. 						_tables[hashi] = cur->_next;
    286. 					}
    287. 					else
    288. 					{
    289. 						prev->_next = cur->_next;
    290. 					}
    291.  
    292. 					delete cur;
    293.  
    294. 					return true;
    295. 				}
    296.  
    297. 				prev = cur;
    298. 				cur = cur->_next;
    299. 			}
    300.  
    301. 			return false;
    302. 		}
    303. 	private:
    304. 		vector _tables; // 指针数组
    305. 		size_t _n = 0;
    306. 	};
    307. }

    接下来封装unordered_set和unordered_map就比较简单了。 

    2.unordered_set

            unordered_set是K模型的，因此这里仿函数HashFunc中返回的返回的key。

            其它接口都是去调用改造后的哈希表。

    1. #pragma once
    2.  
    3. #include "HashTable.h"
    4.  
    5. namespace hb
    6. {
    7. 	template <class K, class HashFunc = DefaultHash>
    8. 	class unordered_set
    9. 	{
    10. 		struct SetKeyOfT
    11. 		{
    12. 			const K& operator()(const K& key)
    13. 			{
    14. 				return key;
    15. 			}
    16. 		};
    17. 	public:
    18. 		typedef typename Bucket::HashTable::iterator iterator;
    19. 		
    20. 		iterator begin()
    21. 		{
    22. 			return _ht.begin();
    23. 		}
    24.  
    25. 		iterator end()
    26. 		{
    27. 			return _ht.end();
    28. 		}
    29.  
    30. 		pairbool> insert(const K& key)
    31. 		{
    32. 			return _ht.Insert(key);
    33. 		}
    34.  
    35. 		iterator find(const K& key)
    36. 		{
    37. 			return _ht.Find(key);
    38. 		}
    39.  
    40. 		bool erase(const K& key)
    41. 		{
    42. 			return _ht.Erase(key);
    43. 		}
    44. 	private:
    45. 		Bucket::HashTable _ht;
    46. 	};
    47. }

    3.unordered_map

            unordered_map是K，V模型的，因此这里仿函数HashFunc中返回的返回的kv.first。

            其它接口都是去调用改造后的哈希表。这里就注意一下[]操作符的实现即可。

    1. #pragma once
    2.  
    3. #include "HashTable.h"
    4.  
    5. namespace hb
    6. {
    7. 	template<class K, class V, class HashFunc = DefaultHash>
    8. 	class unordered_map
    9. 	{
    10. 		struct MapKeyOfT
    11. 		{
    12. 			const K& operator()(const pair& kv)
    13. 			{
    14. 				return kv.first;
    15. 			}
    16. 		};
    17. 	public:
    18. 		typedef typename Bucket::HashTable, MapKeyOfT, HashFunc>::iterator iterator;
    19.  
    20. 		iterator begin()
    21. 		{
    22. 			return _ht.begin();
    23. 		}
    24.  
    25. 		iterator end()
    26. 		{
    27. 			return _ht.end();
    28. 		}
    29.  
    30. 		pairbool> insert(const pair& kv)
    31. 		{
    32. 			return _ht.Insert(kv);
    33. 		}
    34.  
    35. 		iterator find(const K& key)
    36. 		{
    37. 			return _ht.Find(key);
    38. 		}
    39.  
    40. 		bool erase(const K& key)
    41. 		{
    42. 			return _ht.Erase(key);
    43. 		}
    44.  
    45. 		V& operator[](const K& key)
    46. 		{
    47. 			pairbool> ret = insert(make_pair(key, V()));
    48. 			return ret.first->second;
    49. 		}
    50. 	private:
    51. 		Bucket::HashTable, MapKeyOfT, HashFunc> _ht;
    52. 	};
    53. }
  • 相关阅读:
    The Sandbox 正在 Polygon 网络上进行部署
    智能医疗：互联网医院开发的挑战与机会
    单片机的调试接口 JTAG SWD
    类与对象(1)
    uniapp uni.getLocation:fail 频繁调用会增加电量损耗
    【Linux入门学习教程】
    软考中级-软件设计师-第1章 软件设计师考试介绍
    Docker - 镜像
    AIGC启示录：深度解析AIGC技术的现代性与系统性的奇幻旅程
    「C系列」C 文件读写
  • 原文地址：https://blog.csdn.net/qq_60750110/article/details/126746419