C++ STL中哈希表 hash_map介紹

0 爲何須要hash_map

用過map吧？map提供一個很經常使用的功能，那就是提供key-value的存儲和查找功能。例如，我要記錄一我的名和相應的存儲，並且隨時增長，要快速查找和修改：

嶽不羣－華山派掌門人，人稱君子劍 張三丰－武當掌門人，太極拳創始人 東方不敗－第一高手，葵花寶典 ...

這些信息若是保存下來並不複雜，可是找起來比較麻煩。例如我要找"張三丰"的信息，最傻的方法就是取得全部的記錄，而後按照名字一個一個比較。若是要速度快，就須要把這些記錄按照字母順序排列，而後按照二分法查找。可是增長記錄的時候同時須要保持記錄有序，所以須要插入排序。考慮到效率，這就須要用到二叉樹。講下去會沒完沒了，若是你使用STL 的map容器，你能夠很是方便的實現這個功能，而不用關心其細節。關於map的數據結構細節，感興趣的朋友能夠參看學習STL map, STL set之數據結構基礎。看看map的實現:

#include <map> #include <string> using namespace std; ... map<string, string> namemap; //增長。。。 namemap["嶽不羣"]="華山派掌門人，人稱君子劍"; namemap["張三丰"]="武當掌門人，太極拳創始人"; namemap["東方不敗"]="第一高手，葵花寶典"; ... //查找。。 if(namemap.find("嶽不羣") != namemap.end()){ ... }

不以爲用起來很easy嗎？並且效率很高，100萬條記錄，最多也只要20次的string.compare的比較，就能找到你要找的記錄;200萬條記錄事，也只要用21次的比較。

速度永遠都知足不了現實的需求。若是有100萬條記錄，我須要頻繁進行搜索時，20次比較也會成爲瓶頸，要是能降到一次或者兩次比較是否有可能？並且當記錄數到200萬的時候也是一次或者兩次的比較，是否有可能？並且還須要和map同樣的方便使用。

答案是確定的。這時你須要has_map. 雖然hash_map目前並無歸入C++ 標準模板庫中，但幾乎每一個版本的STL都提供了相應的實現。並且應用十分普遍。在正式使用hash_map以前，先看看hash_map的原理。

1 數據結構：hash_map原理

這是一節讓你深刻理解hash_map的介紹，若是你只是想囫圇吞棗，不想理解其原理，你卻是能夠略過這一節，但我仍是建議你看看，多瞭解一些沒有壞處。

hash_map基於hash table（哈希表）。 哈希表最大的優勢，就是把數據的存儲和查找消耗的時間大大下降，幾乎能夠當作是常數時間；而代價僅僅是消耗比較多的內存。然而在當前可利用內存愈來愈多的狀況下，用空間換時間的作法是值得的。另外，編碼比較容易也是它的特色之一。

其基本原理是：使用一個下標範圍比較大的數組來存儲元素。能夠設計一個函數（哈希函數，也叫作散列函數），使得每一個元素的關鍵字都與一個函數值（即數組下標，hash值）相對應，因而用這個數組單元來存儲這個元素；也能夠簡單的理解爲，按照關鍵字爲每個元素「分類」，而後將這個元素存儲在相應「類」所對應的地方，稱爲桶。

可是，不可以保證每一個元素的關鍵字與函數值是一一對應的，所以極有可能出現對於不一樣的元素，卻計算出了相同的函數值，這樣就產生了「衝突」，換句話說，就是把不一樣的元素分在了相同的「類」之中。 總的來講，「直接定址」與「解決衝突」是哈希表的兩大特色。

hash_map，首先分配一大片內存，造成許多桶。是利用hash函數，對key進行映射到不一樣區域（桶）進行保存。其插入過程是：

1. 獲得key
2. 經過hash函數獲得hash值
3. 獲得桶號(通常都爲hash值對桶數求模)
4. 存放key和value在桶內。

其取值過程是:

1. 獲得key
2. 經過hash函數獲得hash值
3. 獲得桶號(通常都爲hash值對桶數求模)
4. 比較桶的內部元素是否與key相等，若都不相等，則沒有找到。
5. 取出相等的記錄的value。

hash_map中直接地址用hash函數生成，解決衝突，用比較函數解決。這裏能夠看出，若是每一個桶內部只有一個元素，那麼查找的時候只有一次比較。當許多桶內沒有值時，許多查詢就會更快了(指查不到的時候).

因而可知，要實現哈希表, 和用戶相關的是：hash函數和比較函數。這兩個參數恰好是咱們在使用hash_map時須要指定的參數。

2 hash_map 使用

2.1 一個簡單實例

不要着急如何把"嶽不羣"用hash_map表示，咱們先看一個簡單的例子：隨機給你一個ID號和ID號相應的信息，ID號的範圍是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]="唐伯虎點秋香"; mymap[1000000]="百萬富翁的生活"; mymap[10000]="白領的工資底線"; ... if(mymap.find(10000) != mymap.end()){ ... }

夠簡單，和map使用方法同樣。這時你或許會問？hash函數和比較函數呢？不是要指定麼？你說對了，可是在你沒有指定hash函數和比較函數的時候，你會有一個缺省的函數，看看hash_map的聲明，你會更加明白。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，在上例中，有如下等同關係：

... hash_map<int, string> mymap; //等同於: hash_map<int, string, hash<int>, equal_to<int> > mymap;

Alloc咱們就不要取關注太多了(但願深刻了解Allocator的朋友能夠參看標準庫 STL ：Allocator能作什麼)

2.2 hash_map 的hash函數

hash< int>究竟是什麼樣子？看看源碼:

struct hash<int> { size_t operator()(int __x) const { return __x; } };

原來是個函數對象。在SGI STL中，提供瞭如下hash函數：

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，若是你的key使用的是以上類型中的一種，你均可以使用缺省的hash函數。固然你本身也能夠定義本身的hash函數。對於自定義變量，你只能如此，例如對於string，就必須自定義hash函數。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); } }; //若是你但願利用系統定義的字符串hash函數，你能夠這樣寫： struct str_hash{ size_t operator()(const string& str) const { return __stl_hash_string(str.c_str()); } };

在聲明本身的哈希函數時要注意如下幾點：

1. 使用struct，而後重載operator().
2. 返回是size_t
3. 參數是你要hash的key的類型。
4. 函數是const類型的。

若是這些比較難記，最簡單的方法就是照貓畫虎，找一個函數改改就是了。

如今能夠對開頭的"嶽不羣"進行哈希化了  . 直接替換成下面的聲明便可：

map<string, string> namemap; //改成： hash_map<string, string, str_hash> namemap;

其餘用法都不用邊。固然不要忘了吧str_hash的聲明以及頭文件改成hash_map。

你或許會問：比較函數呢？彆着急，這裏就開始介紹hash_map中的比較函數。

2.3 hash_map 的比較函數

在map中的比較函數，須要提供less函數。若是沒有提供，缺省的也是less< Key> 。在hash_map中，要比較桶內的數據和key是否相等，所以須要的是是否等於的函數:equal_to< Key> 。先看看equal_to的源碼：

//本代碼能夠從SGI STL //先看看binary_function 函數聲明，其實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; } };

若是你使用一個自定義的數據類型，如struct mystruct, 或者const char* 的字符串，如何使用比較函數？使用比較函數，有兩種方法. 第一種是：重載==操做符，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，就可使用equal_to< mystruct>做爲比較函數了。另外一種方法就是使用函數對象。自定義一個比較函數體：

struct compare_str{ bool operator()(const char* p1, const char*p2) const{ return strcmp(p1,p2)==0; } };

有了compare_str，就可使用hash_map了。

typedef hash_map<const char*, string, hash<const char*>, compare_str> StrIntMap; StrIntMap namemap; namemap["嶽不羣"]="華山派掌門人，人稱君子劍"; namemap["張三丰"]="武當掌門人，太極拳創始人"; namemap["東方不敗"]="第一高手，葵花寶典";

2.4 hash_map 函數

hash_map的函數和map的函數差很少。具體函數的參數和解釋，請參看：STL 編程手冊：Hash_map，這裏主要介紹幾個經常使用函數。

1. hash_map(size_type n) 若是講究效率，這個參數是必需要設置的。n 主要用來設置hash_map 容器中hash桶的個數。桶個數越多，hash函數發生衝突的機率就越小，從新申請內存的機率就越小。n越大，效率越高，可是內存消耗也越大。
2. const_iterator find(const key_type& k) const. 用查找，輸入爲鍵值，返回爲迭代器。
3. data_type& operator[](const key_type& k) . 這是我最經常使用的一個函數。由於其特別方便，可像使用數組同樣使用。不過須要注意的是，當你使用[key ]操做符時，若是容器中沒有key元素，這就至關於自動增長了一個key元素。所以當你只是想知道容器中是否有key元素時，你可使用find。若是你但願插入該元素時，你能夠直接使用[]操做符。
4. insert 函數。在容器中不包含key值時，insert函數和[]操做符的功能差很少。可是當容器中元素愈來愈多，每一個桶中的元素會增長，爲了保證效率，hash_map會自動申請更大的內存，以生成更多的桶。所以在insert之後，之前的iterator有多是不可用的。
5. erase 函數。在insert的過程當中，當每一個桶的元素太多時，hash_map可能會自動擴充容器的內存。但在sgi stl中是erase並不自動回收內存。所以你調用erase後，其餘元素的iterator仍是可用的。

 

3 相關hash容器

hash 容器除了hash_map以外，還有hash_set, hash_multimap, has_multiset, 這些容器使用起來和set, multimap, multiset的區別與hash_map和map的區別同樣，我想不須要我一一細說了吧。

4 其餘

這裏列幾個常見問題，應該對你理解和使用hash_map比較有幫助。

4.1 hash_map和map的區別在哪裏？

• 構造函數。hash_map須要hash函數，等於函數；map只須要比較函數(小於函數).
• 存儲結構。hash_map採用hash表存儲，map通常採用紅黑樹(RB Tree)實現。所以其memory數據結構是不同的。

4.2 何時須要用hash_map，何時須要用map?

整體來講，hash_map 查找速度會比map快，並且查找速度基本和數據數據量大小，屬於常數級別;而map的查找速度是log(n)級別。並不必定常數就比log(n)小，hash還有hash函數的耗時，明白了吧，若是你考慮效率，特別是在元素達到必定數量級時，考慮考慮hash_map。但若你對內存使用特別嚴格，但願程序儘量少消耗內存，那麼必定要當心，hash_map可能會讓你陷入尷尬，特別是當你的hash_map對象特別多時，你就更沒法控制了，並且hash_map的構造速度較慢。

如今知道如何選擇了嗎？權衡三個因素: 查找速度, 數據量, 內存使用。

這裏還有個關於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中加入本身定義的類型?

你只要作兩件事, 定義hash函數，定義等於比較函數。下面的代碼是一個例子：

-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？

這個很容易，但須要你有良好的編程風格。建議你儘可能使用typedef來定義你的類型：

typedef map<Key, Value> KeyMap;

當你但願使用hash_map來替換的時候，只須要修改:

typedef hash_map<Key, Value> KeyMap;

其餘的基本不變。固然，你須要注意是否有Key類型的hash函數和比較函數。

4.5爲何hash_map不是標準的？

具體爲何不是標準的，我也不清楚，有個解釋說在STL加入標準C++之時，hash_map系列當時尚未徹底實現，之後應該會成爲標準。若是誰知道更合理的解釋，也但願告訴我。但我想表達的是，正是由於hash_map不是標準的，因此許多平臺上安裝了g++編譯器，不必定有hash_map的實現。我就遇到了這樣的例子。所以在使用這些非標準庫的時候，必定要事先測試。另外，若是考慮到平臺移植，仍是少用爲佳。

 

 

常見問題：

 

原本想用hash_map實現大數量的快速查找，後來發現效率並不快，並且有些問題也很不解，好比看以下代碼：

C/C++ code

#include <iostream> #include <hash_map.h> using namespace std; int main(){ hash_map<int,string> hm(3); //初始化hash_map的桶的個數 hm.insert(make_pair(0,"hello")); hm.insert(make_pair(1,"ok")); hm.insert(make_pair(2,"bye")); hm.insert(make_pair(3,"world")); cout<<hm.size()<<endl; cout<<hm.bucket_count()<<endl; return 0; }

 

輸出結果：
4
53
對這個結果很疑惑，明明我定義了桶的個數，爲何後面獲得桶的個數爲53？
hash_map默認對int類型的Key如何hash，hash函數是什麼？
如何使得查找能更高效？能夠用空間來換

各位大俠請教啊

 

這是我對hash的曾經的一點嘗試，僅供參考：

C/C++ code

#include <iostream> #include <map> #include <string> #ifdef __GNUC__ #include <ext/hash_map> #else #include <hash_map> #endif #ifdef __GXX_EXPERIMENTAL_CXX0X__ #include <unordered_map> #endif namespace std { using namespace __gnu_cxx; } namespace __gnu_cxx { template<> struct hash< std::string > { size_t operator()( const std::string& x ) const { return hash< const char* >()(x.c_str()); } }; } int main() { std::map<std::string, std::string> stdMap; stdMap["_GLIBCXX_STD"] = "std"; stdMap["_GLIBCXX_BEGIN_NESTED_NAMESPACE"] = "+namespace"; stdMap["_GLIBCXX_BEGIN_NAMESPACE"] = "+namespace"; stdMap["_GLIBCXX_END_NESTED_NAMESPACE"] = "}"; stdMap["_GLIBCXX_END_NAMESPACE"] = "}"; stdMap["_GLIBCXX_END_NAMESPACE_TR1"] = "}"; stdMap["_GLIBCXX_BEGIN_NAMESPACE_TR1"] = "-namespace tr1 {"; stdMap["_GLIBCXX_STD2"] = "2std"; stdMap["_GLIBCXX_BEGIN_NESTED_NAMESPACE2"] = "2+namespace"; stdMap["_GLIBCXX_BEGIN_NAMESPACE2"] = "2+namespace"; stdMap["_GLIBCXX_END_NESTED_NAMESPACE2"] = "2}"; stdMap["_GLIBCXX_END_NAMESPACE2"] = "2}"; stdMap["_GLIBCXX_END_NAMESPACE_TR12"] = "2}"; stdMap["_GLIBCXX_BEGIN_NAMESPACE_TR12"] = "2-namespace tr1 {"; stdMap["_XXGLIBCXX_END_NAMESPACE_TR12"] = "X2}"; stdMap["_XXGLIBCXX_BEGIN_NAMESPACE_TR12"] = "X2-namespace tr1 {"; std::hash_map<std::string, std::string> hashMap; hashMap["_GLIBCXX_STD"] = "std"; hashMap["_GLIBCXX_BEGIN_NESTED_NAMESPACE"] = "+namespace"; hashMap["_GLIBCXX_BEGIN_NAMESPACE"] = "+namespace"; hashMap["_GLIBCXX_END_NESTED_NAMESPACE"] = "}"; hashMap["_GLIBCXX_END_NAMESPACE"] = "}"; hashMap["_GLIBCXX_END_NAMESPACE_TR1"] = "}"; hashMap["_GLIBCXX_BEGIN_NAMESPACE_TR1"] = "-namespace tr1 {"; hashMap["_GLIBCXX_STD2"] = "2std"; hashMap["_GLIBCXX_BEGIN_NESTED_NAMESPACE2"] = "2+namespace"; hashMap["_GLIBCXX_BEGIN_NAMESPACE2"] = "2+namespace"; hashMap["_GLIBCXX_END_NESTED_NAMESPACE2"] = "2}"; hashMap["_GLIBCXX_END_NAMESPACE2"] = "2}"; hashMap["_GLIBCXX_END_NAMESPACE_TR12"] = "2}"; hashMap["_GLIBCXX_BEGIN_NAMESPACE_TR12"] = "2-namespace tr1 {"; hashMap["_XXGLIBCXX_END_NAMESPACE_TR12"] = "X2}"; hashMap["_XXGLIBCXX_BEGIN_NAMESPACE_TR12"] = "X2-namespace tr1 {"; #ifdef __GXX_EXPERIMENTAL_CXX0X__ std::unordered_map<std::string, std::string> unorderedMap; unorderedMap["_GLIBCXX_STD"] = "std"; unorderedMap["_GLIBCXX_BEGIN_NESTED_NAMESPACE"] = "+namespace"; unorderedMap["_GLIBCXX_BEGIN_NAMESPACE"] = "+namespace"; unorderedMap["_GLIBCXX_END_NESTED_NAMESPACE"] = "}"; unorderedMap["_GLIBCXX_END_NAMESPACE"] = "}"; unorderedMap["_GLIBCXX_END_NAMESPACE_TR1"] = "}"; unorderedMap["_GLIBCXX_BEGIN_NAMESPACE_TR1"] = "-namespace tr1 {"; unorderedMap["_GLIBCXX_STD2"] = "2std"; unorderedMap["_GLIBCXX_BEGIN_NESTED_NAMESPACE2"] = "2+namespace"; unorderedMap["_GLIBCXX_BEGIN_NAMESPACE2"] = "2+namespace"; unorderedMap["_GLIBCXX_END_NESTED_NAMESPACE2"] = "2}"; unorderedMap["_GLIBCXX_END_NAMESPACE2"] = "2}"; unorderedMap["_GLIBCXX_END_NAMESPACE_TR12"] = "2}"; unorderedMap["_GLIBCXX_BEGIN_NAMESPACE_TR12"] = "2-namespace tr1 {"; unorderedMap["_XXGLIBCXX_END_NAMESPACE_TR12"] = "X2}"; unorderedMap["_XXGLIBCXX_BEGIN_NAMESPACE_TR12"] = "X2-namespace tr1 {"; #endif for (int i = 0; i < 5; ++i) { const clock_t t = clock(); for (int j = 0; j < 1000000; ++j) stdMap.find("testfindkey"); std::cout << "stdMap " << i + 1 << " : " << clock() - t << std::endl; } std::cout << "/n---------------/n" << std::endl; for (int i = 0; i < 5; ++i) { const clock_t t = clock(); for (int j = 0; j < 1000000; ++j) hashMap.find("testfindkey"); std::cout << "hashMap " << i + 1 << " : " << clock() - t << std::endl; } #ifdef __GXX_EXPERIMENTAL_CXX0X__ std::cout << "/n---------------/n" << std::endl; for (int i = 0; i < 5; ++i) { const clock_t t = clock(); for (int j = 0; j < 1000000; ++j) unorderedMap.find("testfindkey"); std::cout << "unorderedMap " << i + 1 << " : " << clock() - t << std::endl; } #endif return 0; }

 

若是你使用的vc自帶的hash函數，那麼它的定義中以下：

C/C++ code

template<class _Kty, class _Pr = less> class hash_compare1 { // traits class for hash containers public: //const static long lBucketSize = 0; enum { // parameters for hash table bucket_size = 4, // 0 < bucket_size min_buckets = 8 // min_buckets = 2 ^^ N, 0 < N }; 。。。

每次增加會2倍增長預分配內存，你的hash_map是哪一個版本的？