来自:https://blog.csdn.net/qq51931373/article/details/44196859
在网上看到有关STL中hash_map的文章,以及一些其他关于STL map和hash_map的资料,总结笔记如下:
1、STL的map底层是用红黑树实现的,查找时间复杂度是log(n);
2、STL的hash_map底层是用hash表存储的,查询时间复杂度是O(1);
3、什么时候用map,什么时候用hash_map?
这个药看具体的应用,不一定常数级别的hash_map一定比log(n)级别的map要好,hash_map的hash函数以及解决地址冲突等都要耗时间,而且众所周知hash表是以空间换时间的,因而hash_map的内存消耗肯定要大,一般情况下,如果记录非常大,考虑hash_map,查找效率会高很多,如果要考虑内存消耗,则要谨慎使用hash_map。
以下内容来自:http://blog.163.com/liuruigong_lrg/blog/static/27370306200711334341781/
0. 为什么需要hash_map
用过map吧,map提供一个很常用的功能,那就是提供key-value的存储和查询功能。例如,我要记录一个人名和相应的存储,而且随时增加,要快速查找和修改:
岳不群-华山派掌门人,人称君子剑
张三丰-武当掌门人,太极拳创始人
东方不败-第一高手,葵花宝典
.......
这些信息如果保存下来并不复杂,但是找起来比较麻烦。例如我要找“张三丰”的信息,最笨的方法就是取得所有的记录,然后按照名字一个一个比较。如果要速度快,就需要把这些记录按照字母顺序排列,然后按照二分查找。但是增加记录的时间同时需要保持记录有序,因此需要插入排序。考虑到效率,这就需要用二叉树。如果你使用STL中map容器,你可以非常方便实现这个功能,而不用关心其他细节。看看map的实现。
- map<string, string> namemap;
- 2.
- 3. //增加。。。
- 4. namemap["岳不群"]="华山派掌门人,人称君子剑";
- 5. namemap["张三丰"]="武当掌门人,太极拳创始人";
- 6. namemap["东方不败"]="第一高手,葵花宝典";
- 7. ...
- 8.
- 9. //查找。。
- 10. if(namemap.find("岳不群") != namemap.end())
- 11. {
- 12. ...
- 13. }
实现起来比较容易,而且效率很高,100万条记录,最多也只要20次的string.compare的比较,就能找到你要找的记录。
速度永远满足不了现实的需求,如果100万条记录,需要频繁的进行搜索时,20次比较也会成为瓶颈,要是能降到一次或者两次比较是否有可能?而且当记录数到200万的时候也是一次或二次比较,是否有可能?而且还需要和map一样的方便使用。
答案是肯定的,这时你需要has_map。虽然hash_map目前没有纳入C++标准模板库中,但几乎每个版本的STL都提供了相应的实现。而且应用十分广泛。在正式使用hash_map之前,先看看hash_map的原理。
1、数据结构:hash_map原理
hash_map基于hash table(哈希表)。哈希表最大的优点是:把数据存储和查询消耗的时间大大降低,几乎可以看成是常数时间;而代价仅仅是消耗比较多的内存。然后在当前可利用内存越来越多的情况下,用空间换时间的做法是值得的。另外,编码比较容易也是它的特点之一。
其基本原理是:使用一个下标范围比较大的数组来存储元素。可以设计一个函数(哈希函数,也叫散列函数),使得每个元素的关键字都与一个函数值(即数组下标,hash值)相对应,于是用这个数组单元来存储这个元素;也可以简单的理解为,按照关键字为每一个元素“分类”,然后将这个元素存储在相应“类”所对应的地方,称为桶。
但是,这不能够保证每个元素的关键字与函数值是一一对应的,因此极有可能出现对不不同的元素,却计算出相同的函数值,这样就产生了“冲突”。换句话说,就是把不同的元素分在了相同的“类”中。总的来说,“直接定址”和“解决冲突”是哈希表的两大特点。
hash_map,首先分配一大片内存,形成许多桶。是利用hash函数,对key进行映射到不同区域进行保存。其插入过程:
1、得到key;
2、通过hash函数得到hash值;
3、得到桶号(一般都为hash值对桶数求模);
4、存放key和value在桶内;
其取值过程是:
1、得到key;
2、通过hash函数得到hash值;
3、得到桶号;
4、比较桶的内部元素是否与key相等,若不相等,则没有找到;
5、取出相等的记录的value;
hash_map中直接地址用hash函数生成,解决冲突,用比较函数解决。这里可以看出,如果每个桶内部只有一个元素,那么查找的时候只有一次比较。当许多桶没有值时,许多查询就会更快了(指查不到的时候)。
由此可见,要实现哈希表,和用户相关的是:hash函数和比较函数。这两个参数刚好是我们在使用hash_map时需要指定的参数。
2、hash_map的使用
2.1 一个简单的例子
不要急着如何把“岳不群”用hash_map表示,先看一个简单的例子:随你给你一个ID号和ID号相应的信息,ID号的范围是1~231。如何快速查找保存。
- #include <iostream>
- 2. #include <string>
- 3. #include <hash_map>
- 4.
- 5. using namespace std;
- 6.
- 7. int main()
- 8. {
- 9. hash_map<int, string> mp;
- 10. mp[9527] = "唐伯虎点秋香";
- 11. mp[10000] = "百万富翁的生活";
- 12. mp[88888] = "白领的工资底线";
- 13.
- 14. if(mp.find(10000) != mp.end())
- 15. {
- 16. //....
- 17. }
- 18. }
这也是比较简单的,和map的使用方法一样。这时你或许会问?hash函数和比较函数呢?不是要指定么?你说对了,但是在你没有指定hash函数和比较函数的时候,你会有一个缺省的函数,看看hash_map的声明,你会更加明白。下面是SGI STL的声明。
- template <class _Key, class _Tp, class _HashFcn = hash<_Key>,
- 2. class _EqualKey = equal_to<_Key>,
- 3. class _Alloc = __STL_DEFAULT_ALLOCATOR(_Tp) >
- 4. class hash_map
- 5. {
- 6. ...
- 7. }
也就是说,在上例中,有以下等同关系
- ...
- 2. hash_map<int, string> mymap;
- 3. //等同于:
- 4. hash_map<int, string, hash<int>, equal_to<int> > mymap;
Alloc这里不需要关注太多的。
2.2 hash_map的hash函数
hash<int>到底是什么样子?看看源代码:
- struct hash<int> {
- 2. size_t operator()(int __x) const { return __x; }
- 3. };
原来是个函数对象。咋SGI STL中,提供了以下hash函数:
- struct hash<char*>
- 2. struct hash<const char*>
- 3. struct hash<char>
- 4. struct hash<unsigned char>
- 5. struct hash<signed char>
- 6. struct hash<short>
- 7. struct hash<unsigned short>
- 8. struct hash<int>
- 9. struct hash<unsigned int>
- 10. struct hash<long>
- 11. struct hash<unsigned long>
也就是说,如果你的可以key是以上类型中的一种,你都可以使用缺省的hash函数。当然你自己也可以定义自己的hash函数。对于自定义变量,例如对于string,就必须自定义hash函数。例如:
- struct str_hash{
- 2. size_t operator()(const string& str) const
- 3. {
- 4. unsigned long __h = 0;
- 5. for (size_t i = 0 ; i < str.size() ; i ++)
- 6. __h = 5*__h + str[i];
- 7. return size_t(__h);
- 8. }
- 9. };
- 10. //如果你希望利用系统定义的字符串hash函数,你可以这样写:
- 11. struct str_hash{
- 12. size_t operator()(const string& str) const
- 13. {
- 14. return return __stl_hash_string(str.c_str());
- 15. }
- 16. };
在声明自己的hash函数时要注意以下几点:
1、使用struct,然后重载operator();
2、返回size_t;
3、参数是你要hash的key的类型;
4、函数是const类型的;
如这些比较难记,最简单的方法就是照猫画虎,找一个函数改改就是了。
现在开始对开头的“岳不群”进行哈希化,直接替换成下面的声明即可。
- map<string, string> namemap;
- 2. //改为:
- 3. hash_map<string, string, str_hash> namemap;
其他用法都不用管。当然不要忘记了str_hash的声明以及头文件改为hash_map。
你或许会问:比较函数呢?别急,这里就开始介绍hash_map中的比较函数。
2.3 hash_map的比较函数
在map中的比较函数,需要提供less函数。如果没有提供,缺省的也是less<key>。在hash_map中,要比较桶内的数据和key是否相等,因此需要的是是否等于的函数equal_to<key>。先看看equal_to的源码:
- //本代码可以从SGI STL
- 2. //先看看binary_function 函数声明,其实只是定义一些类型而已。
- 3. template <class _Arg1, class _Arg2, class _Result>
- 4. struct binary_function {
- 5. typedef _Arg1 first_argument_type;
- 6. typedef _Arg2 second_argument_type;
- 7. typedef _Result result_type;
- 8. };
- 9. //看看equal_to的定义:
- 10. template <class _Tp>
- 11. struct equal_to : public binary_function<_Tp,_Tp,bool>
- 12. {
- 13. bool operator()(const _Tp& __x, const _Tp& __y) const { return __x == __y; }
- 14. };
如果你使用一个自定义的数据类型,如struct mystruct或者const char*的字符串,如何使用比较函数?使用比较函数,有两种方法。第一种是:重载==操作符,利用equal_to;看看下面的例子:
- struct mystruct{
- 2. int iID;
- 3. int len;
- 4. bool operator==(const mystruct & my) const{
- 5. return (iID==my.iID) && (len==my.len) ;
- 6. }
- 7. };
这样,就可以使用equal_to<mystruct>作为比较函数了。另一种方法就是使用函数对象。自定义一个比较函数体:
- struct compare_str{
- 2. bool operator()(const char* p1, const char*p2) const{
- 3. return strcmp(p1,p2)==0;
- 4. }
- 5. };
有了compare_str,就可以使用hash_map了。
- typedef hash_map<const char*, string, hash<const char*>, compare_str> StrIntMap;
- 2. StrIntMap namemap;
- 3. namemap["岳不群"]="华山派掌门人,人称君子剑";
- 4. namemap["张三丰"]="武当掌门人,太极拳创始人";
- 5. namemap["东方不败"]="第一高手,葵花宝典";
2.4 hash_map函数
hash_map的函数和map的函数差不多。这里主要介绍几个常用函数。
1、hash_map(size_type n) 如果讲究效率,这个参数是必须要设置的。n 主要用来设置hash_map 容器中hash桶的个数。桶个数越多,hash函数发生冲突的概率就越小,重新申请内存的概率就越小。n越大,效率越高,但是内存消耗也越大。
2、const_iterator find(const key_type& k) const. 用查找,输入为键值,返回为迭代器。
3、data_type& operator[](const key_type& k) . 这是我最常用的一个函数。因为其特别方便,可像使用数组一样使用。不过需要注意的是,当你使用[key ]操作符时,如果容器中没有key元素,这就相当于自动增加了一个key元素。因此当你只是想知道容器中是否有key元素时,你可以使用find。如果你 希望插入该元素时,你可以直接使用[]操作符。
4、insert 函数。在容器中不包含key值时,insert函数和[]操作符的功能差不多。但是当容器中元素越来越多,每个桶中的元素会增加,为了保证效率, hash_map会自动申请更大的内存,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。
5、erase 函数。在insert的过程中,当每个桶的元素太多时,hash_map可能会自动扩充容器的内存。但在sgi stl中是erase并不自动回收内存。因此你调用erase后,其他元素的iterator还是可用的。
3、相关hash容器
hash容器除了hash_map外,还有hash_set、hash_multimap、hash_multiset,这些容器使用起来和set、multimap、multiset的区别于hash_map和map的区别一样。
4、其他
这里列几个问题,应该对你理解和使用hash_map比较有帮助。
4.1 hash_map和map的区别在哪里?
(1)构造函数 hash_map需要hash函数,等于函数;map只需要比较函数(小于函数)。
(2)存储结构 hash_map采用hash表存储,map一般采用红黑树实现。因此内存数据结构是不一样的。
4.2 什么时候需要使用hash_map,什么时候需要map?
总体来说,hash_map 查找速度会比map快,而且查找速度基本和数据数据量大小,属于常数级别;而map的查找速度是log(n)级别。并不一定常数就比log(n)小, hash还有hash函数的耗时,明白了吧,如果你考虑效率,特别是在元素达到一定数量级时,考虑考虑hash_map。但若你对内存使用特别严格,希望 程序尽可能少消耗内存,那么一定要小心,hash_map可能会让你陷入尴尬,特别是当你的hash_map对象特别多时,你就更无法控制了,而且 hash_map的构造速度较慢。
现在知道如何选择了吗?权衡三个因素: 查找速度, 数据量, 内存使用。
4.3 如何在hash_map中加入自己定义的类型?
你只需要做两件事情:定于hash函数、定义等于比较函数。下面的代码是一个例子:
- #include <hash_map>
- 2. #include <string>
- 3. #include <iostream>
- 4.
- 5. using namespace std;
- 6. //define the class
- 7. class ClassA{
- 8. public:
- 9. ClassA(int a):c_a(a){}
- 10. int getvalue()const { return c_a;}
- 11. void setvalue(int a){c_a;}
- 12. private:
- 13. int c_a;
- 14. };
- 15.
- 16. //1 define the hash function
- 17. struct hash_A{
- 18. size_t operator()(const class ClassA & A)const{
- 19. // return hash<int>(classA.getvalue());
- 20. return A.getvalue();
- 21. }
- 22. };
- 23.
- 24. //2 define the equal function
- 25. struct equal_A{
- 26. bool operator()(const class ClassA & a1, const class ClassA & a2)const{
- 27. return a1.getvalue() == a2.getvalue();
- 28. }
- 29. };
- 30.
- 31. int main()
- 32. {
- 33. hash_map<ClassA, string, hash_A, equal_A> hmap;
- 34. ClassA a1(12);
- 35. hmap[a1]="I am 12";
- 36. ClassA a2(198877);
- 37. hmap[a2]="I am 198877";
- 38.
- 39. cout<<hmap[a1]<<endl;
- 40. cout<<hmap[a2]<<endl;
- 41. return 0;
- 42. }
4.4 如何用hash_map替换程序中已有的map容器?
这个很容易,但需要你有良好的编程风格。建议你尽量使用typedef来定义你的类型:
typedef map<Key, Value> KeyMap;
当你希望使用hash_map来替换的时候,只需要修改:
typedef hash_map<Key, Value> KeyMap;
其他的基本不变。当然,你需要注意是否有Key类型的hash函数和比较函数。
4.5 为什么hash_map不是标准的?
具体为什么不 是标准的,我也不清楚,有个解释说在STL加入标准C++之时,hash_map系列当时还没有完全实现,以后应该会成为标准。如果谁知道更合理的解释, 也希望告诉我。但我想表达的是,正是因为hash_map不是标准的,所以许多平台上安装了g++编译器,不一定有hash_map的实现。我就遇到了这 样的例子。因此在使用这些非标准库的时候,一定要事先测试。另外,如果考虑到平台移植,还是少用为佳。
在实际工作中,我们使用多叉树进行号码分析,每个号码为一个树节点,使用数组下标直接偏移查找,使用递归进行。每个节点存是否有效值标记,值指针,是否叶子节点。每个线程有自己单独多叉树,实测性能比sqlite内存库性能好(内存卡单线程,大家不能并行)。注意多叉树的索引上的增删改查需要加锁。pthread_mutex_lock进行加锁。