0 為什么需要hash_map

map提供一個(gè)很常用的功能，實(shí)現(xiàn)使用了紅黑樹(shù),效率很高，100萬(wàn)條記錄，最多也只要20次的比較，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。

has_map只需要一兩次比較.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。

1 數(shù)據(jù)結(jié)構(gòu)：hash_map原理

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。

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。可以設(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(lèi)”，然后將這個(gè)元素存儲(chǔ)在相應(yīng)“類(lèi)”所對(duì)應(yīng)的地方，稱(chēng)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(lèi)”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：

1. 得到key
2. 通過(guò)hash函數(shù)得到hash值
3. 得到桶號(hào)(一般都為hash值對(duì)桶數(shù)求模)
4. 存放key和value在桶內(nèi)。

其取值過(guò)程是:

1. 得到key
2. 通過(guò)hash函數(shù)得到hash值
3. 得到桶號(hào)(一般都為hash值對(duì)桶數(shù)求模)
4. 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。
5. 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(xún)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(hù)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

#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()){
...
}

和map使用方法一樣。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
{
...
}

2.2 hash_map 的hash函數(shù)

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(lèi)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(xiě)：
struct str_hash{
size_t operator()(const string& str) const
{
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)：

1. 使用struct，然后重載operator().
2. 返回是size_t
3. 參數(shù)是你要hash的key的類(lèi)型。
4. 函數(shù)是const類(lèi)型的。

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(lèi)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(lèi)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;

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?zhuān)@里主要介紹幾個(gè)常用函數(shù)。

1. 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。
2. const_iterator find(const key_type& k) const. 用查找，輸入為鍵值，返回為迭代器。
3. 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。
4. 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。
5. 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

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)量大小無(wú)關(guān)，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。

4.3 如何在hash_map中加入自己定義的類(lèi)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?zhuān)蚕Ｍ嬖V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。

4.5 與map的性能對(duì)比

當(dāng)key為int時(shí)，插入和查找性能如下圖(橫坐標(biāo)代表數(shù)據(jù)規(guī)模，縱坐標(biāo)代表時(shí)間，單位微秒)

當(dāng)key為string時(shí)，插入和查找性能如下圖

總結(jié)：在數(shù)據(jù)規(guī)模較小(100左右），hash_map和map的時(shí)間效率差不多，隨著數(shù)據(jù)規(guī)模的增大，兩者差距也越來(lái)越大，尤其時(shí)當(dāng)數(shù)據(jù)規(guī)模達(dá)到百萬(wàn)量級(jí)時(shí)，兩者的性能差距凸顯

hash_map總結(jié)