当前位置:   article > 正文

C++ 哈希表及unordered_set + unordered_map容器_ch : key

ch : key

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

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

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

(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. // 获取比prime大那一个素数
  14. size_t i = 0;
  15. for (; i < PRIMECOUNT; ++i)
  16. {
  17. if (primeList[i] > prime)
  18. return primeList[i];
  19. }
  20. return primeList[i];
  21. }
  22. pair<iterator, bool> Insert(const T& data)
  23. {
  24. HashFunc hf;
  25. KeyOfT kot;
  26. iterator pos = Find(kot(data));
  27. if (pos != end())
  28. {
  29. return make_pair(pos, false);
  30. }
  31. // 负载因子 == 1 扩容
  32. if (_tables.size() == _n)
  33. {
  34. //size_t newSize = _tables.size() == 0 ? 10 : _tables.size() * 2;
  35. size_t newSize = GetNextPrime(_tables.size());
  36. if (newSize != _tables.size())
  37. {
  38. vector<Node*> newTable;
  39. newTable.resize(newSize, nullptr);
  40. for (size_t i = 0; i < _tables.size(); ++i)
  41. {
  42. Node* cur = _tables[i];
  43. while (cur)
  44. {
  45. Node* next = cur->_next;
  46. size_t hashi = hf(kot(cur->_data)) % newSize;
  47. cur->_next = newTable[hashi];
  48. newTable[hashi] = cur;
  49. cur = next;
  50. }
  51. _tables[i] = nullptr;
  52. }
  53. newTable.swap(_tables);
  54. }
  55. }
  56. size_t hashi = hf(kot(data));
  57. hashi %= _tables.size();
  58. // 头插到对应的桶
  59. Node* newnode = new Node(data);
  60. newnode->_next = _tables[hashi];
  61. _tables[hashi] = newnode;
  62. ++_n;
  63. return make_pair(iterator(newnode, this), true);
  64. }

哈希表改造后全部代码:

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

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

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. #include "HashTable.h"
  3. namespace hb
  4. {
  5. template<class K, class V, class HashFunc = DefaultHash<K>>
  6. class unordered_map
  7. {
  8. struct MapKeyOfT
  9. {
  10. const K& operator()(const pair<K, V>& kv)
  11. {
  12. return kv.first;
  13. }
  14. };
  15. public:
  16. typedef typename Bucket::HashTable<K, pair<K, V>, MapKeyOfT, HashFunc>::iterator iterator;
  17. iterator begin()
  18. {
  19. return _ht.begin();
  20. }
  21. iterator end()
  22. {
  23. return _ht.end();
  24. }
  25. pair<iterator, bool> insert(const pair<K, V>& kv)
  26. {
  27. return _ht.Insert(kv);
  28. }
  29. iterator find(const K& key)
  30. {
  31. return _ht.Find(key);
  32. }
  33. bool erase(const K& key)
  34. {
  35. return _ht.Erase(key);
  36. }
  37. V& operator[](const K& key)
  38. {
  39. pair<iterator, bool> ret = insert(make_pair(key, V()));
  40. return ret.first->second;
  41. }
  42. private:
  43. Bucket::HashTable<K, pair<K, V>, MapKeyOfT, HashFunc> _ht;
  44. };
  45. }
声明:本文内容由网友自发贡献,不代表【wpsshop博客】立场,版权归原作者所有,本站不承担相应法律责任。如您发现有侵权的内容,请联系我们。转载请注明出处:https://www.wpsshop.cn/w/神奇cpp/article/detail/808332
推荐阅读
相关标签
  

闽ICP备14008679号