哈 希 常 见 算 法 及 原 理

Python算法系列-哈希算法
哈希算法一、常见数据查找算法简介二、什么是哈希三、实例：两个数字的和1.问题描述2.双指针办法解决3.哈希算法求解四、总结哈希算法又称散列函数算法，是一种查找算法。

就是把一些复杂的数据通过某种映射关系。

映射成更容易查找的方式，但这种映射关系可能会发生多个关键字映射到同一地址的现象，我们称之为冲突。

在这种情况下，我们需要对关键字进行二次或更多次处理。

出这种情况外，哈希算法可以实现在常数时间内存储和查找这些关键字。

一、常见数据查找算法简介
常见的数据查找算法：
顺序查找：是最简单的查找方法。

需要对数据集中的逐个匹配。

所以效率相对较低，不太适合大量数据的查找问题。

二分法查找：效率很高，但是要求数据必须有序。

面对数据排序通常需要更多的时间。

深度优先和广度优先算法：对于大量的数据查找问题，效率并不高。

这个我们后面专门讲解。

阿希查找算法：查找速度快，查询插入，删除操作简单等原因获得广泛的应用。

二、什么是哈希
哈希查找的原理：根据数量预先设一个长度为M的数组。

使用一个哈希函数F并以数据的关键字作为自变量得到唯一的返回值，返回值的范围
是0~M-1。

这样就可以利用哈希函数F将数据元素映射到一个数组的某一位下标，并把数据存放在对应位置，查找时利用哈希函数F计算，该数据应存放在哪里，在相应的存储位置取出查找的数据。

这里就有一个问题：
关键字的取值在一个很大的范围，数据在通过哈希函数进行映射时。

很难找到一个哈希函数，使得这些关键字都能映射到唯一的值。

就会出现多个关键字映射到同一个值的现象，这种现象我们称之为冲突。

哈西算法冲突的解决方案有很多：链地址法，二次再散列法。

线性探测再散列建立一个公共溢出区
注意：链地址法本质是数组+链表的数据结构
链地址法存储数据过程：
首先建立一个数组哈希存储所有链表的头指针。

由数组的关键字key 通过对应的哈希函数计算出哈希地址。

找到相应的桶号之后，建立新的节点存储该数据。

并把节点放到桶内的链表的最后面或者最前面。

链地址法查找数据：由数据关键字通过哈希。

函数计算关键字对应的哈希地址之后顺序比较同类不节点。

是否与所查到的关键字一样，直到找到数据为止，如果全部节点都不和关键字一样，则书名哈系表里没有该数据。

解决了哈希函数的冲突。

用链地址法构造的散列表插入和删除节点操作易于实现，所以构造链表的时间开销很低。

但是指针需要开辟额外的地址空间，当数据量很大时会扩大哈希表规模，内存空间要求较大。

三、实例：两个数字的和
1.问题描述
要求在给定的一些数字中找出两个数，使得它们的和为嗯，前提是这些数据中保证有答案，并且只有一个答案。

例如给3、4、5、7、10。

从中选出两个数字使它们的和为11，可以选择4和7。

2.双指针办法解决
def twosum(nums,target):
res = [] #存放结果编号
newnumber = nums [:] #将数据深拷贝一份
newnumber.sort() #对拷贝结果排序
left = 0 #定义左指针
right = len(newnumber) -1 # 定义右指针
while left right:
if newnumber[left] + newnumber[right] ==target: #在原始数组中第一个元组寻找原始下标
for i in range(0,len(nums)):
if nums[i] == newnumber[left]:
res.append(i) #将下标结果接入集
for i in range(len(nums) - 1 , -1 , -1):#向回找，寻找第二个元组
if nums[i] == newnumber[right]:
res.append(i)
res.sort()
elif newnumber[left] +newnumber[right] target:
left = left +1
right = right -1
return (res[0] + 1 ,res[1] + 1 )
s =twosum([3,4,5,7,10],11)
print('下标是：',s)
双指针解决方案：
第一步：对数据进行排序
第二步：移动指针寻找答案
第三步：发现答案去原始数据中查找这两个元素的位置
显然第一步和第三步很浪费时间，我们使用哈希算法，规避排序问题，直接查找数据和下标的对应关系。

3.哈希算法求解
def twosum(nums,target):
这个函数只能解决两个数字和，且答案有且仅有一个的情况
dict = {}
for i in range(len(nums)):
m = nums[i]
if target - m in dict:#判定target - m 是否在字典中
return (dict[target-m]+1,i +1) #存在返回连个数的下标
dict[m] = i #若不存在则记录键值对的值
s =twosum([3,4,5,7,10],11)
print('下标是：',s)
字典使用dict[key] = value 来记录键值对的关系
四、总结
使用哈希算法解决查找问题，不仅效率高，而且代码更少更容易理解，我们使用哈希算法解决查找问题将事半功倍，
这个示例问题是一个经典问题，还有后续一些问题，三个数、四个数求和问题。

上面介绍的方法解决的都是以图搜图的问题，在其他的一些应用方面，深度哈希算法也有用武之地。

下面我举两个例子进行说明。

其中Hash是一个从字符串到正整数的哈希映射函数。

这样，如果我们将Memcached Server分别编号为0、1、2，那么就可以根据上式和key 计算出服务器编号h，然后去访问。

为了更好的实现负载均衡,我们需要引入虚拟节点的概念,就是将一个节点虚拟化为多个节点将其中的请求落在N1上,入下图所示
this.hashtable = newHashTable;
工作量证明需要有一个目标值。

比特币工作量证明的目标值（target）的计算公式如下：
阿希查找算法：查找速度快，查询插入，删除操作简单等原因获得广泛的应用。

@OutputTimeUnit(TimeUnit.MICROSECONDS)
根据ServerIPIndex[QQNUM%n]得到请求的服务器，这种方法很方便将
①用开放定址法建立散列表时，建表前须将表中所有单元(更严格地
说，是指单元中存储的关键字)置空。

for（int i = 0; i 《 str.length（）; i++）。