STL：详细解说 hash_map

mousetwo

浏览: 3210 次
性别:
来自: 重庆

最近访客更多访客>>

woodding2008

博主相关

博客

微博

相册

留言

关于我

文章分类

全部博客 (3)

社区版块

存档分类

数据结构 Bash 编程单元测试生活

详细解说STL hash_map 系列

条条大路通罗马，为什么你不随便选一条？

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 的存储和查找功能。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，最傻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，然后按照二分法查找。但是增加记录的时候同时需要保持记录有序，因此需要插入排序。考虑到效率，这就需要用到二叉树。讲下去会没完没了，如果你使用STL 的map 容器，你可以非常方便的实现这个功能，而不用关心其细节。关于map 的数据结构细节，感兴趣的朋友可以参看学习STL map, STL set 之数据结构基础。看看map 的实现:

#include <map>

#include <string>

usingnamespace std;

...

map<string, string> namemap;

// 增加。。。

namemap[" 岳不群 "]=" 华山派掌门人，人称君子剑 ";

namemap[" 张三丰 "]=" 武当掌门人，太极拳创始人 ";

namemap[" 东方不败 "]=" 第一高手，葵花宝典 ";

...

// 查找。。 if (namemap.find(" 岳不群 ") != namemap.end()){

...

}

不觉得用起来很easy 吗？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;200 万条记录事，也只要用21 次的比较。

速度永远都满足不了现实的需求。如果有100 万条记录，我需要频繁进行搜索时，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者两次的比较，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 目前并没有纳入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

这是一节让你深入理解hash_map 的介绍，如果你只是想囫囵吞枣，不想理解其原理，你倒是可以略过这一节，但我还是建议你看看，多了解一些没有坏处。

hash_map 基于hash table （哈希表）。哈希表最大的优点，就是把数据的存储和查找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。然而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，也叫做散列函数），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，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于不同的元素，却计算出了相同的函数值，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” 之中。总的来说，“ 直接定址” 与“ 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（桶）进行保存。其插入过程是：

得到key
通过hash 函数得到hash 值
得到桶号( 一般都为hash 值对桶数求模)
存放key 和value 在桶内。

其取值过程是:

得到key
通过hash 函数得到hash 值
得到桶号( 一般都为hash 值对桶数求模)
比较桶的内部元素是否与key 相等，若都不相等，则没有找到。
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。当许多桶内没有值时，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 使用

2.1 一个简单实例

不要着急如何把" 岳不群" 用hash_map 表示，我们先看一个简单的例子：随机给你一个ID 号和ID 号相应的信息，ID 号的范围是1 ～2 的31 次方。如何快速保存查找。

#include <hash_map>

#include <string>

usingnamespace std;

int main(){

hash_map<int , string> mymap;

mymap[9527]=" 唐伯虎点秋香 ";

mymap[1000000]=" 百万富翁的生活 ";

mymap[10000]=" 白领的工资底线 ";

...

if (mymap.find(10000) != mymap.end()){

...

}

够简单，和map 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>,

class _EqualKey = equal_to<_Key>,

class _Alloc = __STL_DEFAULT_ALLOCATOR(_Tp) >

class hash_map

{

...

}

也就是说，在上例中，有以下等同关系：

...

hash_map<int , string> mymap;

// 等同于:

hash_map<int , string, hash<int >, equal_to<int > > mymap;

Alloc 我们就不要取关注太多了( 希望深入了解Allocator 的朋友可以参看标准库 STL ：Allocator 能做什么 )

2.2 hash_map 的hash 函数

hash< int> 到底是什么样子？看看源码:

struct hash<int > {

size_t operator ()(int __x) const { return __x; }

};

原来是个函数对象。在SGI STL 中，提供了以下hash 函数：

struct hash<char *>

struct hash<constchar *>

struct hash<char >

struct hash<unsignedchar >

struct hash<signedchar >

struct hash<short >

struct hash<unsignedshort >

struct hash<int >

struct hash<unsignedint >

struct hash<long >

struct hash<unsignedlong >

也就是说，如果你的key 使用的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，你只能如此，例如对于string ，就必须自定义hash 函数。例如：

struct str_hash{

size_t operator ()(const string& str) const

{

unsignedlong __h = 0;

for (size_t i = 0 ; i < str.size() ; i ++)

__h = 5*__h + str[i];

return size_t(__h);

}

};

// 如果你希望利用系统定义的字符串hash 函数，你可以这样写： struct str_hash{

size_t operator ()(const string& str) const

{

returnreturn __stl_hash_string(str.c_str());

}

};

在声明自己的哈希函数时要注意以下几点：

使用struct ，然后重载operator().
返回是size_t
参数是你要hash 的key 的类型。
函数是const 类型的。

如果这些比较难记，最简单的方法就是照猫画虎，找一个函数改改就是了。

现在可以对开头的" 岳不群" 进行哈希化了 . 直接替换成下面的声明即可：

map<string, string> namemap;

// 改为：

hash_map<string, string, str_hash> namemap;

其他用法都不用边。当然不要忘了吧str_hash 的声明以及头文件改为hash_map 。

你或许会问：比较函数呢？别着急，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// 先看看binary_function 函数声明，其实只是定义一些类型而已。 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 的定义： template <class _Tp>

struct equal_to : public binary_function<_Tp,_Tp,bool >

{

booloperator ()(const _Tp& __x, const _Tp& __y) const { return __x == __y; }

};

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{

int iID;

int len;

booloperator ==(const mystruct & my) const {

return (iID==my.iID) && (len==my.len) ;

}

};

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{

booloperator ()(constchar * p1, constchar *p2) const {

return strcmp(p1,p2)==0;

}

};

有了compare_str ，就可以使用hash_map 了。

typedef hash_map<constchar *, string, hash<constchar *>, compare_str> StrIntMap;

StrIntMap namemap;

namemap[" 岳不群 "]=" 华山派掌门人，人称君子剑 ";

namemap[" 张三丰 "]=" 武当掌门人，太极拳创始人 ";

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。具体函数的参数和解释，请参看：STL 编程手册：Hash_map ，这里主要介绍几个常用函数。

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。
const_iterator find(const key_type& k) const. 用查找，输入为键值，返回为迭代器。
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。
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。
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 之外，还有hash_set, hash_multimap, has_multiset, 这些容器使用起来和set, multimap, multiset 的区别与hash_map 和map 的区别一样，我想不需要我一一细说了吧。

4 其他

这里列几个常见问题，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？

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).
存储结构。hash_map 采用hash 表存储，map 一般采用红黑树(RB Tree) 实现。因此其memory 数据结构是不一样的。

4.2 什么时候需要用hash_map ，什么时候需要用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。

这里还有个关于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 中加入自己定义的类型?

你只要做两件事, 定义hash 函数，定义等于比较函数。下面的代码是一个例子：

-bash-2.05b$ cat my.cpp

#include <hash_map>

#include <string>

#include <iostream>

usingnamespace 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 ()(constclass ClassA & A)const {

// return hash<int>(classA.getvalue()); return A.getvalue();

}

};

//2 define the equal function struct equal_A{

booloperator ()(constclass ClassA & a1, constclass 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。

4.6 有学习使用hash_map 的建议吗？

hash 中文是哈希，也成为散列，听见别人说散列容器不要埋怨自己孤陋寡闻。了解hash 系列，你还可以看看这篇文章:effective STL 25: 熟悉非标准散列容器 , 另外建议查看源代码。如果还有问题，那么你可以在STL论坛上提问，会有高手回答你的。

5 参考文章:

Set MYTITLE = 详细解说STL hash_map 系列

-->

分享到：

数学符号 | 云计算比较: Google AppEngine vs. Amazon ...

2010-09-25 18:43
浏览 1180
评论(0)
分类:编程语言
查看更多

发表评论

您还没有登录,请您登录后再发表评论

最近访客更多访客>>

博主相关

文章分类

社区版块

存档分类

最新评论