哈希表哪家強？幾大程式語言吵起來了！

2020 年 4 月 26 日
筆記

哈希表華山論劍

比特宇宙程式語言聯合委員會準備舉辦一次大會，主題為哈希表，給各大程式語言帝國都發去了邀請函。

很快就到了大會這一天

聯合委員會秘書長開場發言：「諸位，為促進技術交流與發展，增強各帝國友誼，聯合委員會特設此盛會，感謝諸位的捧場」

會場傳來一陣鼓掌聲······

秘書長繼續發言：「本次大會的主題是哈希表，人類程式設計師使用最多的數據容器之一，各大程式語言帝國相信都有實現。今天的大會就圍繞哈希表分為幾個議題討論，首先是第一個議題：存儲結構與衝突解決」

存儲結構與衝突解決

來自GoLang帝國的map率先發言：「哈希表，哈希表，首先得是個表嘛，所以最基本的要用一個數組來存儲，數組中的每一個元素叫做bucket。至於hash衝突嘛，就用鏈表來解決嘛」

GoLang帝國的map說完，有人站了起來：「英雄所見略同！在下C++帝國的unordered_map，我們基本上也是選擇的這種方法」

此時，Python帝國的代表提出了質疑：「鏈表確實可以解決衝突，不過嘛，這要是衝突太多，鏈表太長，搜尋起來豈不費時？」

GoLang帝國的map和C++帝國的unordered_map面面相覷，不知如何應對。

「鏈表太長的話，那就轉成樹結構！」，就在這時，又有人站了起來。

見有人起身，Python帝國代表轉身問道：「在下乃Python帝國的字典dict{}，敢問閣下怎麼稱呼」

「我是Java帝國的HashMap，和前面兩位兄台的策略大體相同，只是在衝突過多，具體來說鏈表長度超過8的時候就轉換成紅黑樹的結構，以此加快查找」

說完，map、unordered_map鬆了一口氣，和HashMap一起坐下了。

dict{}繼續發問：「在座的都是這個思路，用鏈表解決衝突？」

說完，另外一位代表站了起來，「等等，我們C#帝國的HashTable就沒用鏈表！」

dict{}露出了滿意的表情，「那你們是怎麼解決衝突的呢？」

「咱HashTable內部使用的是雙重散列法，咱內部不止一種哈希計算方式，一次Hash衝突，咱就換一個再算，直到找到有空位的地方存儲」，HashTable回答到。

dict{}看起來有些失望，估計這也不是他所用的方式。

「你問了半天，還沒說你們Python是怎麼處理衝突的呢？」，Java帝國的HashMap開口了。

「是啊，是啊」，其他代表也跟著起鬨。

見眾人起鬨，dict{}只好應答：「鏈表法固然不錯，不過需要在插入數據過程中動態分配記憶體構建鏈表節點，開銷不小，我們沒有採用。」

「那到底用了啥，你倒是說啊，快急死我了」，C++的unordered_map有些急了。

「我們用的是一種叫開放定址法的策略，如果發現了衝突，就按照制定的策略從這個位置往後找，直到找到有空的位置存儲」，dict{}繼續說到。

「哪有那麼簡單的事，你把別人的位置佔了，那對應那個位置的數據來了怎麼辦？還有查找怎麼找？刪除怎麼處理？這不全亂套了嗎」，unordered_map追問不舍。

「是這樣的，按照我們既定的規則，在查找的時候就需要額外做一些工作，另外刪除的時候也不能直接刪除，否則會破壞規則鏈條·····」，接下來一段時間，dict{}給大家仔細介紹了他們的處理思路。

「你這個也太麻煩了，不如我們鏈表法來的清晰明了」

「這怎麼就麻煩了？這好處不顯而易見嘛？」，dict{}也不甘示弱。

這時，秘書長打斷了大家的爭辯：「諸位，諸位，靜一靜，靜一靜，咱們這個議題到此為止，進入下一個議題：哈希到位置映射」

哈希到位置映射

急性子的C++帝國代表unordered_map第一個說話：「這有什麼好討論的，不就是用hash值對哈希表數組長度進行一個求模運算嗎？」

「就是，這有什麼好討論的」，C#帝國的HashTable也附和到。

「哎，此言差矣，我就沒用取模運算」，眾人望去，這Python帝國的dict{}又要鬧什麼新鮮玩意。

GoLang帝國的map問道：「老哥用的什麼辦法，別賣關子了，快說來聽聽」

dict{}掃了眾人一眼說到，「我的辦法就是：」

這是怎麼個映射法？眾代表皆摸不著頭腦，議論紛紛，唯有Java帝國的HashMap聽聞微微一笑。

dict{}見狀問道：「HashMap兄台，莫非知曉其中玄機？」

只見HashMap不緊不慢的站了起來說到：「哈希表長度是2的冪次，減1之後的二進位均變成了1，比如長度16，減1變成15，也就是二進位1111。再進行與運算，相當於取了哈希值的低位，直接映射到對應的數組位置，與運算比取模運算要快不少。不瞞諸位，我HashMap中也是使用的這種方式，此乃雕蟲小技，不值得炫耀」

眾代表聽完紛紛點頭稱讚，dict{}不知何時卻已坐下。

C#的HashTable問道：「這樣直接取低幾位，會不會造成Hash值到數組到映射不均勻，拿你舉的例子來說，18的二進位是0001 0010，34的二進位是0010 0010，他們的低4位都一樣，和1111與上以後都是0010，也就是都該存到數組的2號位，這豈不是一定程度上的增加了衝突的概率嗎？」

突如其來的質疑並沒有讓HashMap慌亂，反而是從容不迫的解釋到：「C#代表的這個問題提的非常好，不知dict{}兄台是如何處理的。我們的方案是在進行與運算映射之前，對hash值進行一個處理，具體來說就是將其高16位與低16位進行一個異或運算，如此一來，最終參與與運算的部分就融合了原始hash的全部資訊，而不僅僅是低位。」

眾代表聽完再次點頭稱讚。

秘書長打破了平靜，「看來大家收穫都頗豐，咱們接著下一個話題吧：初始容量與擴容」

初始容量與擴容

眾代表這一次皆不爭先，互相觀望。

秘書長見狀說到：「沒人主動，那我可就要點名了······」

「那就我先吧」，Java帝國的HashMap站了起來，「我的默認初始容量是16，有一個叫負載因子的參數，默認是0.75。我的策略是，如果內部數組的空間使用了超過75%，那就要準備擴容了，否則後續Hash衝突的概率就會很大。哦對了，擴容時容量得是2的指數次方，原因前面已經交代了」

dict{}第二個起身：「嗯，差不多，我的默認初始容量是8，擴容的時候也是要求是2的指數次方，另外我的負載因子是2/3，擴容時機比這位HashMap老哥更早一些」

C#帝國代表HashTable聽聞也起身發言：「我的初始容量是3，至於負載因子嘛，我經過大量實驗測試，得出的數據在兩位之間，是0.72。容量大小方面我就沒有2的指數次方的要求了，而是要求一個素數。之所以要求素數的原因，是因為我使用的求模運算進行的映射，使用素數的話，衝突會少一些。」

這時，C++帝國代表unordered_map也說話了，「巧了！我也是素數哎，你看，我提前把容量都算好存起來了，到時候擴容就挨個取就行了。」

尾聲

時間過的很快，在大家熱情的討論中，一上午時間很快就結束了。

大會臨近尾聲，秘書長致辭宣布：「感謝各位代表積極探討，大會取得圓滿成功，本次大會到此結束，咱們下次再會！」

會場再次傳來一陣熱烈的鼓掌聲······

然而就在此時，會場外突然傳來一個聲音：「舉辦如此盛會，怎能少了我」

眾人望去，皆嘆：「他果然還是來了」

彩蛋

會後，C#帝國代表拉住了C++帝國代表

「兄弟，八卦一下，你這取的是個啥名，你看我和Java帝國的代表都叫Hashxxx，你咋不也叫hash_map或者hash_table之類的名字呢？叫什麼unordered_map」

「哎，兄台你有所不知，其實我也不想叫這名字，只是，，，這話說來話長了······」，unordered_map嘆了口氣。