C++ STL中哈希表Map 与 hash_map 介绍
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
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 #include using namespace std; int main(){ hash_map 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 _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 mymap; //等同于: hash_map, equal_to > 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)
hash_map类在头文件hash_map中,和所有其它的c++标准库一样,头文件没有扩展名。如下声明:
#include using namespace std; using namespace stdext;hash_map是一个聚合类,它继承自_hash类,包括一个vector,一个list和一个pair,其中vector用于保存桶,list用于进行冲突处理,pair用于保存key->value结构,简要地伪码如下:
class hash_map { private: typedef pair<_tkey, _tval> hash_pair; typedef list hash_list; typedef vector hash_table; };当然,这只是一个简单模型,c++标准库的泛型模版一向以嵌套复杂而闻名,初学时看类库,无疑天书啊。微软的hash_map类还聚合了hash_compare仿函数类,hash_compare类里又聚合了less仿函数类,乱七八糟的。
2.2 hash_map 的hash函数
hash< int>到底是什么样子?看看:
struct hash { 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 struct hash struct hash struct hash struct hash struct hash struct hash struct hash struct hash struct hash struct hash
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 { 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 { return __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 namemap; //改为: hash_map 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 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 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; bool operator==(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{ 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, 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 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
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:
#include #include #include 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(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 hmap; classa a1(12); hmap[a1]="i am 12"; classa a2(198877); hmap[a2]="i am 198877"; cout< 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 keymap;;>;>,>
当你希望使用hash_map来替换的时候,只需要修改:
typedef hash_map 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。
常见问题:
本来想用hash_map实现大数量的快速查找,后来发现效率并不快,而且有些问题也很不解,比如看如下代码:
#include #include using namespace std; int main(){ hash_map hm(3); //初始化hash_map的桶的个数 hm.insert(make_pair(0,"hello")); hm.insert(make_pair(1,"ok")); hm.insert(make_pair(2,"bye")); hm.insert(make_pair(3,"world")); cout< #include #include #ifdef __gnuc__ #include #else #include #endif #ifdef __gxx_experimental_cxx0x__ #include #endif namespace std { using namespace __gnu_cxx; } namespace __gnu_cxx { template<> struct hash< std::string > { size_t operator()( const std::string& x ) const { return hash< const char* >()(x.c_str()); } }; } int main() { std::map stdmap; stdmap["_glibcxx_std"] = "std"; stdmap["_glibcxx_begin_nested_namespace"] = "+namespace"; stdmap["_glibcxx_begin_namespace"] = "+namespace"; stdmap["_glibcxx_end_nested_namespace"] = "}"; stdmap["_glibcxx_end_namespace"] = "}"; stdmap["_glibcxx_end_namespace_tr1"] = "}"; stdmap["_glibcxx_begin_namespace_tr1"] = "-namespace tr1 {"; stdmap["_glibcxx_std2"] = "2std"; stdmap["_glibcxx_begin_nested_namespace2"] = "2+namespace"; stdmap["_glibcxx_begin_namespace2"] = "2+namespace"; stdmap["_glibcxx_end_nested_namespace2"] = "2}"; stdmap["_glibcxx_end_namespace2"] = "2}"; stdmap["_glibcxx_end_namespace_tr12"] = "2}"; stdmap["_glibcxx_begin_namespace_tr12"] = "2-namespace tr1 {"; stdmap["_xxglibcxx_end_namespace_tr12"] = "x2}"; stdmap["_xxglibcxx_begin_namespace_tr12"] = "x2-namespace tr1 {"; std::hash_map hashmap; hashmap["_glibcxx_std"] = "std"; hashmap["_glibcxx_begin_nested_namespace"] = "+namespace"; hashmap["_glibcxx_begin_namespace"] = "+namespace"; hashmap["_glibcxx_end_nested_namespace"] = "}"; hashmap["_glibcxx_end_namespace"] = "}"; hashmap["_glibcxx_end_namespace_tr1"] = "}"; hashmap["_glibcxx_begin_namespace_tr1"] = "-namespace tr1 {"; hashmap["_glibcxx_std2"] = "2std"; hashmap["_glibcxx_begin_nested_namespace2"] = "2+namespace"; hashmap["_glibcxx_begin_namespace2"] = "2+namespace"; hashmap["_glibcxx_end_nested_namespace2"] = "2}"; hashmap["_glibcxx_end_namespace2"] = "2}"; hashmap["_glibcxx_end_namespace_tr12"] = "2}"; hashmap["_glibcxx_begin_namespace_tr12"] = "2-namespace tr1 {"; hashmap["_xxglibcxx_end_namespace_tr12"] = "x2}"; hashmap["_xxglibcxx_begin_namespace_tr12"] = "x2-namespace tr1 {"; #ifdef __gxx_experimental_cxx0x__ std::unordered_map unorderedmap; unorderedmap["_glibcxx_std"] = "std"; unorderedmap["_glibcxx_begin_nested_namespace"] = "+namespace"; unorderedmap["_glibcxx_begin_namespace"] = "+namespace"; unorderedmap["_glibcxx_end_nested_namespace"] = "}"; unorderedmap["_glibcxx_end_namespace"] = "}"; unorderedmap["_glibcxx_end_namespace_tr1"] = "}"; unorderedmap["_glibcxx_begin_namespace_tr1"] = "-namespace tr1 {"; unorderedmap["_glibcxx_std2"] = "2std"; unorderedmap["_glibcxx_begin_nested_namespace2"] = "2+namespace"; unorderedmap["_glibcxx_begin_namespace2"] = "2+namespace"; unorderedmap["_glibcxx_end_nested_namespace2"] = "2}"; unorderedmap["_glibcxx_end_namespace2"] = "2}"; unorderedmap["_glibcxx_end_namespace_tr12"] = "2}"; unorderedmap["_glibcxx_begin_namespace_tr12"] = "2-namespace tr1 {"; unorderedmap["_xxglibcxx_end_namespace_tr12"] = "x2}"; unorderedmap["_xxglibcxx_begin_namespace_tr12"] = "x2-namespace tr1 {"; #endif for (int i = 0; i < 5; ++i) { const clock_t t = clock(); for (int j = 0; j < 1000000; ++j) stdmap.find("testfindkey"); std::cout << "stdmap " << i + 1 << " : " << clock() - t << std::endl; } std::cout << "/n---------------/n" << std::endl; for (int i = 0; i < 5; ++i) { const clock_t t = clock(); for (int j = 0; j < 1000000; ++j) hashmap.find("testfindkey"); std::cout << "hashmap " << i + 1 << " : " << clock() - t << std::endl; } #ifdef __gxx_experimental_cxx0x__ std::cout << "/n---------------/n" << std::endl; for (int i = 0; i < 5; ++i) { const clock_t t = clock(); for (int j = 0; j < 1000000; ++j) unorderedmap.find("testfindkey"); std::cout << "unorderedmap " << i + 1 << " : " << clock() - t << std::endl; } #endif return 0; } 如果你使用的vc自带的hash函数,那么它的定义中如下: template class hash_compare1 { // traits class for hash containers public: //const static long lbucketsize = 0; enum { // parameters for hash table bucket_size = 4, // 0 < bucket_size min_buckets = 8 // min_buckets = 2 ^^ n, 0 < n }; 。。。 每次增长会2倍增加预分配内存,你的hash_map是哪个版本的?
上一篇: C语言的递归算法--猴子摘桃问题
下一篇: C++里的继承和多态(上)