0 為什么需要hash_map
用過(guò)map吧？map提供一個(gè)很常用的功能，那就是提供key-value的存儲(chǔ)和查找功能。例如，我要記錄一個(gè)人名和相應(yīng)的存儲(chǔ)，而且隨時(shí)增加，要快速查找和修改：
岳不群－華山派掌門人，人稱君子劍
張三豐－武當(dāng)掌門人，太極拳創(chuàng)始人
東方不敗－第一高手，葵花寶典
...
這些信息如果保存下來(lái)并不復(fù)雜，但是找起來(lái)比較麻煩。例如我要找"張三豐"的信息，最傻的方法就是取得所有的記錄，然后按照名字一個(gè)一個(gè)比較。如果要速度快，就需要把這些記錄按照字母順序排列，然后按照二分法查找。但是增加記錄的時(shí)候同時(shí)需要保持記錄有序，因此需要插入排序。考慮到效率，這就需要用到二叉樹(shù)。講下去會(huì)沒(méi)完沒(méi)了，如果你使用STL 的map容器，你可以非常方便的實(shí)現(xiàn)這個(gè)功能，而不用關(guān)心其細(xì)節(jié)。關(guān)于map的數(shù)據(jù)結(jié)構(gòu)細(xì)節(jié)，感興趣的朋友可以參看學(xué)習(xí)STL map, STL set之?dāng)?shù)據(jù)結(jié)構(gòu)基礎(chǔ)。看看map的實(shí)現(xiàn):
#include <map>
#include <string>
using namespace std;
...
map<string, string> namemap;
//增加。。。
namemap["岳不群"]="華山派掌門人，人稱君子劍";
namemap["張三豐"]="武當(dāng)掌門人，太極拳創(chuàng)始人";
namemap["東方不敗"]="第一高手，葵花寶典";
...
//查找。。
if(namemap.find("岳不群") != namemap.end()){ ...
}
不覺(jué)得用起來(lái)很easy嗎？而且效率很高，100萬(wàn)條記錄，最多也只要20次的string.compare的比較，就能找到你要找的記錄;200萬(wàn)條記錄事，也只要用21次的比較。
速度永遠(yuǎn)都滿足不了現(xiàn)實(shí)的需求。如果有100萬(wàn)條記錄，我需要頻繁進(jìn)行搜索時(shí)，20次比較也會(huì)成為瓶頸，要是能降到一次或者兩次比較是否有可能？而且當(dāng)記錄數(shù)到200萬(wàn)的時(shí)候也是一次或者兩次的比較，是否有可能？而且還需要和map一樣的方便使用。
答案是肯定的。這時(shí)你需要has_map. 雖然hash_map目前并沒(méi)有納入C++ 標(biāo)準(zhǔn)模板庫(kù)中，但幾乎每個(gè)版本的STL都提供了相應(yīng)的實(shí)現(xiàn)。而且應(yīng)用十分廣泛。在正式使用hash_map之前，先看看hash_map的原理。
1 數(shù)據(jù)結(jié)構(gòu)：hash_map原理
這是一節(jié)讓你深入理解hash_map的介紹，如果你只是想囫圇吞棗，不想理解其原理，你倒是可以略過(guò)這一節(jié)，但我還是建議你看看，多了解一些沒(méi)有壞處。
hash_map基于hash table（哈希表）。 哈希表最大的優(yōu)點(diǎn)，就是把數(shù)據(jù)的存儲(chǔ)和查找消耗的時(shí)間大大降低，幾乎可以看成是常數(shù)時(shí)間；而代價(jià)僅僅是消耗比較多的內(nèi)存。然而在當(dāng)前可利用內(nèi)存越來(lái)越多的情況下，用空間換時(shí)間的做法是值得的。另外，編碼比較容易也是它的特點(diǎn)之一。
其基本原理是：使用一個(gè)下標(biāo)范圍比較大的數(shù)組來(lái)存儲(chǔ)元素。可以設(shè)計(jì)一個(gè)函數(shù)（哈希函數(shù)，也叫做散列函數(shù)），使得每個(gè)元素的關(guān)鍵字都與一個(gè)函數(shù)值（即數(shù)組下標(biāo)，hash值）相對(duì)應(yīng)，于是用這個(gè)數(shù)組單元來(lái)存儲(chǔ)這個(gè)元素；也可以簡(jiǎn)單的理解為，按照關(guān)鍵字為每一個(gè)元素“分類”，然后將這個(gè)元素存儲(chǔ)在相應(yīng)“類”所對(duì)應(yīng)的地方，稱為桶。
但是，不能夠保證每個(gè)元素的關(guān)鍵字與函數(shù)值是一一對(duì)應(yīng)的，因此極有可能出現(xiàn)對(duì)于不同的元素，卻計(jì)算出了相同的函數(shù)值，這樣就產(chǎn)生了“沖突”，換句話說(shuō)，就是把不同的元素分在了相同的“類”之中。 總的來(lái)說(shuō)，“直接定址”與“解決沖突”是哈希表的兩大特點(diǎn)。
hash_map，首先分配一大片內(nèi)存，形成許多桶。是利用hash函數(shù)，對(duì)key進(jìn)行映射到不同區(qū)域（桶）進(jìn)行保存。其插入過(guò)程是：
- 得到key
- 通過(guò)hash函數(shù)得到hash值
- 得到桶號(hào)(一般都為hash值對(duì)桶數(shù)求模)
- 存放key和value在桶內(nèi)。
其取值過(guò)程是:
- 得到key
- 通過(guò)hash函數(shù)得到hash值
- 得到桶號(hào)(一般都為hash值對(duì)桶數(shù)求模)
- 比較桶的內(nèi)部元素是否與key相等，若都不相等，則沒(méi)有找到。
- 取出相等的記錄的value。
hash_map中直接地址用hash函數(shù)生成，解決沖突，用比較函數(shù)解決。這里可以看出，如果每個(gè)桶內(nèi)部只有一個(gè)元素，那么查找的時(shí)候只有一次比較。當(dāng)許多桶內(nèi)沒(méi)有值時(shí)，許多查詢就會(huì)更快了(指查不到的時(shí)候).
由此可見(jiàn)，要實(shí)現(xiàn)哈希表, 和用戶相關(guān)的是：hash函數(shù)和比較函數(shù)。這兩個(gè)參數(shù)剛好是我們?cè)谑褂?span lang="EN-US">hash_map時(shí)需要指定的參數(shù)。
2 hash_map 使用
2.1 一個(gè)簡(jiǎn)單實(shí)例
不要著急如何把"岳不群"用hash_map表示，我們先看一個(gè)簡(jiǎn)單的例子：隨機(jī)給你一個(gè)ID號(hào)和ID號(hào)相應(yīng)的信息，ID號(hào)的范圍是1～2的31次方。如何快速保存查找。
#include <hash_map>
#include <string>
using namespace std;
int main(){ hash_map<int, string> mymap;
mymap[9527]="唐伯虎點(diǎn)秋香";
mymap[1000000]="百萬(wàn)富翁的生活";
mymap[10000]="白領(lǐng)的工資底線";
...
if(mymap.find(10000) != mymap.end()){ ...
}
夠簡(jiǎn)單，和map使用方法一樣。這時(shí)你或許會(huì)問(wèn)？hash函數(shù)和比較函數(shù)呢？不是要指定么？你說(shuō)對(duì)了，但是在你沒(méi)有指定hash函數(shù)和比較函數(shù)的時(shí)候，你會(huì)有一個(gè)缺省的函數(shù)，看看hash_map的聲明，你會(huì)更加明白。下面是SGI STL的聲明：
template <class _Key, class _Tp, class _HashFcn = hash<_Key>,
class _EqualKey = equal_to<_Key>,
class _Alloc = __STL_DEFAULT_ALLOCATOR(_Tp) >
class hash_map
{ ...
}
也就是說(shuō)，在上例中，有以下等同關(guān)系：
...
hash_map<int, string> mymap;
//等同于:
hash_map<int, string, hash<int>, equal_to<int> > mymap;
Alloc我們就不要取關(guān)注太多了(希望深入了解Allocator的朋友可以參看標(biāo)準(zhǔn)庫(kù) STL ：Allocator能做什么)
2.2 hash_map 的hash函數(shù)
hash< int>到底是什么樣子？看看源碼:
struct hash<int> { size_t operator()(int __x) const { return __x; }};
原來(lái)是個(gè)函數(shù)對(duì)象。在SGI STL中，提供了以下hash函數(shù)：
struct hash<char*>
struct hash<const char*>
struct hash<char>
struct hash<unsigned char>
struct hash<signed char>
struct hash<short>
struct hash<unsigned short>
struct hash<int>
struct hash<unsigned int>
struct hash<long>
struct hash<unsigned long>
也就是說(shuō)，如果你的key使用的是以上類型中的一種，你都可以使用缺省的hash函數(shù)。當(dāng)然你自己也可以定義自己的hash函數(shù)。對(duì)于自定義變量，你只能如此，例如對(duì)于string，就必須自定義hash函數(shù)。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);
}
};
//如果你希望利用系統(tǒng)定義的字符串hash函數(shù)，你可以這樣寫：
struct str_hash{ size_t operator()(const string& str) const
{ return return __stl_hash_string(str.c_str());
}
};
在聲明自己的哈希函數(shù)時(shí)要注意以下幾點(diǎn)：
- 使用struct，然后重載operator().
- 返回是size_t
- 參數(shù)是你要hash的key的類型。
- 函數(shù)是const類型的。
如果這些比較難記，最簡(jiǎn)單的方法就是照貓畫虎，找一個(gè)函數(shù)改改就是了。
現(xiàn)在可以對(duì)開(kāi)頭的"岳不群"進(jìn)行哈希化了 
. 直接替換成下面的聲明即可：
map<string, string> namemap;
//改為：
hash_map<string, string, str_hash> namemap;
其他用法都不用邊。當(dāng)然不要忘了吧str_hash的聲明以及頭文件改為hash_map。
你或許會(huì)問(wèn)：比較函數(shù)呢？別著急，這里就開(kāi)始介紹hash_map中的比較函數(shù)。
2.3 hash_map 的比較函數(shù)
在map中的比較函數(shù)，需要提供less函數(shù)。如果沒(méi)有提供，缺省的也是less< Key> 。在hash_map中，要比較桶內(nèi)的數(shù)據(jù)和key是否相等，因此需要的是是否等于的函數(shù):equal_to< Key> 。先看看equal_to的源碼：
//本代碼可以從SGI STL
//先看看binary_function 函數(shù)聲明，其實(shí)只是定義一些類型而已。
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的定義：
template <class _Tp>
struct equal_to : public binary_function<_Tp,_Tp,bool>
{ bool operator()(const _Tp& __x, const _Tp& __y) const { return __x == __y; }};
如果你使用一個(gè)自定義的數(shù)據(jù)類型，如struct mystruct, 或者const char* 的字符串，如何使用比較函數(shù)？使用比較函數(shù)，有兩種方法. 第一種是：重載==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) ;
}
};
這樣，就可以使用equal_to< mystruct>作為比較函數(shù)了。另一種方法就是使用函數(shù)對(duì)象。自定義一個(gè)比較函數(shù)體：
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<const char*, string, hash<const char*>, compare_str> StrIntMap;
StrIntMap namemap;
namemap["岳不群"]="華山派掌門人，人稱君子劍";
namemap["張三豐"]="武當(dāng)掌門人，太極拳創(chuàng)始人";
namemap["東方不敗"]="第一高手，葵花寶典";
2.4 hash_map 函數(shù)
hash_map的函數(shù)和map的函數(shù)差不多。具體函數(shù)的參數(shù)和解釋，請(qǐng)參看：STL 編程手冊(cè)：Hash_map，這里主要介紹幾個(gè)常用函數(shù)。
- hash_map(size_type n) 如果講究效率，這個(gè)參數(shù)是必須要設(shè)置的。n 主要用來(lái)設(shè)置hash_map 容器中hash桶的個(gè)數(shù)。桶個(gè)數(shù)越多，hash函數(shù)發(fā)生沖突的概率就越小，重新申請(qǐng)內(nèi)存的概率就越小。n越大，效率越高，但是內(nèi)存消耗也越大。
- const_iterator find(const key_type& k) const. 用查找，輸入為鍵值，返回為迭代器。
- data_type& operator[](const key_type& k) . 這是我最常用的一個(gè)函數(shù)。因?yàn)槠涮貏e方便，可像使用數(shù)組一樣使用。不過(guò)需要注意的是，當(dāng)你使用[key ]操作符時(shí)，如果容器中沒(méi)有key元素，這就相當(dāng)于自動(dòng)增加了一個(gè)key元素。因此當(dāng)你只是想知道容器中是否有key元素時(shí)，你可以使用find。如果你希望插入該元素時(shí)，你可以直接使用[]操作符。
- insert 函數(shù)。在容器中不包含key值時(shí)，insert函數(shù)和[]操作符的功能差不多。但是當(dāng)容器中元素越來(lái)越多，每個(gè)桶中的元素會(huì)增加，為了保證效率，hash_map會(huì)自動(dòng)申請(qǐng)更大的內(nèi)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 函數(shù)。在insert的過(guò)程中，當(dāng)每個(gè)桶的元素太多時(shí)，hash_map可能會(huì)自動(dòng)擴(kuò)充容器的內(nèi)存。但在sgi stl中是erase并不自動(dòng)回收內(nèi)存。因此你調(diào)用erase后，其他元素的iterator還是可用的。
3 相關(guān)hash容器
hash 容器除了hash_map之外，還有hash_set, hash_multimap, has_multiset, 這些容器使用起來(lái)和set, multimap, multiset的區(qū)別與hash_map和map的區(qū)別一樣，我想不需要我一一細(xì)說(shuō)了吧。
4 其他
這里列幾個(gè)常見(jiàn)問(wèn)題，應(yīng)該對(duì)你理解和使用hash_map比較有幫助。
4.1 hash_map和map的區(qū)別在哪里？
- 構(gòu)造函數(shù)。hash_map需要hash函數(shù)，等于函數(shù)；map只需要比較函數(shù)(小于函數(shù)).
- 存儲(chǔ)結(jié)構(gòu)。hash_map采用hash表存儲(chǔ)，map一般采用紅黑樹(shù)(RB Tree)實(shí)現(xiàn)。因此其memory數(shù)據(jù)結(jié)構(gòu)是不一樣的。
4.2 什么時(shí)候需要用hash_map，什么時(shí)候需要用map?
總體來(lái)說(shuō)，hash_map 查找速度會(huì)比map快，而且查找速度基本和數(shù)據(jù)數(shù)據(jù)量大小，屬于常數(shù)級(jí)別;而map的查找速度是log(n)級(jí)別。并不一定常數(shù)就比log(n)小，hash還有hash函數(shù)的耗時(shí)，明白了吧，如果你考慮效率，特別是在元素達(dá)到一定數(shù)量級(jí)時(shí)，考慮考慮hash_map。但若你對(duì)內(nèi)存使用特別嚴(yán)格，希望程序盡可能少消耗內(nèi)存，那么一定要小心，hash_map可能會(huì)讓你陷入尷尬，特別是當(dāng)你的hash_map對(duì)象特別多時(shí)，你就更無(wú)法控制了，而且hash_map的構(gòu)造速度較慢。
現(xiàn)在知道如何選擇了嗎？權(quán)衡三個(gè)因素: 查找速度, 數(shù)據(jù)量, 內(nèi)存使用。
這里還有個(gè)關(guān)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中加入自己定義的類型?
你只要做兩件事, 定義hash函數(shù)，定義等于比較函數(shù)。下面的代碼是一個(gè)例子：
-bash-2.05b$ cat my.cpp
#include <hash_map>
#include <string>
#include <iostream>
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<int>(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<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
typedef map<Key, Value> KeyMap;
當(dāng)你希望使用hash_map來(lái)替換的時(shí)候，只需要修改:
typedef hash_map<Key, Value> KeyMap;
其他的基本不變。當(dāng)然，你需要注意是否有Key類型的hash函數(shù)和比較函數(shù)。
4.5為什么hash_map不是標(biāo)準(zhǔn)的？
具體為什么不是標(biāo)準(zhǔn)的，我也不清楚，有個(gè)解釋說(shuō)在STL加入標(biāo)準(zhǔn)C++之時(shí)，hash_map系列當(dāng)時(shí)還沒(méi)有完全實(shí)現(xiàn)，以后應(yīng)該會(huì)成為標(biāo)準(zhǔn)。如果誰(shuí)知道更合理的解釋，也希望告訴我。但我想表達(dá)的是，正是因?yàn)?span lang="EN-US">hash_map不是標(biāo)準(zhǔn)的，所以許多平臺(tái)上安裝了g++編譯器，不一定有hash_map的實(shí)現(xiàn)。我就遇到了這樣的例子。因此在使用這些非標(biāo)準(zhǔn)庫(kù)的時(shí)候，一定要事先測(cè)試。另外，如果考慮到平臺(tái)移植，還是少用為佳。
4.6 有學(xué)習(xí)使用hash_map的建議嗎？
hash中文是哈希，也成為散列，聽(tīng)見(jiàn)別人說(shuō)散列容器不要埋怨自己孤陋寡聞。了解hash系列，你還可以看看這篇文章:effective STL 25: 熟悉非標(biāo)準(zhǔn)散列容器, 另外建議查看源代碼。如果還有問(wèn)題，那么你可以在STL論壇上提問(wèn)，會(huì)有高手回答你的。