zdhsoft:轉貼：未找到出處。
哈希表和哈希函數是大學數據結構中的課程，實際開發中我們經常用到Hashtable這種結構，當遇到鍵-值對存儲，采用Hashtable比ArrayList查找的性能高。為什么呢？我們在享受高性能的同時，需要付出什么代價，那么使用Hashtable是否就是一樁無本萬利的買賣呢？就此疑問，做以下分析，希望能拋磚引玉。
1)hash它為什么對于鍵-值查找性能高
學過數據結構的，都應該曉得，線性表和樹中，記錄在結構中的相對位置是隨機的，記錄和關鍵字之間不存在明確的關系，因此在查找記錄的時候，需要進行一系列的關鍵字比較，這種查找方式建立在比較的基礎之上，在.net中(Array,ArrayList,List)這些集合結構采用了上面的存儲方式。
比如，現在我們有一個班同學的數據，包括姓名，性別，年齡，學號等。假如數據有
| 姓名 |
性別 |
年齡 |
學號 |
| 張三 |
男 |
15 |
1 |
| 李四 |
女 |
14 |
2 |
| 王五 |
男 |
14 |
3 |
假如，我們按照姓名來查找，假設查找函數FindByName(string
name);
1)查找“張三”
只需在第一行匹配一次。
2)查找"王五"
在第一行匹配，失敗，
在第二行匹配，失敗，
在第三行匹配，成功
上面兩種情況，分別分析了最好的情況，和最壞的情況，那么平均查找次數應該為
(1+3)/2=2次，即平均查找次數為(記錄總數+1)的1/2。
盡管有一些優化的算法，可以使查找排序效率增高，但是復雜度會保持在log2n的范圍之內。
如何更更快的進行查找呢？我們所期望的效果是一下子就定位到要找記錄的位置之上，這時候時間復雜度為1，查找最快。如果我們事先為每條記錄編一個序號，然后讓他們按號入位，我們又知道按照什么規則對這些記錄進行編號的話，如果我們再次查找某個記錄的時候，只需要先通過規則計算出該記錄的編號，然后根據編號，在記錄的線性隊列中，就可以輕易的找到記錄了
。
注意，上述的描述包含了兩個概念，一個是用于對學生進行編號的規則，在數據結構中，稱之為哈希函數，另外一個是按照規則為學生排列的順序結構，稱之為哈希表。
仍以上面的學生為例，假設學號就是規則，老師手上有一個規則表，在排座位的時候也按照這個規則來排序，查找李四，首先該教師會根據規則判斷出，李四的編號為2，就是在座位中的2號位置，直接走過去，“李四，哈哈，你小子，就是在這！”
看看大體流程:
從上面的圖中，可以看出哈希表可以描述為兩個筒子，一個筒子用來裝記錄的位置編號，另外一個筒子用來裝記錄，另外存在一套規則，用來表述記錄與編號之間的聯系。這個規則通常是如何制定的呢？
a)直接定址法:
我在前一篇文章對GetHashCode()性能比較的問題中談到，對于整形的數據GetHashCode()函數返回的就是整形 本身，其實就是基于直接定址的方法，比如有一組0-100的數據，用來表示人的年齡
那么，采用直接定址的方法構成的哈希表為:
| 0 |
1 |
2 |
3 |
4 |
5 |
| 0歲 |
１歲 |
２歲 |
３歲 |
４歲 |
５歲 |
.....
這樣的一種定址方式，簡單方便，適用于元數據能夠用數字表述或者原數據具有鮮明順序關系的情形。
b)數字分析法: 有這樣一組數據，用于表述一些人的出生日期
| 年 |
月 |
日 |
| ７５ |
１０ |
１ |
| ７５ |
１２ |
１０ |
| ７５ |
０２ |
１４ |
分析一下，年和月的第一位數字基本相同，造成沖突的幾率非常大，而后面三位差別比較大，所以采用后三位
c)平方取中法 取關鍵字平方后的中間幾位作為哈希地址
d)
折疊法： 將關鍵字分割成位數相同的幾部分，最后一部分位數可以不相同，然后去這幾部分的疊加和（取出進位）作為哈希地址，比如有這樣的數據20-1445-4547-3
可以
5473
+ 4454
+ 201
=
10128
取出進位1,取0128為哈希地址
e)取余法取關鍵字被某個不大于哈希表表長m的數p除后所得余數為哈希地址。H(key)=key
MOD p (p<=m)
f)
隨機數法 選擇一個隨機函數，取關鍵字的隨機函數值為它的哈希地址，即H(key)=random(key)
,其中random為隨機函數。通常用于關鍵字長度不等時采用此法。
總之，哈希函數的規則是：通過某種轉換關系，使關鍵字適度的分散到指定大小的的順序結構中。越分散，則以后查找的時間復雜度越小，空間復雜度越高。
２)使用hash，我們付出了什么？hash
是一種典型以空間換時間的算法，比如原來一個長度為100的數組，對其查找，只需要遍歷且匹配相應記錄即可，從空間復雜度上來看，假如數組存儲的是
byte類型數據，那么該數組占用100byte空間。現在我們采用hash算法，我們前面說的hash必須有一個規則，約束鍵與存儲位置的關系，那么就需要一個固定長度的hash表，此時，仍然是100byte的數組，假設我們需要的100byte用來記錄鍵與位置的關系，那么總的空間為
200byte,而且用于記錄規則的表大小會根據規則，大小可能是不定的，比如在lzw算法中，如果一個很長的用于記錄像素的byte數組，用來記錄位置與鍵關系的表空間，算法推薦為一個1２bit能表述的整數大小，那么足夠長的像素數組，如何分散到這樣定長的表中呢，lzw算法采用的是可變長編碼，具體會在深入介紹lzw算法的時候介紹。
注:hash表最突出的問題在于沖突，就是兩個鍵值經過哈希函數計算出來的索引位置很可能相同，這個問題，下篇文章會令作闡述。
注:之所以會簡單得介紹了hash，是為了更好的學習lzw算，學習lzw算法是為了更好的研究gif文件結構，最后，我將詳細的闡述一下gif文件是如何構成的，如何高效操作此種類型文件。