解决散列字符串冲突的最佳方法答案

【问题标题】：best way to resolve collisions in hashing strings解决散列字符串冲突的最佳方法
【发布时间】：2012-02-09 08:18:16
【问题描述】：

我在一次面试中被问到这个问题，并说要使用第二个功能，但面试官一直在寻找其他答案。谁有其他解决方案？

【问题讨论】：

链式每个节点花费一个指针并解决您的所有问题，但代价是失去引用的局部性。（也将被二次散列丢失）
散列用于什么目的？密码？ MD5文件哈希？字典/哈希集？
@Darjan 用于字典
固定字典（无插入/删除）？

标签： hash

【解决方案1】：

解决散列字符串冲突的最佳方法 “连续插入”

假设插入的是内容无法预测的字符串，那么合理的选择是：

使用位移列表，因此您可以尝试从散列到桶，直到找到一个空闲桶（按表修改尺寸）。置换列表可能类似于 { 3, 5, 11, 19... } 等-理想情况下，您希望在位移不是一系列其他位移的总和。
使用不同的算法重新散列（但是你需要另一个算法，如果你碰巧发生两次冲突等）
在桶，以便可以搜索冲突的字符串。通常存储桶的数量应等于或大于元素的数量，因此每个桶的元素将相当小，并且通过数组/向量进行蛮力搜索是合理的方法，但链表也是可信的。

比较这些，置换列表往往是最快的（因为添加偏移量比计算另一个散列或支持单独的堆和分配更便宜，并且在大多数情况下，前一个或两个置换（可以合理地由少量buckets) 足以找到一个空的桶，因此内存使用的局部性是合理的）尽管它们比替代散列算法更容易发生冲突（应该接近 #elements/#buckets 进一步冲突的机会）。对于置换列表和重新散列，您必须提供足够的重试次数，以便在实践中您不会期望完全失败，添加一些对失败的最后手段处理，或者接受可能发生的失败。

【讨论】：

【解决方案2】：

使用链表作为哈希桶。因此，任何碰撞都会得到妥善处理。

【讨论】：

【解决方案3】：

替代方法：您可能需要考虑使用 trie 而不是哈希表作为字符串字典。

这种方法的好处是你得到O(|S|)寻找/插入每个字符串的最坏情况复杂性[其中|S|是该字符串的长度]。请注意，哈希表只允许您使用O(|S|) 的平均情况，其中最坏的情况是O(|S|*n) [其中n 是字典的大小]。当负载平衡过高时，trie 也不需要重新散列。

【讨论】：

【解决方案4】：

假设我们没有使用a perfect hash function（你通常没有），哈希告诉你：

如果哈希值不同，则对象不同
如果哈希值相同，则对象可能相同（如果使用了良好的哈希函数），但可能仍然不同。

所以在哈希表中，冲突将通过一些额外的检查来解决，如果对象实际上是相同的（这会带来一些性能损失，但根据Amdahl's law，你仍然获得了很多，因为冲突很少发生用于良好的散列函数）。在字典中，您只需要解决罕见的碰撞案例并确保取出正确的对象。

使用另一个不完美的哈希函数不会解决任何问题，它只会减少（另一个）冲突的机会。

【讨论】：

“如果哈希值相同，则对象可能相同” - 仅当元素数不超过哈希桶数时才为真。
@TonyDelroy 你是对的，在这种情况下，“可能”和“可能”不是正确的词，因为概率随分布而变化。这就是斜体的原因，但我对此不够具体。