什么时候使用哈希表？

Question

在哪些情况下使用哈希表可以提高性能，而在哪些情况下不能？以及不适用哈希表的情况有哪些？

Answer 1

我们使用哈希表来获得 O(1) 的访问时间。想象一本字典。当您在寻找一个词时，例如“快乐”，您会直接跳到“H”。这里的散列函数由起始字母决定。然后你寻找

当您的数据被排序或需要像排序数字一样排序时，使用哈希表是没有意义的。 （字母顺序为 ABCD....XYZ，但如果您切换 A 和 Z，只要您知道它已在您的字典中切换。）

Answer 2

在哪些情况下使用哈希表可以提高性能，哪些情况不能？

如果您有理由关心，请使用哈希表和您正在考虑的任何其他方法来实施，将您的实际数据通过，并衡量哪个表现更好。

也就是说，如果哈希表具有您需要的操作（即您不希望按排序顺序对其进行迭代，或者将其快速与另一个哈希表进行比较），并且具有数百万或更多（数十亿、数万亿...... .) 元素，那么它可能是您的最佳选择，但很大程度上取决于哈希表的实现（尤其是封闭式哈希与开放式哈希的选择）、对象大小、哈希函数质量和计算成本/运行时间）、比较成本，不同缓存级别的计算机内存性能的怪异......简而言之：在重要的时候，即使是有根据的猜测也无法成为比测量更好的选择。

以及在哪些情况下使用哈希表不适用？

主要是在：

• 无法对输入进行散列处理（例如，您获得了二进制 blob，但不知道其中哪些位是重要的，但您确实有一个 int cmp(const T&, const T&) 函数可以用于 std::map )，或

• 可用/可能的哈希函数非常容易发生冲突，或者

• 您希望避免最坏情况下的性能损失：

  • 处理大量哈希冲突元素（可能是由试图使您的软件崩溃或减慢速度的人“设计”的）

  • 调整哈希表的大小：除非预先调整到足够大（使用过多内存时这可能会造成浪费和缓慢），否则大多数实现会不时地超出用于哈希表的数组，然后分配一个更大的数组并复制内容：这可以使导致这种重新散列的特定插入比正常的 O(1) 行为慢得多，即使平均值仍然是 O(1)；如果您在所有情况下都需要更一致的行为，则可以使用平衡二叉树之类的东西

• 您的访问模式非常专业化（例如，经常对具有特定排序顺序的“附近”键的元素进行操作），因此缓存效率对于将它们保持在内存附近的其他存储模型（例如桶排序元素），即使您不完全依赖于排序顺序，例如迭代