哈希表

object类的一些常用方法： 1 public final Class<?> getClass() 获取当期运行时的类。 public int hashCode() 返回该对象的哈希码值。支持此方法是为了提高哈希表（例如 java.util.Hashtable 提供的哈希表）的性能。 hashCode 的常规协定是： 在 Java 应用程序执行期间，在对同一对象多次调用 hashCode 方法时，必须一致地返回相同的整数，前提是将对象进行 equals 比较时所用的信息没有被修改。从某一应用程序的一次执行到同一应用程序的另一次执行，该整数无需保持一致。 如果根据 equals(Object) 方法，两个对象是相等的，那么对这两个对象中的每个对象调用 hashCode 方法都必须生成相同的整数结果。 如果根据 equals(java.lang.Object) 方法，两个对象不相等，那么对这两个对象中的任一对象上调用 hashCode 方法 不 要求一定生成不同的整数结果。但是，程序员应该意识到，为不相等的对象生成不同整数结果可以提高哈希表的性能。 实际上，由 Object 类定义的 hashCode 方法确实会针对不同的对象返回不同的整数。（这一般是通过将该对象的内部地址转换成一个整数来实现的，但是 Java TM 编程语言不需要这种实现技巧。） public boolean

一：java集合的体系结构如下： Java集合大致分为Set、List、Queue、Map四个体系 。Collection： List和Set，Queue继承自Collection接口。 |--List： |--ArrayList |--Vector |--LinkedList |--Set： |--HashSet |--TreeSet |--LinkedHashSet |--Queue： 队列集合，有PriorityQueue类 List：有序且允许元素重复。ArrayList、LinkedList和Vector是三个主要的实现类。 Set：不允许元素重复。HashSet和TreeSet是两个主要的实现类。 Map：也属于集合系统，前两个继承至collection接口，Map为独立接口。Map是key对value的映射集合，其中key列就是一个集合。key不能重复，但是value可以重复。HashMap、Hashtable，TreeMap，LinkedHashMap前三个主要的实现类。 TreeMap是有序的，HashMap和HashTable是无序的。 Hashtable的方法是同步的，HashMap的方法不是同步的。这是两者最主要的区别。 Collection的功能概述： A:添加功能：boolean add(E e)确保此 collection 包含指定的元素（可选操作）。

题目： Given an array of integers, return indices of the two numbers such that they add up to a specific target. You may assume that each input would have exactly one solution, and you may not use the same element twice. Example: Given nums = [2, 7, 11, 15], target = 9, Because nums[0] + nums[1] = 2 + 7 = 9, return [0, 1]. 题意： 给定一个整数数组 nums 和一个目标值 target ，请你在该数组中找出和为目标值的那 两个 整数，并返回他们的数组下标。 你可以假设每种输入只会对应一个答案。但是，你不能重复利用这个数组中同样的元素。 Solution： 方法一：暴力法 Java： 1 public int[] twoSum(int[] nums, int target) { 2 for (int i = 0; i < nums.length; i++) { 3 for (int j = i + 1; j < nums.length; j++) { 4 if (nums

集合 什么是集合 集合（Collection）类是专门用于数据存储和检索的类。这些类提供了对栈（stack）、队列（queue）、列表（list） 和哈希表（hash table）的支持。大多数集合类实现了相同的接口 集合（Collection）类服务于不同的目的，如为元素动态分配内存，基于索引访问列表项等等。这些类创建Object类的对象的集合。在C#中，Object类是所有数据类型的基类 数组是一组有顺序的列表项，集合也是一组有顺序的列表项 数组的大小是固定的，集合大小的动态分配的 常用的集合类 类 描述和用法 动态数组 (Array List) 它代表了可被单独索引的对象的有序集合。它基本上可以替代一个数组。但是，与数组不同的是，您可以使用索引在指定的位置添加和移除项目，动态数组会自动重新调整它的大小。它也允许在列表中进行动态内存分配、增加、搜索、排序各项。 哈希表 （Hasht able） 它使用键来访问集合中的元素。当您使用键访问元素时，则使用哈希表，而且您可以识别一个有用的键值。哈希表中的每一项都有一个键/值对。键用于访问集合中的项目。 排序列表 （Sorte dList） 它可以使用键和索引来访问列表中的项。排序列表是数组和哈希表的组合。它包含一个可使用键或索引访问 各项的列表。如果您使用索引访问各项，则它是一个动态数组（ArrayList），如果您使用键访问各项，则

——日拱一卒，不期而至！ 简介 hash是我们工作中经常听到的词，比如哈希表、哈希函数、hashCode、HashTable、HashMap等等，那么它们之间到底有怎样的爱恨情仇呢？来一起看一看吧~~ 数组 讲哈希表之前，我们先来看看数据结构的鼻祖——数组。 数组比较简单，我就不多说了，大家都会都懂，见下图。 数组的下标一般从0开始，依次往后存储元素，查找元素也是一样，只能从头（或从尾）依次查找元素。 比如，要查找4这个元素，从头开始查找的话需要查找3次，从尾的话也需要2次。 早期的哈希表 上面讲了数组的缺点，查找某个元素只能从头或者从尾依次查找元素，直到匹配为止，它的均衡时间复杂是O(n)。 那么，利用数组有没有什么方法可以快速的查找元素呢？ 聪明的程序员哥哥们想到一种方法，通过哈希函数计算元素的值，用这个值确定元素在数组中的位置，这样时间复杂度就能缩短到O(1)了。 比如，有5个元素分别为3、5、4、1，把它们放入到数组之前先通过哈希函数计算位置，精确放置，而不是像简单数组那样依次放置元素。 假如，这里申请的数组长度为8，我们可以造这么一个哈希函数为hash(x) = x % 8，那么最后的元素就变成了下图这样： 这时候我们再查找4这个元素，先算一下它的hash值为hash(4) = 4 % 8 = 4，所以直接返回4号位置的元素就可以了。 进化的哈希表 事情看着挺完美，但是

底层结构： 在手写HashMap的时候，需要首先弄清楚HashMap底层结构实现原理。HashMap底层采用哈希表实现，其中哈希表相当于“数组+链表”的结构。其结构示意图如下： 采用哈希表实现HashMap的时候，需要首先弄清楚其存储流程。首先创建Entry节点的结构，并且创建指定长度的数组；其次根据哈希函数计算的哈希值确定节点在数组中的存储位置，最后判断数组指定位置是否已有其他节点，并在链表的尾部添加新的节点。其存储流程示意图如下： 源码： Entry类： package cn.csu.hashmap; public class Entry { private int hash; private Object key; private Object value; private Entry next; public Entry() { } public Entry(int hash, Object key, Object value, Entry next) { super(); this.hash = hash; this.key = key; this.value = value; this.next = next; } public int getHash() { return hash; } public void setHash(int hash) { this

简介 一句话简单来说，索引的出现其实就是为了提高数据查询的效率，就像书的目录一样。一本500页的书，如果你想快速找到其中的某一个知识点，在不借助目录的情况下，那我估计你可得找一会儿。同样，对于数据库的表而言，索引其实就是它的“目录”。 索引的常见模型 哈希表 ：哈希表是一种以键-值（key-value）存储数据的结构。处理冲突的方式：链表 特点： 哈希表适用于等值查询的场景，但是在区间查询的速度很慢（因为hash不是有序的） 有序数组 ：有序数组在等值查询和范围场景查询中的性能都非常优秀。 缺点： 有序数组只适用于静态存储引擎。在需要更新数据的时候就麻烦了，你往中间插入一个记录就必须得挪动后面所有的记录，成本太高。 二叉搜索树 ：每个节点的左儿子小于父节点，父节点又小于右儿子。 你可以想象一下一棵100万节点的平衡二叉树，树高20。一次查询可能需要访问20个数据块。在机械硬盘时代，从磁盘随机读一个数据块需要10 ms左右的寻址时间。也就是说，对于一个100万行的表，如果使用二叉树来存储，单独访问一个行可能需要20个10 ms的时间，这个查询可真够慢的。 为了让一个查询尽量少地读磁盘，就必须让查询过程访问尽量少的数据块。那么，我们就不应该使用二叉树，而是要使用“N叉”树。这里，“N叉”树中的“N”取决于数据块的大小。 InnoDB的索引模型 InnoDB使用了B+树索引模型

哈希表 1.介绍 哈希表就是一种以 键-值(key-indexed) 存储数据的结构，我们只要输入待查找的值即key，即可查找到其对应的值。 哈希的思路很简单，如果所有的键都是整数，那么就可以使用一个简单的无序数组来实现：将键作为索引，值即为其对应的值，这样就可以快速访问任意键的值。这是对于简单的键的情况，我们将其扩展到可以处理更加复杂的类型的键。 2.链式哈希表 链式哈希表从根本上说是由一组链表构成。每个链表都可以看做是一个“桶”，我们将所有的元素通过散列的方式放到具体的不同的桶中。插入元素时，首先将其键传入一个哈希函数（该过程称为哈希键），函数通过散列的方式告知元素属于哪个“桶”，然后在相应的链表头插入元素。查找或删除元素时，用同们的方式先找到元素的“桶”，然后遍历相应的链表，直到发现我们想要的元素。因为每个“桶”都是一个链表，所以链式哈希表并不限制包含元素的个数。然而，如果表变得太大，它的性能将会降低。 3.应用场景 我们熟知的缓存技术（比如redis、memcached）的核心其实就是在内存中维护一张巨大的哈希表，还有大家熟知的HashMap、CurrentHashMap等的应用。 ConcurrentHashMap与HashMap等的区别 1.HashMap 我们知道HashMap是线程不安全的，在多线程环境下，使用Hashmap进行put操作会引起死循环

文章目录 1.背景知识 2.图解可扩充散列 3.可扩充散列的代码实现 1.背景知识 不知道，大家听没听说过” 知识图谱 “？ 嘿嘿，没听说过也不要紧，但你一定听说过” 思维导图 “吧？ ”知识图谱“实际上是用图的形式把知识体系描绘出来，以梳理知识与知识之间的关联。 这里给出一个知识图谱的图片 ” 知识图谱 “现已被广泛应用于各个领域，包括 人工智能 领域。 为什么有”知识图谱“的产生？ 尤其是现在，处于一个知识和信息大爆炸的时代，以往积聚了大量的知识，而新的知识又在不断地产生。这些知识有的杂乱无章，有些拥有内在联系。如何对知识进行梳理和管理？”知识图谱“就是来做这件事情的。让知识形成体系，挖掘知识之间的内在联系。 我们来谈 可扩展散列 时，同样按照这种思路：首先，我们不是要搞懂”什么是可扩展散列“，而是要明白”可扩展散列是要解决什么问题“ ”可扩展散列在它所处的知识体系中处于什么位置“。 可扩展散列 (Extendable Hashing)是动态散列（Dynamic Hashing）的一种，动态散列有两种常见的实现方式：可扩展散列 (Extendable Hashing)和线性散列（Linear hashing ）。而与”动态散列“相对应的概念是”静态散列“（Static Hashing）。 不管是静态散列还是动态散列，都是Hash在索引上的运用（ Hashing can be

散列表（上） 1.如何理解散列思想？ 2.有哪些散列函数？ 1 散列函数的定义 2 散列函数设计的基本要求 3.散列冲突的解决方法是什么？ 1. 开放寻址法 2 链表法 4 Word 文档中单词拼写检查功能是如何实现的？ 5. 总结 1.如何理解散列思想？ 散列表的英文叫“Hash Table”，我们平时也叫它“哈希表”或者“Hash 表”; 散列表用的是数组支持按照下标随机访问数据的特性，所以散列表其实就是数组的一种扩展，由数组演化而来。可以说，如果没有数组，就没有散列表。 散列表使用的是数组支持按照下标随机访问的时候，时间复杂度是O(1)的特性； 通过散列函数把元素的键值映射为下标，然后将数据存储在数组中对应的下标的位置； 当按照键值查询元素的时候，用同样的散列函数，间键值转化为数组下标，从对应的数组下标的位置取数据； 2.有哪些散列函数？ 1 散列函数的定义 散列函数在散列表中起着非常关键的作用。 散列函数，顾名思义，它是一个函数。可以把它定义成 hash(key)，其中 key 表示元素的键值，hash(key) 的值表示经过散列函数计算得到的散列值。 2 散列函数设计的基本要求 散列函数计算得到的散列值是一个非负整数； 如果 key1 = key2，那 hash(key1) == hash(key2)； 如果 key1 ≠ key2，那 hash(key1) ≠ hash