哈希表

什么是跳跃表？ 　　SkipList在leveldb、redis以及lucence中都广为使用，是比较高效的数据结构。由于它的代码以及原理实现的简单性，更为人们所接受。我们首先看看SkipList的定义，为什么叫跳跃表？ 跳跃表的理解 　这里元素不多，体现不出优势，如果元素足够多，这种索引结构就能体现出优势来了。 璺宠〃 　其中 -1 表示 INT_MIN， 链表的最小值，1 表示 INT_MAX，链表的最大值。 　跳表具有如下性质： 　　(1) 由很多层结构组成 　　(2) 每一层都是一个有序的链表 　　(3) 最底层(Level 1)的链表包含所有元素 　　(4) 如果一个元素出现在 Level i 的链表中，则它在 Level i 之下的链表也都会出现。 　　(5) 每个节点包含两个指针，一个指向同一链表中的下一个元素，一个指向下面一层的元素。 　例子：查找元素 117 　　(1) 比较 21， 比 21 大，往后面找 　　(2) 比较 37, 比 37大，比链表最大值小，从 37 的下面一层开始找 　　(3) 比较 71, 比 71 大，比链表最大值小，从 71 的下面一层开始找 　　(4) 比较 85， 比 85 大，从后面找 　　(5) 比较 117， 等于 117， 找到了节点。 具体的搜索算法如下： /* 如果存在 x, 返回 x 所在的节点， * 否则返回 x

散列表(也叫哈希表)，是根据关键字值而直接进行访问的数据结构。 通过把关键字值映射到表中一个位置来访问记录，以加快查找的速度。这个映射函数叫做散列函数，存放记录的数组叫做散列表。 散列函数的构造方法： （1）直接定址法 （2）除留余数法 （3）平方取中法 （4）折叠法 （5）数值分析法 本文采用除留余数法构造散列函数。 H(K) = (H(k) + i) % m; 其中i = 1, 2, …， m为哈希表大小。 构造散列函数的目的是减少冲突，但要完全避免冲突是不可能的，只能尽可能减少冲突。 处理冲突的方法： （1）开放定址法 （2）二次探测法 （3）链地址法（拉链法） 开放地址法： 线性探查法：H(K) = (H(k) + i) %d 每次+1，一次循环查找。缺点：容易造成聚集现象 平法探查法：H(K) = (H(k) + ) %d 每次加 ,避免了线性探查的聚集现象，缺点：不能探查到散列表的所有单元，但知道可以探查到散列表的一半单元。 根据原始数组建立一个哈希表，哈希表也为一个数组，且要求哈希表有固定大小。 本文采用 开放定址法处理冲突 ，线性探查法。 当由H(k)算出的位置不为空时，则通过已经构造的散列函数来寻找新的空位置。 从H(k)开始往后逐个搜索空位置，如果后面没有空位置，则从头开始搜索，直到搜索到空位置，或者回到H(k)停止搜索。(回到H(k)则说明搜索失败) 举例

哈希表（k，v）数组，根据相应的哈希算法计算key的下标，返回值就是v存储的数组下标哈希算法:f(K) -> int即为v需要存储的数组下标哈希算法：%16查找，添加元素：O(1)哈希冲突解决办法：哈希算法计算的两个不同对象的哈希值相等的情况eg：1%16==17%16a、开放定址法寻找下一个为null的数组下标，而后将冲突元素存储b、载散列法再次使用一个不同的哈希算法再次计算一次c、链地址法（拉链法）：HashMap使用此方法来解决哈希冲突将所有冲突元素按照链表存储O(1+n)HashMap允许key，value为nullHashtable，key和value都不能为空 空指针异常TreeMap，由于必须实现排序，所以key不能为空，value可以 空指针异常跟据线程安全性：HashMap、TreeMap采用异步处理，线程不安全，性能较高Hashtable采用synchronized同步方法，线程安全，性能较低（锁的是整个哈希表，读读互斥）内部属性负载因子loadFactor，默认为0.75f实际容量 int threshold树化阈值 int TREEIFY――THRESHOLD = 8解除树化阈值 un = 6HashMap采用懒加载策略，第一次put时初始化哈希表 7.HashMap源码解析（负载因子，树化策略，内部hash实现，resize策略..） 8

1.原理简介 哈希查找是通过计算数据元素的存储地址进行查找的一种方法。⑴用给定的哈希函数构造哈希表；⑵根据选择的冲突处理方法解决地址冲突；⑶在哈希表的基础上执行哈希查找。构造哈希函数：直接定址法、数字分析法、平方取中法、折叠法、除留余数法、随机数法。冲突解决：开放定址法、链地址法。 2.代码实现 #define MaxSize 100 //定义最大哈希表长度 #define NULLKEY -1 //定义空关键字值 #define DELKEY -2 //定义被删关键字值 typedef int KeyType; //关键字类型 typedef char InfoType; //其他数据类型 typedef struct { KeyType key; //关键字域 InfoType data; //其他数据域 int count; //探查次数域 }HashTable[MaxSize]; //哈希表类型 void InsertHT(HashTable ha, int &n, KeyType k, int p) //将关键字k插入到哈希表中 { int i, adr; adr = k%p; if (ha[adr].key == NULLKEY || ha[adr].key == DELKEY) { //x[j]可以直接放在哈希表中 ha[adr].key = k; ha[adr]

一、概述 1.1.、其他树背景 　　二叉排序树，平衡二叉树，红黑树等二叉排序树。在大数据量时树高很深，我们不断向下找寻值时会比较很多次。二叉排序树自身是有顺序结构的，每个结点除最小结点和最大结点外都有前驱和后继，不论是排序还是搜索它的综合性能比较好，但是单独在搜索这一方面二叉排序树的性能就可能没有Hash树快。 1.2、基础理论 1.2.1、质数分辨定理 　　什么是质数 ： 即只能被 1 和 本身 整除的数。 　　为什么用质数：因为N个不同的质数可以 ”辨别“ 的连续整数的数量，与这些质数的乘积相同。 　　　　百度文库解答：https://wenku.baidu.com/view/16b2c7abd1f34693daef3e58.html 　　示例、从2起的连续质数，连续10个质数就可以分辨大约M(10) =2*3*5*7*11*13*17*19*23*29= 6464693230 个数，已经超过计算机中常用整数（32bit）的表达范围。连续100个质数就可以分辨大约M(100) = 4.711930 乘以10的219次方。 　　而按照目前的CPU水平，100次取余的整数除法操作几乎不算什么难事。在实际应用中，整体的操作速度往往取决于节点将关键字装载内存的次数和时间。一般来说，装载的时间是由关键字的大小和硬件来决定的；在相同类型关键字和相同硬件条件下

简单说明 hashtable适用于需要频繁插入、删除、查找的场合、在这些场合中hashtable都可以常数平均时间完成、然而之所以hashtable的效率这么高、是因为在以上这些操作时都是通过hash function直接定位元素在表中的位置然后直接操作。不可避免的有一些部分性质或全部性质相同的元素被定位到同一个位置上、这时新的问题产生了：解决冲突。实际上解决方法有很多：像线性探测、二次探测、开链。 线性探测和二次探测实现方法非常相似、线性探测：如果定位的位置已经被占据、那么就 pos+ 1 向下一个位置查看、直到找到一个空位置为止（在表中循环查找）。二次探测：如果位置pos已经被使用、那么下一个查看位置就是pos + 1^2、pos + 2^2、pos + 3^2。 开链：每个表格维护着一个list、hashfuction定位到某个list然后、我们在list上进行插入删除操作。虽然针对list而进行的查找是一种线性操作、但是如果list足够短、效率还是很高的。 使用二次探测、如果假设表格大小为质数（为了减小冲突使用质数、开链法不需要）、而且保证元素个数不得超过桶个数的一半（如果超过就重新配置表格）、那么就可以确定每插入一个新元素所需的探测次数不超过2次。 虽然hashtable在许多操作上效率都很高、但是这也取决于hash函数、如果开链的hashtable

区块链的本质 区块链是什么？一句话，它是一种特殊的分布式数据库。 首先，区块链的主要作用是存储信息。任何需要保存的信息，都可以写入区块链，也可以从里面读取，所以它是数据库。 其次，任何人都可以架设服务器，加入区块链网络，成为一个节点。区块链的世界里面，没有中心节点，每个结点都是平等的，都保存着整个数据库。你可以向任何一个节点，写入/读取数据，因为所有节点最后都会同步，保证区块链一致。 区块链的诞生是为了满足什么需求？还是解决什么问题？ 溯源区块链，我们发现区块链诞生于比特币，是从比特币的技术中衍生出的。 在2008年全球金融危机中，美国政府因为有记账权，所以可以无限增发货币，一位自称中本聪的人觉得这样很不靠谱，于是他想创建一种新型支付体系，大家都有权记账，货币不能超发，整个账本完全公开透明十分公平。 2008年11月1日中本聪在网络上发表了一篇《比特币――一种点对点的电子现金系统》的论文，文中描述了一个全新的电子现金系统 比特币。比特币是一种去中心化的电子现金系统，它解决了在没有中心机构的情况下，总量恒定的数字资产的发行和流通问题，通过比特币系统转账，信息公开透明，可以放心的把比特币转给另一个人，每一笔转账信息都会被全网记录。白皮书的问世，标志着比特币的底层技术区块链的诞生。（这里要着重区分一下Bitcoin和bitcoin，大写的B是代表点对点的电子现金系统，小写的b是指比特币。

索引原理分析：数据结构 索引是最常见的慢查询优化方式 其是一种优化查询的数据结构，MySql中的索引是用B+树实现，而B+树就是一种数据结构，可以优化查询速度，可以利用索引快速查找数据，优化查询。 可以提高查询速度的数据结构： 哈希表、完全平衡二叉树、B树、B+树等等 哈希 不支持范围查询 。 完全平衡二叉树 ：对于数据量大情况，它相比于哈希或者B树、B+树需要 查找次数更多 。 B树 ：比完全平衡二叉树要矮，查询速度更快，所需索引空间更小。 B+树 ：B+树比B树要胖，B+树的非叶子节点会冗余一份在叶子节点中，并且也在 叶子节点会用指针相连 。 B树相比完全平衡二叉树查询次数更少，即有更少的磁盘IO次数，性能更优； B+树是B树的升级版 ，其为了提高范围查找的效率。 总结：Mysql选用B+树这种数据结构作为索引， 可以提高查询索引时的磁盘IO效率，并且可以提高范围查询的效率，并且B+树里的元素也是有序的。 ac也走，但是只走a索引。 为什么哈希表、完全平衡二叉树、B树、B+树都可以优化查询，为何Mysql独独喜欢B+树？ 哈希表有什么特点？ 假如有这么一张表(表名： sanguo )： 现在对 name 字段建立哈希索引： select * from sanguo where name='周瑜' 可以直接对‘周瑜’按哈希算法算出来一个数组下标

这是我见过最详细区别分析了！！！ JDK每一版本都在改进。本文讨论的HashMap和HashTable基于JDK 1.7.0_67。源码见 这里 HashTable产生于JDK 1.1，而HashMap产生于JDK 1.2。从时间的维度上来看，HashMap要比HashTable出现得晚一些。 以下是HashTable的作者： 以下代码及注释来自java.util.HashTable * @author Arthur van Hoff * @author Josh Bloch * @author Neal Gafter 以下是HashMap的作者： 以下代码及注释来自java.util.HashMap * @author Doug Lea * @author Josh Bloch * @author Arthur van Hoff * @author Neal Gafter 可以看到HashMap的作者多了大神Doug Lea。不了解Doug Lea的，可以看 这里 。 HashMap和HashTable都是基于哈希表来实现键值映射的工具类。讨论他们的不同，我们首先来看一下他们暴露在外的API有什么不同。 3.1 Public Method 下面两张图，我画出了HashMap和HashTable的类继承体系，并列出了这两个类的可供外部调用的公开方法。 从图中可以看出

在本篇文章中，我们将区块链剥离到基本部分，并使用Java中的POJO创建一个区块链. 相信大家都听说过加密货币和区块链，以及它们是如何相互关联的（如果你不清晰，可以查阅网站），这是 真实的情况。但它们实际上是互相区别并可以独立存在。加密货币更多的是一种产品，而 区块链是一种促进无信任团体间交易的技术 。 完整的生产型区块链应用非常庞大且复杂，但它的核心是很简单且功能强大的实现。区块链可以包含一个或多个交易的区块集合。每个块被哈希（散列）化，然后哈希配对，哈希再次配对，并再次哈希，直到单个哈希被保留，形成Merkle根。 每个块存储前一个块的哈希，并将区块链接在一起。这可确保所有的区块无法被修改块。 下面我们就用Java，开发最简单的（Hello World）区块链。 这是Java中的简单块表示（POJO）。它将数据保存为一个字符串，但它可以是任何你可以想象到的，包括以太坊风格的智能合约。代码如下： @Getter @ToString } 下面是一个简单的区块链实现，具备基本的验证功能。代码如下： } 文章来源: 用 Java 开发一个区块链