STL hash_map 详解

客官°小女子只卖身不卖艺 2022-07-25 15:55 139阅读 0赞

### 0 为什么需要hash\_map ###

用过map吧？map提供一个很常用的功能，那就是提供key-value的存储和查找功能。例如，我要记录一个人名和相应的存储，而且随时增加，要快速查找和修改：

岳不群－华山派掌门人，人称君子剑
    张三丰－武当掌门人，太极拳创始人
    东方不败－第一高手，葵花宝典
    ...

这些信息如果保存下来并不复杂，但是找起来比较麻烦。例如我要找"张三丰"的信息，最傻的方法就是取得所有的记录，然后按照名字一个一个比较。如果要速度快，就需要把这些记录按照字母顺序排列，然后按照二分法查找。但是增加记录的时候同时需要保持记录有序，因此需要插入排序。考虑到效率，这就需要用到二叉树。讲下去会没完没了，如果你使用STL 的map容器，你可以非常方便的实现这个功能，而不用关心其细节。关于map的数据结构细节，感兴趣的朋友可以参看 [学习STL map, STL set之数据结构基础][STL map_ STL set] 。看看map的实现:

#include <map>
    #include <string>
    using namespace std;
    ...
    map<string, string> namemap;
    
    //增加。。。
    namemap["岳不群"]="华山派掌门人，人称君子剑";
    namemap["张三丰"]="武当掌门人，太极拳创始人";
    namemap["东方不败"]="第一高手，葵花宝典";
    ...
    
    //查找。。
    if(namemap.find("岳不群") != namemap.end()){
            ...
    }

不觉得用起来很easy吗？而且效率很高，100万条记录，最多也只要20次的string.compare的比较，就能找到你要找的记录;200万条记录事，也只要用21次的比较。

速度永远都满足不了现实的需求。如果有100万条记录，我需要频繁进行搜索时，20次比较也会成为瓶颈，要是能降到一次或者两次比较是否有可能？而且当记录数到200万的时候也是一次或者两次的比较，是否有可能？而且还需要和map一样的方便使用。

答案是肯定的。这时你需要has\_map. 虽然hash\_map目前并没有纳入C++ 标准模板库中，但几乎每个版本的STL都提供了相应的实现。而且应用十分广泛。在正式使用hash\_map之前，先看看hash\_map的原理。

### 1 数据结构：hash\_map原理 ###

这是一节让你深入理解hash\_map的介绍，如果你只是想囫囵吞枣，不想理解其原理，你倒是可以略过这一节，但我还是建议你看看，多了解一些没有坏处。

hash\_map基于hash table（哈希表）。 哈希表最大的优点，就是把数据的存储和查找消耗的时间大大降低，几乎可以看成是常数时间；而代价仅仅是消耗比较多的内存。然而在当前可利用内存越来越多的情况下，用空间换时间的做法是值得的。另外，编码比较容易也是它的特点之一。

其基本原理是：使用一个下标范围比较大的数组来存储元素。可以设计一个函数（哈希函数，也叫做散列函数），使得每个元素的关键字都与一个函数值（即数组下标，hash值）相对应，于是用这个数组单元来存储这个元素；也可以简单的理解为，按照关键字为每一个元素“分类”，然后将这个元素存储在相应“类”所对应的地方，称为桶。

但是，不能够保证每个元素的关键字与函数值是一一对应的，因此极有可能出现对于不同的元素，却计算出了相同的函数值，这样就产生了“冲突”，换句话说，就是把不同的元素分在了相同的“类”之中。 总的来说，“直接定址”与“解决冲突”是哈希表的两大特点。

hash\_map，首先分配一大片内存，形成许多桶。是利用hash函数，对key进行映射到不同区域（桶）进行保存。其插入过程是：

1.  得到key
2.  通过hash函数得到hash值
3.  得到桶号(一般都为hash值对桶数求模)
4.  存放key和value在桶内。

其取值过程是:

1.  得到key
2.  通过hash函数得到hash值
3.  得到桶号(一般都为hash值对桶数求模)
4.  比较桶的内部元素是否与key相等，若都不相等，则没有找到。
5.  取出相等的记录的value。

hash\_map中直接地址用hash函数生成，解决冲突，用比较函数解决。这里可以看出，如果每个桶内部只有一个元素，那么查找的时候只有一次比较。当许多桶内没有值时，许多查询就会更快了(指查不到的时候).

由此可见，要实现哈希表, 和用户相关的是：hash函数和比较函数。这两个参数刚好是我们在使用hash\_map时需要指定的参数。

### 2 hash\_map 使用 ###

#### 2.1 一个简单实例 ####

不要着急如何把"岳不群"用hash\_map表示，我们先看一个简单的例子：随机给你一个ID号和ID号相应的信息，ID号的范围是1～2的31次方。如何快速保存查找。

#include <hash_map>
    #include <string>
    using namespace std;
    int main(){
            hash_map<int, string> mymap;
            mymap[9527]="唐伯虎点秋香";
            mymap[1000000]="百万富翁的生活";
            mymap[10000]="白领的工资底线";
            ...
            if(mymap.find(10000) != mymap.end()){
                    ...
            }

够简单，和map使用方法一样。这时你或许会问？hash函数和比较函数呢？不是要指定么？你说对了，但是在你没有指定hash函数和比较函数的时候，你会有一个缺省的函数，看看hash\_map的声明，你会更加明白。下面是SGI STL的声明：

template <class _Key, class _Tp, class _HashFcn = hash<_Key>,
    class _EqualKey = equal_to<_Key>,
    class _Alloc = __STL_DEFAULT_ALLOCATOR(_Tp) >
    class hash_map
    {
            ...
    }

也就是说，在上例中，有以下等同关系：

...
    hash_map<int, string> mymap;
    //等同于:
    hash_map<int, string, hash<int>, equal_to<int> > mymap;

Alloc我们就不要取关注太多了(希望深入了解Allocator的朋友可以参看 [标准库 STL ：Allocator能做什么][STL _Allocator] )

#### 2.2 hash\_map 的hash函数 ####

hash< int>到底是什么样子？看看源码:

struct hash<int> {
            size_t operator()(int __x) const { return __x; }
    };

原来是个函数对象。在SGI STL中，提供了以下hash函数：

struct hash<char*>
    struct hash<const char*>
    struct hash<char> 
    struct hash<unsigned char> 
    struct hash<signed char>
    struct hash<short>
    struct hash<unsigned short> 
    struct hash<int> 
    struct hash<unsigned int>
    struct hash<long> 
    struct hash<unsigned long>

也就是说，如果你的key使用的是以上类型中的一种，你都可以使用缺省的hash函数。当然你自己也可以定义自己的hash函数。对于自定义变量，你只能如此，例如对于string，就必须自定义hash函数。例如：

struct str_hash{
            size_t operator()(const string& str) const
            {
                    unsigned long __h = 0;
                    for (size_t i = 0 ; i < str.size() ; i ++)
                    __h = 5*__h + str[i];
                    return size_t(__h);
            }
    };
    //如果你希望利用系统定义的字符串hash函数，你可以这样写：
    struct str_hash{
            size_t operator()(const string& str) const
            {
                    return __stl_hash_string(str.c_str());
            }
    };

在声明自己的哈希函数时要注意以下几点：

1.  使用struct，然后重载operator().
2.  返回是size\_t
3.  参数是你要hash的key的类型。
4.  函数是const类型的。

如果这些比较难记，最简单的方法就是照猫画虎，找一个函数改改就是了。

现在可以对开头的"岳不群"进行哈希化了 ![smile][] . 直接替换成下面的声明即可：

map<string, string> namemap; 
    //改为：
    hash_map<string, string, str_hash> namemap;

其他用法都不用边。当然不要忘了吧str\_hash的声明以及头文件改为hash\_map。

你或许会问：比较函数呢？别着急，这里就开始介绍hash\_map中的比较函数。

#### 2.3 hash\_map 的比较函数 ####

在map中的比较函数，需要提供less函数。如果没有提供，缺省的也是less< Key> 。在hash\_map中，要比较桶内的数据和key是否相等，因此需要的是是否等于的函数:equal\_to< Key> 。先看看equal\_to的源码：

//本代码可以从SGI STL
    //先看看binary_function 函数声明，其实只是定义一些类型而已。
    template <class _Arg1, class _Arg2, class _Result>
    struct binary_function {
            typedef _Arg1 first_argument_type;
            typedef _Arg2 second_argument_type;
            typedef _Result result_type;
    };
    //看看equal_to的定义：
    template <class _Tp>
    struct equal_to : public binary_function<_Tp,_Tp,bool>
    {
            bool operator()(const _Tp& __x, const _Tp& __y) const { return __x == __y; }
    };

如果你使用一个自定义的数据类型，如struct mystruct, 或者const char\* 的字符串，如何使用比较函数？使用比较函数，有两种方法. 第一种是：重载==操作符，利用equal\_to;看看下面的例子：

struct mystruct{
            int iID;
            int  len;
            bool operator==(const mystruct & my) const{
                    return (iID==my.iID) && (len==my.len) ;
            }
    };

这样，就可以使用equal\_to< mystruct>作为比较函数了。另一种方法就是使用函数对象。自定义一个比较函数体：

struct compare_str{
            bool operator()(const char* p1, const char*p2) const{
                    return strcmp(p1,p2)==0;
            }
    };

有了compare\_str，就可以使用hash\_map了。

typedef hash_map<const char*, string, hash<const char*>, compare_str> StrIntMap;
    StrIntMap namemap;
    namemap["岳不群"]="华山派掌门人，人称君子剑";
    namemap["张三丰"]="武当掌门人，太极拳创始人";
    namemap["东方不败"]="第一高手，葵花宝典";

#### 2.4 hash\_map 函数 ####

hash\_map的函数和map的函数差不多。具体函数的参数和解释，请参看： [STL 编程手册：Hash\_map][STL _Hash_map] ，这里主要介绍几个常用函数。

1.  hash\_map(size\_type n) 如果讲究效率，这个参数是必须要设置的。n 主要用来设置hash\_map 容器中hash桶的个数。桶个数越多，hash函数发生冲突的概率就越小，重新申请内存的概率就越小。n越大，效率越高，但是内存消耗也越大。
2.  const\_iterator find(const key\_type& k) const. 用查找，输入为键值，返回为迭代器。
3.  data\_type& operator\[\](const key\_type& k) . 这是我最常用的一个函数。因为其特别方便，可像使用数组一样使用。不过需要注意的是，当你使用\[key \]操作符时，如果容器中没有key元素，这就相当于自动增加了一个key元素。因此当你只是想知道容器中是否有key元素时，你可以使用find。如果你希望插入该元素时，你可以直接使用\[\]操作符。
4.  insert 函数。在容器中不包含key值时，insert函数和\[\]操作符的功能差不多。但是当容器中元素越来越多，每个桶中的元素会增加，为了保证效率，hash\_map会自动申请更大的内存，以生成更多的桶。因此在insert以后，以前的iterator有可能是不可用的。
5.  erase 函数。在insert的过程中，当每个桶的元素太多时，hash\_map可能会自动扩充容器的内存。但在sgi stl中是erase并不自动回收内存。因此你调用erase后，其他元素的iterator还是可用的。

### 3 相关hash容器 ###

hash 容器除了hash\_map之外，还有hash\_set, hash\_multimap, has\_multiset, 这些容器使用起来和set, multimap, multiset的区别与hash\_map和map的区别一样，我想不需要我一一细说了吧。

### 4 其他 ###

这里列几个常见问题，应该对你理解和使用hash\_map比较有帮助。

#### 4.1 hash\_map和map的区别在哪里？ ####

*  构造函数。hash\_map需要hash函数，等于函数；map只需要比较函数(小于函数).
 *  存储结构。hash\_map采用hash表存储，map一般采用[红黑树(RB Tree)][STL map_ STL set]实现。因此其memory数据结构是不一样的。

#### 4.2 什么时候需要用hash\_map，什么时候需要用map? ####

总体来说，hash\_map 查找速度会比map快，而且查找速度基本和数据数据量大小，属于常数级别;而map的查找速度是log(n)级别。并不一定常数就比log(n)小，hash还有hash函数的耗时，明白了吧，如果你考虑效率，特别是在元素达到一定数量级时，考虑考虑hash\_map。但若你对内存使用特别严格，希望程序尽可能少消耗内存，那么一定要小心，hash\_map可能会让你陷入尴尬，特别是当你的hash\_map对象特别多时，你就更无法控制了，而且hash\_map的构造速度较慢。

现在知道如何选择了吗？权衡三个因素: 查找速度, 数据量, 内存使用。

这里还有个关于hash\_map和map的小故事，看看:[http://dev.csdn.net/Develop/article/14/14019.shtm][http_dev.csdn.net_Develop_article_14_14019.shtm]

#### 4.3 如何在hash\_map中加入自己定义的类型? ####

你只要做两件事, 定义hash函数，定义等于比较函数。下面的代码是一个例子：

-bash-2.05b$ cat my.cpp
    #include <hash_map>
    #include <string>
    #include <iostream>
    
    using namespace std;
    //define the class
    class ClassA{
            public:
            ClassA(int a):c_a(a){}
            int getvalue()const { return c_a;}
            void setvalue(int a){c_a;}
            private:
            int c_a;
    };
    
    //1 define the hash function
    struct hash_A{
            size_t operator()(const class ClassA & A)const{
                    //  return  hash<int>(classA.getvalue());
                    return A.getvalue();
            }
    };
    
    //2 define the equal function
    struct equal_A{
            bool operator()(const class ClassA & a1, const class ClassA & a2)const{
                    return  a1.getvalue() == a2.getvalue();
            }
    };
    
    int main()
    {
            hash_map<ClassA, string, hash_A, equal_A> hmap;
            ClassA a1(12);
            hmap[a1]="I am 12";
            ClassA a2(198877);
            hmap[a2]="I am 198877";
            
            cout<<hmap[a1]<<endl;
            cout<<hmap[a2]<<endl;
            return 0;
    }
    -bash-2.05b$ make my
    c++  -O -pipe -march=pentiumpro  my.cpp  -o my
    -bash-2.05b$ ./my
    I am 12
    I am 198877

#### 4.4如何用hash\_map替换程序中已有的map容器？ ####

这个很容易，但需要你有良好的编程风格。建议你尽量使用typedef来定义你的类型：

typedef map<Key, Value> KeyMap;

当你希望使用hash\_map来替换的时候，只需要修改:

typedef hash_map<Key, Value> KeyMap;

其他的基本不变。当然，你需要注意是否有Key类型的hash函数和比较函数。

#### 4.5为什么hash\_map不是标准的？ ####

具体为什么不是标准的，我也不清楚，有个解释说在STL加入标准C++之时，hash\_map系列当时还没有完全实现，以后应该会成为标准。如果谁知道更合理的解释，也希望告诉我。但我想表达的是，正是因为hash\_map不是标准的，所以许多平台上安装了g++编译器，不一定有hash\_map的实现。我就遇到了这样的例子。因此在使用这些非标准库的时候，一定要事先测试。另外，如果考虑到平台移植，还是少用为佳。

#### 4.6 有学习使用hash\_map的建议吗？ ####

hash中文是哈希，也成为散列，听见别人说散列容器不要埋怨自己孤陋寡闻。了解hash系列，你还可以看看这篇文章: [effective STL 25: 熟悉非标准散列容器][effective STL 25_] , 另外建议查看源代码。如果还有问题，那么你可以在 [STL论坛][STL] 上提问，会有高手回答你的。

[STL map_ STL set]: http://stl.winterxy.com/html/000039.html
[STL _Allocator]: http://www.stlchina.org/twiki/bin/view.pl/Main/STLWhatAllocator
[smile]: http://stlchina.huhoo.net/twiki/pub/TWiki/SmiliesPlugin/smile.gif
[STL _Hash_map]: http://www.stlchina.org/twiki/bin/view.pl/Main/STLHashMap
[http_dev.csdn.net_Develop_article_14_14019.shtm]: http://dev.csdn.net/Develop/article/14/14019.shtm
[effective STL 25_]: http://stl.winterxy.com/html/item_25.html
[STL]: http://www.stlchina.org/bbs/