0 為什麼需要hash_map

用過map吧？map提供一個很常用的功能，那就是提供key-value的儲存和查詢功能。例如，我要記錄一個人名和相應的儲存，而且隨時增加，要快速查詢和修改：

嶽不群－華山派掌門人，人稱君子劍
張三丰－武當掌門人，太極拳創始人
東方不敗－第一高手，葵花寶典
...

這些資訊如果儲存下來並不複雜，但是找起來比較麻煩。例如我要找"張三丰"的資訊，最傻的方法就是取得所有的記錄，然後按照名字一個一個比較。如果要速度快，就需要把這些記錄按照字母順序排列，然後按照二分法查詢。但是增加記錄的時候同時需要保持記錄有序，因此需要插入排序。考慮到效率，這就需要用到二叉樹。講下去會沒完沒了，如果你使用STL 的map容器，你可以非常方便的實現這個功能，而不用關心其細節。關於map的

#include <map>
#include <string>
using namespace std;
...
map<string, string> namemap;

//增加。。。
namemap["嶽不群"]="華山派掌門人，人稱君子劍";
namemap["張三丰"]="武當掌門人，太極拳創始人";
namemap["東方不敗"]="第一高手，葵花寶典";
...

//查詢。。
if(namemap.find("嶽不群") != namemap.end()){
        ...
}

不覺得用起來很easy嗎？而且效率很高，100萬條記錄，最多也只要20次的string.compare的比較，就能找到你要找的記錄;200萬條記錄事，也只要用21次的比較。

速度永遠都滿足不了現實的需求。如果有100萬條記錄，我需要頻繁進行搜尋時，20次比較也會成為瓶頸，要是能降到一次或者兩次比較是否有可能？而且當記錄數到200萬的時候也是一次或者兩次的比較，是否有可能？而且還需要和map一樣的方便使用。

答案是肯定的。這時你需要has_map. 雖然hash_map目前並沒有納入C++ 標準模板庫中，但幾乎每個版本的STL都提供了相應的實現。而且應用十分廣泛。在正式使用hash_map之前，先看看hash_map的原理。

1 資料結構：hash_map原理

這是一節讓你深入理解hash_map的介紹，如果你只是想囫圇吞棗，不想理解其原理，你倒是可以略過這一節，但我還是建議你看看，多瞭解一些沒有壞處。

hash_map基於hash table（雜湊表）。 雜湊表最大的優點，就是把資料的儲存和查詢消耗的時間大大降低，幾乎可以看成是常數時間；而代價僅僅是消耗比較多的記憶體。然而在當前可利用記憶體越來越多的情況下，用空間換時間的做法是值得的。另外，編碼比較容易也是它的特點之一。

其基本原理是：使用一個下標範圍比較大的陣列來儲存元素。可以設計一個函式（雜湊函式，也叫做雜湊函式），使得每個元素的關鍵字都與一個函式值（即陣列下標，hash值）相對應，於是用這個陣列單元來儲存這個元素；也可以簡單的理解為，按照關鍵字為每一個元素“分類”，然後將這個元素儲存在相應“類”所對應的地方，稱為桶。

但是，不能夠保證每個元素的關鍵字與函式值是一一對應的，因此極有可能出現對於不同的元素，卻計算出了相同的函式值，這樣就產生了“衝突”，換句話說，就是把不同的元素分在了相同的“類”之中。 總的來說，“直接定址”與“解決衝突”是雜湊表的兩大特點。

hash_map，首先分配一大片記憶體，形成許多桶。是利用hash函式，對key進行對映到不同區域（桶）進行儲存。其插入過程是：

1. 得到key
2. 通過hash函式得到hash值
3. 得到桶號(一般都為hash值對桶數求模)
4. 存放key和value在桶內。

其取值過程是:

1. 得到key
2. 通過hash函式得到hash值
3. 得到桶號(一般都為hash值對桶數求模)
4. 比較桶的內部元素是否與key相等，若都不相等，則沒有找到。
5. 取出相等的記錄的value。

hash_map中直接地址用hash函式生成，解決衝突，用比較函式解決。這裡可以看出，如果每個桶內部只有一個元素，那麼查詢的時候只有一次比較。當許多桶內沒有值時，許多查詢就會更快了(指查不到的時候).

由此可見，要實現雜湊表, 和使用者相關的是：hash函式和比較函式。這兩個引數剛好是我們在使用hash_map時需要指定的引數。

2 hash_map 使用

2.1 一個簡單例項

不要著急如何把"嶽不群"用hash_map表示，我們先看一個簡單的例子：隨機給你一個ID號和ID號相應的資訊，ID號的範圍是1～2的31次方。如何快速儲存查詢。

#include <hash_map>
#include <string>
using namespace std;
int main(){
        hash_map<int, string> mymap;
        mymap[9527]="唐伯虎點秋香";
        mymap[1000000]="百萬富翁的生活";
        mymap[10000]="白領的工資底線";
        ...
        if(mymap.find(10000) != mymap.end()){
                ...
        }

夠簡單，和map使用方法一樣。這時你或許會問？hash函式和比較函式呢？不是要指定麼？你說對了，但是在你沒有指定hash函式和比較函式的時候，你會有一個預設的函式，看看hash_map的宣告，你會更加明白。下面是SGI STL的宣告：

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

也就是說，在上例中，有以下等同關係：

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

Alloc我們就不要取關注太多了(希望深入瞭解Allocator的朋友可以參看標準庫 STL ：Allocator能做什麼)

2.2 hash_map 的hash函式

hash< int>到底是什麼樣子？看看原始碼:

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

原來是個函式物件。在SGI STL中，提供了以下hash函式：

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>

也就是說，如果你的key使用的是以上型別中的一種，你都可以使用預設的hash函式。當然你自己也可以定義自己的hash函式。對於自定義變數，你只能如此，例如對於string，就必須自定義hash函式。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);
        }
};
//如果你希望利用系統定義的字串hash函式，你可以這樣寫：
struct str_hash{
        size_t operator()(const string& str) const
        {
                return __stl_hash_string(str.c_str());
        }
};

在宣告自己的雜湊函式時要注意以下幾點：

1. 使用struct，然後過載operator().
2. 返回是size_t
3. 引數是你要hash的key的型別。
4. 函式是const型別的。

如果這些比較難記，最簡單的方法就是照貓畫虎，找一個函式改改就是了。

現在可以對開頭的"嶽不群"進行雜湊化了  . 直接替換成下面的宣告即可：

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

其他用法都不用邊。當然不要忘了吧str_hash的宣告以及標頭檔案改為hash_map。

你或許會問：比較函式呢？彆著急，這裡就開始介紹hash_map中的比較函式。

2.3 hash_map 的比較函式

在map中的比較函式，需要提供less函式。如果沒有提供，預設的也是less< Key> 。在hash_map中，要比較桶內的資料和key是否相等，因此需要的是是否等於的函式:equal_to< Key> 。先看看equal_to的原始碼：

//本程式碼可以從SGI STL
//先看看binary_function 函式宣告，其實只是定義一些型別而已。
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的定義：
template <class _Tp>
struct equal_to : public binary_function<_Tp,_Tp,bool>
{
        bool operator()(const _Tp& __x, const _Tp& __y) const { return __x == __y; }
};

如果你使用一個自定義的資料型別，如struct mystruct, 或者const char* 的字串，如何使用比較函式？使用比較函式，有兩種方法. 第一種是：過載==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) ;
        }
};

這樣，就可以使用equal_to< mystruct>作為比較函數了。另一種方法就是使用函式物件。自定義一個比較函式體：

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["嶽不群"]="華山派掌門人，人稱君子劍";
namemap["張三丰"]="武當掌門人，太極拳創始人";
namemap["東方不敗"]="第一高手，葵花寶典";

2.4 hash_map 函式

hash_map的函式和map的函式差不多。具體函式的引數和解釋，請參看：STL 程式設計手冊：Hash_map，這裡主要介紹幾個常用函式。

1. hash_map(size_type n) 如果講究效率，這個引數是必須要設定的。n 主要用來設定hash_map 容器中hash桶的個數。桶個數越多，hash函式發生衝突的概率就越小，重新申請記憶體的概率就越小。n越大，效率越高，但是記憶體消耗也越大。
2. const_iterator find(const key_type& k) const. 用查詢，輸入為鍵值，返回為迭代器。
3. data_type& operator[](const key_type& k) . 這是我最常用的一個函式。因為其特別方便，可像使用陣列一樣使用。不過需要注意的是，當你使用[key ]操作符時，如果容器中沒有key元素，這就相當於自動增加了一個key元素。因此當你只是想知道容器中是否有key元素時，你可以使用find。如果你希望插入該元素時，你可以直接使用[]操作符。
4. insert 函式。在容器中不包含key值時，insert函式和[]操作符的功能差不多。但是當容器中元素越來越多，每個桶中的元素會增加，為了保證效率，hash_map會自動申請更大的記憶體，以生成更多的桶。因此在insert以後，以前的iterator有可能是不可用的。
5. erase 函式。在insert的過程中，當每個桶的元素太多時，hash_map可能會自動擴充容器的記憶體。但在sgi stl中是erase並不自動回收記憶體。因此你呼叫erase後，其他元素的iterator還是可用的。

3 相關hash容器

hash 容器除了hash_map之外，還有hash_set, hash_multimap, has_multiset, 這些容器使用起來和set, multimap, multiset的區別與hash_map和map的區別一樣，我想不需要我一一細說了吧。

4 其他

這裡列幾個常見問題，應該對你理解和使用hash_map比較有幫助。

4.1 hash_map和map的區別在哪裡？

• 建構函式。hash_map需要hash函式，等於函式；map只需要比較函式(小於函式).
• 儲存結構。hash_map採用hash表儲存，map一般採用紅黑樹(RB Tree)實現。因此其memory資料結構是不一樣的。

4.2 什麼時候需要用hash_map，什麼時候需要用map?

總體來說，hash_map 查詢速度會比map快，而且查詢速度基本和資料資料量大小，屬於常數級別;而map的查詢速度是log(n)級別。並不一定常數就比log(n)小，hash還有hash函式的耗時，明白了吧，如果你考慮效率，特別是在元素達到一定數量級時，考慮考慮hash_map。但若你對記憶體使用特別嚴格，希望程式儘可能少消耗記憶體，那麼一定要小心，hash_map可能會讓你陷入尷尬，特別是當你的hash_map物件特別多時，你就更無法控制了，而且hash_map的構造速度較慢。

現在知道如何選擇了嗎？權衡三個因素: 查詢速度, 資料量, 記憶體使用。

4.3 如何在hash_map中加入自己定義的型別?

你只要做兩件事, 定義hash函式，定義等於比較函式。下面的程式碼是一個例子：

-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替換程式中已有的map容器？

這個很容易，但需要你有良好的程式設計風格。建議你儘量使用typedef來定義你的型別：

typedef map<Key, Value> KeyMap;

當你希望使用hash_map來替換的時候，只需要修改:

typedef hash_map<Key, Value> KeyMap;

其他的基本不變。當然，你需要注意是否有Key型別的hash函式和比較函式。

4.5為什麼hash_map不是標準的？

具體為什麼不是標準的，我也不清楚，有個解釋說在STL加入標準C++之時，hash_map系列當時還沒有完全實現，以後應該會成為標準。如果誰知道更合理的解釋，也希望告訴我。但我想表達的是，正是因為hash_map不是標準的，所以許多平臺上安裝了g++編譯器，不一定有hash_map的實現。我就遇到了這樣的例子。因此在使用這些非標準庫的時候，一定要事先測試。另外，如果考慮到平臺移植，還是少用為佳。

常見問題：

本來想用hash_map實現大數量的快速查詢，後來發現效率並不快，而且有些問題也很不解，比如看如下程式碼：

C/C++ code

#include <iostream> #include <hash_map.h>usingnamespace std; int main(){ hash_map<int,string> hm(3); //初始化hash_map的桶的個數hm.insert(make_pair(0,"hello")); hm.insert(make_pair(1,"ok")); hm.insert(make_pair(2,"bye")); hm.insert(make_pair(3,"world")); cout<<hm.size()<<endl; cout<<hm.bucket_count()<<endl; return0; }

輸出結果：
4
53
對這個結果很疑惑，明明我定義了桶的個數，為什麼後面得到桶的個數為53？
hash_map預設對int型別的Key如何hash，hash函式是什麼？
如何使得查詢能更高效？可以用空間來換

各位大俠請教啊

這是我對hash的曾經的一點嘗試，僅供參考：

C/C++ code

#include <iostream> #include <map> #include <string> #ifdef __GNUC__ #include <ext/hash_map>#else #include <hash_map>#endif #ifdef __GXX_EXPERIMENTAL_CXX0X__ #include <unordered_map>#endifnamespace std { usingnamespace __gnu_cxx; } namespace __gnu_cxx { template<>struct hash< std::string> { size_t operator()( const std::string& x ) const { return hash<constchar*>()(x.c_str()); } }; } int main() { std::map<std::string, std::string> stdMap; stdMap["_GLIBCXX_STD"] ="std"; stdMap["_GLIBCXX_BEGIN_NESTED_NAMESPACE"] ="+namespace"; stdMap["_GLIBCXX_BEGIN_NAMESPACE"] ="+namespace"; stdMap["_GLIBCXX_END_NESTED_NAMESPACE"] ="}"; stdMap["_GLIBCXX_END_NAMESPACE"] ="}"; stdMap["_GLIBCXX_END_NAMESPACE_TR1"] ="}"; stdMap["_GLIBCXX_BEGIN_NAMESPACE_TR1"] ="-namespace tr1 {"; stdMap["_GLIBCXX_STD2"] ="2std"; stdMap["_GLIBCXX_BEGIN_NESTED_NAMESPACE2"] ="2+namespace"; stdMap["_GLIBCXX_BEGIN_NAMESPACE2"] ="2+namespace"; stdMap["_GLIBCXX_END_NESTED_NAMESPACE2"] ="2}"; stdMap["_GLIBCXX_END_NAMESPACE2"] ="2}"; stdMap["_GLIBCXX_END_NAMESPACE_TR12"] ="2}"; stdMap["_GLIBCXX_BEGIN_NAMESPACE_TR12"] ="2-namespace tr1 {"; stdMap["_XXGLIBCXX_END_NAMESPACE_TR12"] ="X2}"; stdMap["_XXGLIBCXX_BEGIN_NAMESPACE_TR12"] ="X2-namespace tr1 {"; std::hash_map<std::string, std::string> hashMap; hashMap["_GLIBCXX_STD"] ="std"; hashMap["_GLIBCXX_BEGIN_NESTED_NAMESPACE"] ="+namespace"; hashMap["_GLIBCXX_BEGIN_NAMESPACE"] ="+namespace"; hashMap["_GLIBCXX_END_NESTED_NAMESPACE"] ="}"; hashMap["_GLIBCXX_END_NAMESPACE"] ="}"; hashMap["_GLIBCXX_END_NAMESPACE_TR1"] ="}"; hashMap["_GLIBCXX_BEGIN_NAMESPACE_TR1"] ="-namespace tr1 {"; hashMap["_GLIBCXX_STD2"] ="2std"; hashMap["_GLIBCXX_BEGIN_NESTED_NAMESPACE2"] ="2+namespace"; hashMap["_GLIBCXX_BEGIN_NAMESPACE2"] ="2+namespace"; hashMap["_GLIBCXX_END_NESTED_NAMESPACE2"] ="2}"; hashMap["_GLIBCXX_END_NAMESPACE2"] ="2}"; hashMap["_GLIBCXX_END_NAMESPACE_TR12"] ="2}"; hashMap["_GLIBCXX_BEGIN_NAMESPACE_TR12"] ="2-namespace tr1 {"; hashMap["_XXGLIBCXX_END_NAMESPACE_TR12"] ="X2}"; hashMap["_XXGLIBCXX_BEGIN_NAMESPACE_TR12"] ="X2-namespace tr1 {"; #ifdef __GXX_EXPERIMENTAL_CXX0X__ std::unordered_map<std::string, std::string> unorderedMap; unorderedMap["_GLIBCXX_STD"] ="std"; unorderedMap["_GLIBCXX_BEGIN_NESTED_NAMESPACE"] ="+namespace"; unorderedMap["_GLIBCXX_BEGIN_NAMESPACE"] ="+namespace"; unorderedMap["_GLIBCXX_END_NESTED_NAMESPACE"] ="}"; unorderedMap["_GLIBCXX_END_NAMESPACE"] ="}"; unorderedMap["_GLIBCXX_END_NAMESPACE_TR1"] ="}"; unorderedMap["_GLIBCXX_BEGIN_NAMESPACE_TR1"] ="-namespace tr1 {"; unorderedMap["_GLIBCXX_STD2"] ="2std"; unorderedMap["_GLIBCXX_BEGIN_NESTED_NAMESPACE2"] ="2+namespace"; unorderedMap["_GLIBCXX_BEGIN_NAMESPACE2"] ="2+namespace"; unorderedMap["_GLIBCXX_END_NESTED_NAMESPACE2"] ="2}"; unorderedMap["_GLIBCXX_END_NAMESPACE2"] ="2}"; unorderedMap["_GLIBCXX_END_NAMESPACE_TR12"] ="2}"; unorderedMap["_GLIBCXX_BEGIN_NAMESPACE_TR12"] ="2-namespace tr1 {"; unorderedMap["_XXGLIBCXX_END_NAMESPACE_TR12"] ="X2}"; unorderedMap["_XXGLIBCXX_BEGIN_NAMESPACE_TR12"] ="X2-namespace tr1 {"; #endiffor (int i =0; i <5; ++i) { const clock_t t = clock(); for (int j =0; j <1000000; ++j) stdMap.find("testfindkey"); std::cout <<"stdMap "<< i +1<<" : "<< clock() - t << std::endl; } std::cout <<"/n---------------/n"<< std::endl; for (int i =0; i <5; ++i) { const clock_t t = clock(); for (int j =0; j <1000000; ++j) hashMap.find("testfindkey"); std::cout <<"hashMap "<< i +1<<" : "<< clock() - t << std::endl; } #ifdef __GXX_EXPERIMENTAL_CXX0X__ std::cout <<"/n---------------/n"<< std::endl; for (int i =0; i <5; ++i) { const clock_t t = clock(); for (int j =0; j <1000000; ++j) unorderedMap.find("testfindkey"); std::cout <<"unorderedMap "<< i +1<<" : "<< clock() - t << std::endl; } #endifreturn0; } 如果你使用的vc自帶的hash函式，那麼它的定義中如下：

C/C++ code

template<class _Kty, class _Pr = less>class hash_compare1 { // traits class for hash containerspublic: //const static long lBucketSize = 0;enum { // parameters for hash table bucket_size =4, // 0 < bucket_size min_buckets =8// min_buckets = 2 ^^ N, 0 < N }; 。。。

每次增長會2倍增加預分配記憶體，你的hash_map是哪個版本的？