具有伪随机散列方法的散列数组的大小

Question

我对设置一个良好且有效的散列数组大小感到困惑。我正在阅读的书说负载因子应该在 75% 左右才能成为一个好的散列数组。但是在我实际尝试测试散列数组放置键之前，我不知道如何从理论上确定数组的大小。在达到最佳散列数组大小方面是否有任何线索或关键提示？大小是否取决于您用于散列的方法？

Answer 1

您的哈希表解决方案应该不依赖于事先知道要放入表中的元素数量。相反，动态增长和收缩是最好的。

建议使用较小的哈希表大小 (

还应该有大约是增长阈值的 1/2 的收缩阈值。

通过使增长和收缩阈值彼此远离，如果您在临界大小附近添加/删除哈希表元素，您可以避免大量工作。

哈希表大小的另一个好处是它们是质数。典型的散列函数由一些预散列函数组成，比如unsigned Hash(unsigned item)，然后使用散列表大小修改结果：BucketIndex = Hash(item)%HashTableSize 如果Hash() 做得不好，一个素数散列表大小可以改善分散性。

对于素值，我建议在您的 Hash 数据结构中保留一个 HashPrime_Index，然后在您需要知道哈希表的大小时使用下表。

static const size_t HashPrime[] = { 0, 2, 3, 7, 13, 31, 61, ... }; // Primes just less than powers of 2.

增长时使用 0, 3, 13, ... 收缩时使用 ..., 61, 13, 2。

当您使用主要哈希表大小时，最佳哈希表大小取决于Hash() 方法。注意：Hash() 应该返回一个大整数。

Answer 2

随着元素数量的增加，您可以重新散列您的哈希表。此过程会更改存储桶的数量。根据细节，这甚至可能是必要的。

1234563容器代表一个桶）。因此，您应该跟踪当前的负载因子（元素数除以存储桶数）并在它变得太大时增大表。

• 如果您使用探测（“开放寻址”），您必须在探测无法找到新元素的空闲位置时重新散列。