衡阳手机网站设计,南宁网站建设服务,韩国手做配件网站,官网建设目标问题引入#xff1a;如何实现一个工业级的散列表#xff1f;
主要要求#xff1a;
设计一个合适的散列函数#xff1b;定义装载因子阈值#xff0c;并且设计动态扩容策略#xff1b;选择合适的散列冲突解决方法。
对于动态散列表来说#xff0c;不管我们如何设计散列函…问题引入如何实现一个工业级的散列表
主要要求
设计一个合适的散列函数定义装载因子阈值并且设计动态扩容策略选择合适的散列冲突解决方法。
对于动态散列表来说不管我们如何设计散列函数选择什么样的散列冲突解决方法。随着数据的不断增加散列表总会出现装载因子过高的情况。这个时候我们就需要启动动态扩容。
散列表碰撞攻击原理
如果精心构造数据使得所有的数据经过散列函数之后都散列到同一个槽里。当使用的是基于链表的冲突解决方法散列表就会退化为链表查询的时间复杂度就从 O(1) 急剧退化为 O(n)。如果散列表中有 10 万个数据退化后的散列表查询的效率就下降了 10 万倍。如果之前运行 100 次查询只需要 0.1 秒那现在就需要 1 万秒。因为查询操作消耗大量 CPU 或者线程资源导致系统无法响应其他请求从而达到拒绝服务攻击DoS的目的这
如何设计一个可以应对各种异常情况的工业级散列表来避免在散列冲突的情况下散列表性能的急剧下降并且能抵抗散列碰撞攻击
好的散列函数
首先不能太复杂。过于复杂的散列函数会消耗很多计算时间影响到散列表性能。其次散列函数生成的值要尽可能随机并且均匀分布避免或者最小化散列冲突并且散列到每个槽里的数据也会比较平均不会出现某个槽内数据特别多的情况。
装载因子过大了怎么办
对于动态散列表来说数据集合是频繁变动的无法预估将要加入的数据个数无法事先申请一个足够大的散列表。随着数据加入装载因子慢慢变大。当装载因子大到一定程度之后散列冲突就会变得不可接受。这个时候如何处理呢—— “动态扩容”吗如何做数组、栈、队列的动态扩容的。针对散列表当装载因子过大时也可以进行动态扩容重新申请一个更大的散列表将数据搬移到这个新散列表中。假设每次扩容我们都申请一个原来散列表大小两倍的空间。那经过扩容之后新散列表的装载因子就下降为原来的一半。针对数组的扩容数据搬移操作比较简单。但是针对散列表的扩容数据搬移操作要复杂很多。因为散列表的大小变了数据的存储位置也变了所以我们需要通过散列函数重新计算每个数据的存储位置。
对于支持动态扩容的散列表插入操作的时间复杂度是多少呢插入一个数据最好情况下不需要扩容最好时间复杂度是 O(1)。最坏情况下散列表装载因子过高启动扩容重新申请内存空间重新计算哈希位置并且搬移数据所以时间复杂度是 O(n)。用摊还分析法均摊情况下时间复杂度接近最好情况就是 O(1)。实际上对于动态散列表随着数据的删除散列表中的数据会越来越少空闲空间会越来越多。
当散列表装载因子超过某个阈值时需要进行扩容。装载因子阈值需要选择得当。如果太大会导致冲突过多如果太小会导致内存浪费严重。装载因子阈值的设置要权衡时间、空间复杂度。如果内存空间不紧张对执行效率要求很高可以降低负载因子的阈值相反如果内存空间紧张对执行效率要求又不高可以增加负载因子的值甚至可以大于 1。
如何避免低效的扩容
大部分情况下动态扩容的散列表插入一个数据都很快但是在特殊情况下当装载因子已经到达阈值需要先进行扩容再插入数据。这个时候插入数据就会变得很慢甚至会无法接受。如果散列表当前大小为 1GB要想扩容为原来的两倍大小那就需要对 1GB 的数据重新计算哈希值并且从原来的散列表搬移到新的散列表很耗时
如果我们的业务代码直接服务于用户尽管大部分情况下插入一个数据的操作都很快但是极个别非常慢的插入操作也会让用户崩溃。这个时候“一次性”扩容的机制就不合适了。为了解决一次性扩容耗时过多的情况将扩容操作穿插在插入操作的过程中分批完成。当装载因子触达阈值之后只申请新空间但并不将老的数据搬移到新散列表中。当有新数据要插入时将新数据插入新散列表中并且从老的散列表中拿出一个数据放入到新散列表。每次插入一个数据到散列表都重复上面的过程。经过多次插入操作之后老散列表中数据就一点一点全部搬移到新散列表中。这样没有了集中的一次性数据搬移插入操作就都变得很快了。 如何选择冲突解决方法
开放寻址法和链表法在实际的软件开发中都非常常用。Java 中 LinkedHashMap 就采用了链表法解决冲突ThreadLocalMap 是通过线性探测的开放寻址法来解决冲突。
这两种冲突解决方法各有什么优势和劣势又各自适用哪些场景
1. 开放寻址法
优点
开放寻址法不需要拉很多链表。散列表中的数据都存储在数组中可以有效地利用 CPU 缓存加快查询速度。序列化起来比较简单。链表法包含指针序列化起来就没那么容易。序列化很多场合都会用到。
缺点
用开放寻址法解决冲突的散列表删除数据的时候比较麻烦需要特殊标记已经删除掉的数据。在开放寻址法中所有的数据都存储在一个数组中比起链表法来说冲突的代价更高。使用开放寻址法解决冲突的散列表装载因子的上限不能太大。比链表法更浪费内存空间。
总结一下“”当数据量比较小、装载因子小的时候适合采用开放寻址法。这也是 Java 中的ThreadLocalMap使用开放寻址法解决散列冲突的原因。
2. 链表法
优点
链表法对内存的利用率比开放寻址法要高。链表结点可以在需要的时候再创建并不需要事先申请。这也是链表优于数组的地方。链表法比起开放寻址法对大装载因子的容忍度更高。开放寻址法只能适用装载因子小于 1 的情况。接近 1 时就可能会有大量的散列冲突导致大量的探测、再散列等性能会下降很多。链表法只要散列函数的值随机均匀即便装载因子变成 10也就是链表的长度变长虽然查找效率有所下降但是比起顺序查找还是快很多。
缺点
链表因为要存储指针所以对于比较小的对象的存储是比较消耗内存的还有可能会让内存的消耗翻倍。链表中的结点是零散分布在内存中不是连续的对 CPU 缓存是不友好的这方面对于执行效率也有一定的影响。
当然如果我们存储的是大对象存储的对象的大小远远大于一个指针的大小4个字节或者 8 个字节那链表中指针的内存消耗在大对象面前就可以忽略了。实际上对链表法稍加改造可以实现一个更加高效的散列表。将链表法中的链表改造为其他高效的动态数据结构比如跳表、红黑树。这样即便出现散列冲突极端情况下所有的数据都散列到同一个桶内那最终退化成的散列表的查找时间也只不过是 O(logn)。这样也就有效避免了前面讲到的散列碰撞攻击。 工业级散列表举例分析-hashmap
Java 中的 HashMa是怎么应用
1. 初始大小HashMap 默认的初始大小是 16默认值是可以设置的如果事先知道大概的数据量有多大可以通过修改默认初始大小减少动态扩容的次数这样会大大提高 HashMap 的性能。
2. 装载因子和动态扩容最大装载因子默认是 0.75当 HashMap 中元素个数超过 0.75*capacitycapacity 表示散列表的容量的时候就会启动扩容每次扩容都会扩容为原来的两倍大小。
3. 散列冲突解决方法HashMap 底层采用链表法来解决冲突。即使负载因子和散列函数设计得再合理也免不了会出现拉链过长的情况一旦出现拉链过长则会严重影响 HashMap 的性能。在 JDK1.8 版本中对 HashMap 做进一步优化引入了红黑树。而当链表长度太长默认超过 8时链表就转换为红黑树。可以利用红黑树快速增删改查的特点提高 HashMap 的性能。当红黑树结点个数少于 8 个的时候又会将红黑树转化为链表。因为在数据量较小的情况下红黑树要维护平衡比起链表来性能上的优势并不明显。
4. 散列函数散列函数的设计并不复杂追求的是简单高效、分布均匀。 int hash(Object key) { int h key.hashCode() return (h ^ (h 16)) (capicity -1); //capicity表示散列表的大小 }
其中hashCode() 返回的是 Java 对象的 hash code
