系列文章目录

STL源码剖析笔记——迭代器
STL源码剖析笔记——vector
STL源码剖析笔记——list
STL源码剖析笔记——deque、stack，queue
STL源码剖析笔记——Binary Heap、priority_queue
STL源码剖析笔记——AVL-tree、RB-tree、set、map、mutiset、mutimap
STL源码剖析笔记——哈希表、unordered_set、unordered_map、unordered_mutiset、unordered_mutimap

---

1. hashtable

  哈希表（hashtable）是一种常见的数据结构，它和红黑树、AVL一样是用来存储数据的。红黑树和AVL查找数据的时间复杂度是O(lgN) ，是对数平均时间。但哈希表的查找效率具有常数平均时间，复杂度是O(1)；
  哈希表的底层是通过数组+hash function来实现常数时间查找效率。首先我们假设哈希表创建了一个大小为10的空间。

数据的存放通过hash function来决定，具体采用除留余数法：

根据这个规则，可以将7，9，11对应存入数组；

但此时如果再想插入17，会发现位置已经被7给占了，这就是发生了哈希冲突。主要有三种方式来解决哈希冲突：
  1.线性探测
  2.二次探测
  3.开链法
线性探测和二次探测属于闭散列，开链法属于开散列。

线性探测

线性探测就是发现当前位置被占之后，顺序向后找，直到找到一个空的位置（如果到数组尾部仍未找到，则回到头部从头找）；


但线性探测有一些无法避免的缺点：
聚集： 线性探测法容易导致聚集（clustering）现象。聚集指的是哈希表中形成连续的、紧密聚集的元素，这使得在插入元素时，发生冲突的概率进一步增加。聚集可能导致更多的线性探测，进而影响性能。

性能下降： 随着哈希表的填充因子增加，线性探测法的性能可能下降。填充因子是指已经存储的元素数量与哈希表大小的比率。填充因子增加会导致冲突的概率上升，进而增加线性探测的次数。

删除困难： 在使用线性探测法的散列表中删除元素可能比较困难。删除操作通常需要标记被删除的元素，否则会影响后续查找。而线性探测法对删除操作的支持相对较弱。

不适用于高负载因子： 当哈希表的负载因子较高时，即填充因子接近1，线性探测法的性能可能急剧下降。高负载因子会导致更频繁的冲突，线性探测的探测次数增多，使得查找、插入和删除的效率都降低。

二次探测

  二次探测的思路和线性探测一样，但这次查找的步长变为了指数：如果hash function计算出来的位置为H并且发生了冲突，就依次尝试H + 1²、H + 2²、H + 3²、H + 4²······

二次探测缓解了线性探测的聚集问题，但也有一定的缺点：

周期性聚集： 二次探测法可能导致周期性聚集问题。如果哈希表的大小是某个4k+3形式的素数，而二次探测的步长为2的幂（例如1, 4, 9, 16等），那么在一定条件下会形成周期性的聚集。这可能导致更多的冲突和性能下降。

容易形成死循环： 在某些情况下，特定的哈希表状态可能导致二次探测进入死循环。例如，如果哈希表中的某个位置发生冲突，而附近的位置也都被占用，那么二次探测可能永远无法找到空槽。

删除困难： 与线性探测法一样，二次探测法在删除操作上也可能比较困难。删除元素可能需要特殊的标记，以确保在查找时能够正确地处理已删除的槽。

不适用于高负载因子： 当哈希表的负载因子较高时，二次探测法的性能可能下降。高负载因子增加了冲突的概率，进而增加了二次探测的次数。

开链法

  STL中的哈希表采用开链法解决哈希冲突问题，开链法在每个单元维护一个单向链表，发生冲突的元素直接接到链表上。同时将数组替换为vector，方便空间扩充。hashtable只有前向迭代器，一个单元的list最后的元素指向下一个单元（即下一个list的头）。

哈希表扩容

闭散列

  我们定义一个负载因子来表示当前散列表的满溢程度：

                负载因子α = 元素个数 / 数组长度

  负载因子越高，当前散列表发生哈希冲突的概率越高，则整体效率越低。一般来说，负载因子超过0.5时要考虑增容。扩容后，由于数组长度发生变化，原数组中的所有元素要重新插入到新哈希表中。

开散列

  桶的个数是一定的，随着元素的不断插入，每个桶中元素的个数不断增多，极端情况下，可能会导致一个桶中链表节点非常多，会影响的哈希表的性能，因此在一定条件下需要对哈希表进行增容。开散列最好的情况是：每个哈希桶中刚好挂一个节点，再继续插入元素时，每一次都会发生哈希冲突，因此，在元素个数刚好等于桶的个数时，可以给哈希表增容。
  扩容后，由于桶的长度发生变化，原数组中的所有元素要重新插入到新哈希表中。

  对于整形数据可以直接进行取模运算，但是如果要存的数据是字符串的类型呢？我们要自己配套实现一个仿函数，如果是int就自己实现int类型的仿函数，如果是string就自己实现string类型的仿函数。然后用仿函数去计算。

2. unordered_set

  unordered_set的底层实现容器是hashtable（哈希表），可以进行高效的搜索、插入和删除操作，时间复杂度是O(1)，unordered_set不允许两个元素有相同的键值。

  unordered_set与set相比，拥有更高的操作效率（set的操作效率是O(logn)），但存入unordered_set是无序的，不能保证输入进来数据的顺序！！！

  unordered_set的操作基本上都是对底层哈希表操作的引用：

begin() 和 end()：返回指向容器中第一个元素和最后一个元素之后的位置的迭代器。size()：返回容器中元素的数量。empty()：检查容器是否为空。如果为空，返回 true，否则返回 false。max_size()：返回容器可以容纳的最大元素数量。insert()：将元素插入到容器中。如果元素已经存在，则不会插入。emplace()：构造并插入元素。与 insert() 类似，但可以直接使用构造函数参数，避免额外的复制或移动操作。erase()：从容器中删除指定的元素。clear()：删除容器中的所有元素。find()：查找容器中是否存在具有指定键的元素。如果找到，则返回指向该元素的迭代器；否则，返回指向容器结尾的迭代器。count()：返回具有指定键的元素的数量。对于 unordered_set，结果只能是 0 或 1。bucket_count()：返回容器中的桶数量。load_factor()：返回容器的负载因子。负载因子是元素数量与桶数量的比值。max_load_factor()：返回或设置容器的最大负载因子。当实际负载因子超过最大负载因子时，容器会自动增加桶数量。rehash()：设置容器的桶数量。当桶数量增加时，容器将重新分配其元素，以保持合适的负载因子。reserve()：设置容器的最小桶数量，以便容纳指定数量的元素，而无需重新哈希。

3. unordered_mutiset

  unordered_multiset的特性以及用法和unordered_set完全相同，唯一的差别在于它允许键值重复(即插入重复的值)。

4. unordered_map

  unordered_map的的底层实现容器是hashtable（哈希表），可以进行高效的搜索、插入和删除操作，时间复杂度是O(1)，map的所有元素都是pair,同时拥有实值(value)和键值(key)。pair的第一元素被视为键值, 第二元素被视为实值。map不允许两个元素拥有相同的键值。

  unordered_map与map相比，拥有更高的操作效率（map的操作效率是O(logn)），但存入unordered_map是无序的，不能保证输入进来数据的顺序！！！

  unordered_map的操作基本上都是对底层哈希表操作的引用：

begin()	返回指向容器中第一个键值对的正向迭代器。
end() 	返回指向容器中最后一个键值对之后位置的正向迭代器。
cbegin()	和 begin() 功能相同，只不过在其基础上增加了 const 属性，即该方法返回的迭代器不能用于修改容器内存储的键值对。
cend()	和 end() 功能相同，只不过在其基础上，增加了 const 属性，即该方法返回的迭代器不能用于修改容器内存储的键值对。
empty()	若容器为空，则返回 true；否则 false。
size()	返回当前容器中存有键值对的个数。
max_size()	返回容器所能容纳键值对的最大个数，不同的操作系统，其返回值亦不相同。
at(key)	返回容器中存储的键 key 对应的值，如果 key 不存在，则会抛出 out_of_range 异常。 
find(key)	查找以 key 为键的键值对，如果找到，则返回一个指向该键值对的正向迭代器；反之，则返回一个指向容器中最后一个键值对之后位置的迭代器（如果 end() 方法返回的迭代器）。
count(key)	在容器中查找以 key 键的键值对的个数。
equal_range(key)	返回一个 pair 对象，其包含 2 个迭代器，用于表明当前容器中键为 key 的键值对所在的范围。
emplace()	向容器中添加新键值对，效率比 insert() 方法高。
emplace_hint()	向容器中添加新键值对，效率比 insert() 方法高。
insert() 	向容器中添加新键值对。
erase()	删除指定键值对。
clear() 	清空容器，即删除容器中存储的所有键值对。
swap()	交换 2 个 unordered_map 容器存储的键值对，前提是必须保证这 2 个容器的类型完全相等。
bucket_count()	返回当前容器底层存储键值对时，使用桶（一个线性链表代表一个桶）的数量。
max_bucket_count()	返回当前系统中，unordered_map 容器底层最多可以使用多少桶。
bucket_size(n)	返回第 n 个桶中存储键值对的数量。
bucket(key)	返回以 key 为键的键值对所在桶的编号。
load_factor()	返回 unordered_map 容器中当前的负载因子。负载因子，指的是的当前容器中存储键值对的数量（size()）和使用桶数（bucket_count()）的比值，即 load_factor() = size() / bucket_count()。
max_load_factor()	返回或者设置当前 unordered_map 容器的负载因子。
rehash(n)	将当前容器底层使用桶的数量设置为 n。
reserve()	将存储桶的数量（也就是 bucket_count() 方法的返回值）设置为至少容纳count个元（不超过最大负载因子）所需的数量，并重新整理容器。
hash_function()	返回当前容器使用的哈希函数对象。

5. unordered_mutimap

  unordered_multimap的特性以及用法和unordered_map完全相同，唯一的差别在于它允许键值重复(即插入重复的值)。