用C实现HashTable

简述HashTable的原理

HashTable是一种数据结构，通过key可以直接的到value，查找值时间总为常数级别O(1)。

原理

HashTable底层是使用了数组实现的。数组只要知道了索引，查找值的速度是很快的，为常数级别O(1)。数组的索引为数组，HashTable通过一个Hash函数，把key(字符串、数字等可哈希的对象)变成数组的索引。然后就像操作数组一样来查值和找值。

我使用的是time33哈希函数，这个函数的原理在这里我就不再叙述了。

用C代码实现为：

unsigned int time33(char *key){
    unsigned int hash = 5381;
    while(*key){
        hash += (hash << 5 ) + (*key++);
    }
    return (hash & 0x7FFFFFFF) % MAX_SIZE;
}

值得注意的是：return (hash & 0x7FFFFFFF) % MAX_SIZE;。正常情况下(hash & 0x7FFFFFFF)输出的数字范围是非常广的，这就会导致HashTable底层的数组需要非常大的长度。(如果Hash函数输出范围是0-10，那么底层数组的长度就需要10，如果数组长度不够则会导致溢出。比如，你输入某个值，计算的索引为8，但你的数组长度只有5，很明显你无法对数组索引为8的值合法的操作。)

所以，这里使用了求余%，限定了输出值的大小必定小于MAX_SIZE。

其次，还需要注意的是哈希冲突。比如对于两个不相同的key计算出了相同的hash。这种事情是绝对会发生的，因为你将一个大的集合映射到小的集合上。解决冲突的方法有很多，这里使用的是链表法。也就是，数组上没一个索引下的值实际上存储的是一个链表。链表的节点才是真正的记录了key和value的容器。

使用图来说明就是：

使用C语言的实现

“table.h”

#ifndef MAX_SIZE
#define MAX_SIZE (1024 ^ 2)
//  定义哈系表的范围(也就是通过time_33哈系后的值在跟MAX_SIZE整除，从而限定了范围)

// 一个捅，由key和value组成，同时next为链表所用[解决哈系冲突]
typedef struct HashNode
{
    char *key;
    char *value;
    struct HashNode *next;  // Hash冲突

} HashNode;

// 一张哈希表，由一个指针组成，该指针起数组作用，内部存储捅的指针
typedef struct HashTable{
    struct HashNode **HashNode;  // 这是一个指针数组
} HashTable;

HashTable *make_HashTable();
HashNode *make_HashNode(char *key, char *value);
int login_node(HashTable *ht, HashNode *hn);
HashNode *find_node(HashTable *ht, char *key);

#endif

在头文件中，我定义了HashNode，也就是链表的节点。以及HashTable，本质上是存储一个以HashNode的指针为值的数组。

HashNode也就是前文所属的桶，或者称他为链表的节点。HashTable也就是前文所属的哈希表，底层由一个数组实现。

“main.c”

#include <stdio.h>
#include "table.h"
#include <stdlib.h>

int main(){
    HashTable *ht = make_HashTable();
    HashNode *tmp1 = make_HashNode("YY","Hello"), *tmp2 = make_HashNode("ZZ","World");
    login_node(ht, tmp1);
    login_node(ht, tmp2);
    printf("YY = %s, ZZ = %s\n", find_node(ht, "YY")->value, find_node(ht, "ZZ")->value);
    return 0;
}

HashTable *make_HashTable(){  // 生成并初始化
    HashTable *tmp = NULL;
    size_t size = sizeof(HashNode) * MAX_SIZE;
    tmp = malloc(sizeof(HashTable));
    tmp->HashNode = malloc(size);
    for(int i = 0; i < MAX_SIZE; i++){
        tmp->HashNode[i] = NULL;  // 初始化
    }
    return tmp;
}

HashNode *make_HashNode(char *key, char *value){  // 生成并初始化
    HashNode *tmp = NULL;
    tmp = malloc(sizeof(HashNode));
    tmp->key = key;
    tmp->value = value;
    tmp->next = NULL;
    return tmp;
}

// 使用time33算法，把key换算成为索引，生成索引的范围在0-MAX_SIZE上[因为有 % MAX_SIZE]
unsigned int time33(char *key){
    unsigned int hash = 5381;
    while(*key){
        hash += (hash << 5 ) + (*key++);
    }
    return (hash & 0x7FFFFFFF) % MAX_SIZE;
}

// 添加一个桶
int login_node(HashTable *ht, HashNode *hn){
    // 检查数据是否合法
    if(hn == NULL){
        return 1;
    }
    else if(ht == NULL){
        return 1;
    }

    // 计算下标
    unsigned int index = time33(hn->key);
    HashNode *base_node = ht->HashNode[index];  // 根据下标拿base节点

    if(base_node == NULL){
        ht->HashNode[index] = hn;  // 无冲突
    }
    else{
        // 有冲突
        while(1){
            if(base_node->next == NULL){  // 迭代找到最后一个节点
                break;
            }
            base_node = base_node->next;  // 迭代
        }
        base_node->next = hn;  // 给链表赋值
    }
    return 0;
}

HashNode *find_node(HashTable *ht, char *key){
    // 检查数据是否合法
    if(ht == NULL){
        return NULL;
    }

    // 计算索引
    unsigned int index = time33(key);
    HashNode *base_node = ht->HashNode[index];  // 根据下标拿base节点

    if(base_node == NULL){  // 没有节点
        return NULL;  // 返回NULL表示无数据
    }
    else{
        while(1){
            if(!strcmp(base_node->key, key)){  // 比较字符串的值，不可以直接使用 == [char *是指针，==只是比较俩字符串的指针是否一致]
                return base_node;
            }
            else if(base_node->next == NULL){  // 迭代找到最后一个节点，依然没有节点
                return NULL;
            }
            base_node = base_node->next;
        }
    }
    return NULL;
}

make_HashTable和make_HashNode用于初始化HashNode和HashTable。先请求内存，然后赋默认值。知道注意的是，HashTable需要提前向分配好数组大小。注意，MAX_SIZE一旦改变，所有的值都需要重新hash。也就是HashTable在扩张的时候，首先要申请一个更大的内存，然后把原本数组上的值重新计算hash，然后填入新的数组中。最后记得要是释放原来的数组。

login_node是往HashTable中添加一个HashNode，首先计算HashNode的key的索引。如果数组该索引下的值为NULL，则把HashNode作为链表根节点，把它的地址保存在数组中。否则，则迭代整个链表到末尾，再追加这个节点。

find_node是从HashTable中根据key读取HashNode。原理其实同login_node一样，先计算key的hash，然后读取数组索引下的值。若为NULL，则表示这个key不存在，否则就迭代链表，对比每个节点的key是否为目标key。

Hash函数

一个好的Hash函数应该具有：运算快速、并且分布均匀的特点。

何为分布均匀？就是输出值要尽量均匀分布，从而减短链表的长度。[如果说，我输入1w个值，输出值总是在100-200的这个范围，而0-100这个范围却很少，那么就说明这个Hash函数可能不是很好的Hash函数]

这里使用了time33算法，是一个不错的Hash函数。

特别提示：这个Demo没有实现删除功能也没有释放内存，不建议直接使用。