Linux高性能編程—哈希表
大家好，這里是物聯(lián)網(wǎng)心球。
談到Linux高性能編程，我們繞不開高效數(shù)據(jù)結(jié)構(gòu)，今天我們來講解哈希表，哈希表是使用非常廣泛的數(shù)據(jù)結(jié)構(gòu)，很多開源項目都會用到哈希表，Linux內(nèi)核也大量使用了哈希表。
1.什么是哈希表？
在介紹哈希表之前，我們先來思考一個問題：我們?nèi)绾瓮ㄟ^學(xué)生名從學(xué)生信息表中快速查找出學(xué)生信息？
圖片
為了從學(xué)生信息表中快速查找學(xué)生信息，我們需要借助一種高效數(shù)據(jù)結(jié)構(gòu)哈希表來完成。
哈希表（Hash table，也叫散列表），是根據(jù)關(guān)鍵字（Key）直接進行訪問的數(shù)據(jù)結(jié)構(gòu)。它通過把關(guān)鍵字映射到表中一個位置來訪問記錄，以加快查找的速度。這個映射函數(shù)叫做哈希函數(shù)（也叫散列函數(shù)），存放記錄的數(shù)組叫做哈希表。
圖片
哈希表最大的特點就是可以快速實現(xiàn)查找、插入和刪除操作，由于哈希表直接通過關(guān)鍵字映射查找，時間復(fù)雜度接近于O(1)。
哈希表廣泛應(yīng)用于數(shù)據(jù)庫索引、緩存系統(tǒng)、字典實現(xiàn)、計數(shù)器等多種場景。
2.哈希表重要概念
學(xué)習哈希表我們需要掌握幾個重要概念：哈希函數(shù)，哈希沖突，哈希擴容。
2.1 哈希函數(shù)
哈希函數(shù)是將任意長度的輸入消息映射為固定長度輸出的函數(shù)，哈希函數(shù)有很多種構(gòu)造方法：
- 直接定址法：取關(guān)鍵字或關(guān)鍵字的某個線性函數(shù)值為哈希地址，形式為H(key)=key或H(key)=a*key+b（a、b為常數(shù)）。
- 數(shù)字分析法：適用于關(guān)鍵字位數(shù)多且某些位分布不均的情況，通過抽取關(guān)鍵字中分布均勻的若干位作為哈希地址。
- 平方取中法：當關(guān)鍵字中各位分布不均時，可求其平方值并取中間的幾位作為哈希地址。
- 除留余數(shù)法：最常用的方法，形式為H(key)=key mod p（p<m，m為哈希表長）。
- 折疊法：適用于關(guān)鍵字位數(shù)多且分布均勻的情況，將關(guān)鍵字分割后疊加求和作為哈希地址。
- 隨機數(shù)法：取關(guān)鍵字的隨機函數(shù)值作為哈希地址，適用于關(guān)鍵字長度不等的情況。
2.2 哈希沖突
哈希沖突是指不同輸入經(jīng)哈希函數(shù)得到相同輸出。
具體來說，在使用哈希函數(shù)時，可能會出現(xiàn)兩個或更多的輸入值被映射到同一哈希值的情況，這就是哈希沖突。在哈希表中，這種現(xiàn)象會導(dǎo)致不同的鍵被映射到同一個位置，從而可能引發(fā)數(shù)據(jù)丟失或檢索效率下降的問題，因為需要額外的操作來處理這種沖突。
圖片
哈希沖突的發(fā)生是由于哈希函數(shù)將任意長度的輸入轉(zhuǎn)換為固定長度的輸出，而輸出空間通常遠小于輸入空間，因此不同的輸入可能會映射到相同的輸出地址上。
解決哈希沖突的方法包括開放尋址法、鏈表法等。
1）開放尋址法
當哈希表中的一個位置被占用時，此方法會尋找下一個可用的位置來存放數(shù)據(jù)。此方法避免了使用額外的數(shù)據(jù)結(jié)構(gòu)，如鏈表，來存儲具有相同哈希值的鍵值對。
圖片
2）鏈表法
鏈表法通過維護一個鏈表數(shù)組來解決哈希沖突。
每個鏈表頭指針存儲在數(shù)組的一個槽位中，具有相同哈希值的所有元素都將存儲在同一個鏈表中。
這種方法允許哈希表有更高的裝載因子，因為它不受聚集問題的影響。
圖片
2.3 哈希擴容
哈希擴容是哈希表在數(shù)據(jù)量達到一定閾值時增加其容量的過程。
這里需要引入一個概念裝載因子。
哈希表裝載因子 = 插入表中的元素個數(shù) / 哈希表長度
當哈希表中的元素數(shù)量超過設(shè)定的裝載因子與表長度的乘積時，會觸發(fā)擴容操作。哈希擴容的目的是減少哈希沖突，提高查詢和插入效率。
圖片
3.哈希表編程
Linux內(nèi)核很多模塊使用了哈希表，我們參考Linux內(nèi)核哈希表（hlist）來設(shè)計我們自己的哈希表。
哈希表重要數(shù)據(jù)結(jié)構(gòu)如下：
struct hlist_node { //哈希節(jié)點
struct hlist_node *next, **pprev; //后驅(qū)指針，前驅(qū)指針
};
struct hlist_head { //哈希鏈表頭
struct hlist_node *first; //first指針
};
typedef struct pack {
struct hlist_node node; //哈希節(jié)點
int seq; //關(guān)鍵字
} pack_t;
typedef struct hash_table {
char name[24]; //哈希表名稱
int num; //哈希表元素數(shù)量
int size; //哈希表大小
struct hlist_head htable[0]; //哈希表
}hash_table_t;1） 創(chuàng)建哈希表
hash_table_t *hash_table_create(int size) {
hash_table_t *t = (hash_table_t *)malloc(sizeof(hash_table_t) + size * sizeof(struct hlist_head));
if (!t) return NULL;
t->num = 0;
t->size = size;
sprintf(t->name, "%d hash table", size);
for (int i = 0; i < size; i++) {
hlist_head_init(&t->htable[i]);
}
return t;
}哈希表采用柔性數(shù)組htable[0]表示，malloc申請內(nèi)存時，除了申請hash_table_t結(jié)構(gòu)大小內(nèi)存外，還要申請哈希表數(shù)組大小內(nèi)存。
圖片
申請完哈希表數(shù)組后，需通過hlist_head_init函數(shù)對哈希表數(shù)組每個鏈表進行初始化。
2）插入節(jié)點
void hash_table_insert(struct hlist_node *node, int key, hash_table_t *t) {
int index = key & (t->size - 1); //哈希函數(shù)，計算索引值
hlist_add_head(node, &t->htable[index]); //插入節(jié)點
t->num++; //鍵值對加1
printf("%s num/size:%d/%d insert key:%d\n", t->name, t->num, t->size, key);
}
pack_t *pkt = malloc(sizeof(pack_t)); //創(chuàng)建數(shù)據(jù)包節(jié)點
hlist_node_init(&pkt->node); //初始化節(jié)點
pkt->seq = seq; //設(shè)置關(guān)鍵字
hash_table_insert(&pkt->node, pkt->seq, t); //插入哈希表哈希表插入節(jié)點步驟：
- 通過關(guān)鍵字計算出哈希表數(shù)組索引值，通過索引值找到鏈表頭。
- 將節(jié)點插入鏈表頭。
圖片
為了保證哈希表通用性，Linux內(nèi)核通常會把節(jié)點域和數(shù)據(jù)域進行解耦，節(jié)點域只負責完成節(jié)點的插入，查找，刪除，數(shù)據(jù)域可以根據(jù)業(yè)務(wù)需求自行定義。
測試程序中的struct pack結(jié)構(gòu)的node成員為節(jié)點域，seq為數(shù)據(jù)域。
3） 查詢節(jié)點
#define hlist_for_each_safe(pos, n, head) \
for (pos = (head)->first; pos && ({ n = pos->next; 1; }); \
pos = n)
hlist_for_each_safe(pos, n, &t->htable[index]) {
if (pos) {
//查詢成功
}
}哈希表查詢節(jié)點步驟：
- 通過關(guān)鍵字計算出哈希表數(shù)組索引值，通過索引值找到鏈表頭。
- 通過for循環(huán)輪詢鏈表，直到找到關(guān)鍵字匹配成功的節(jié)點。
4） 刪除節(jié)點
void hlist_del_node(struct hlist_node *node) {
struct hlist_node *next = node->next;
struct hlist_node **pprev = node->pprev;
WRITE_ONCE(*pprev, next);
if (next)
WRITE_ONCE(next->pprev, pprev);
}
void hash_table_del(int key, hash_table_t *t, do_del del) {
int index = key & (t->size - 1);
struct hlist_node *pos, *n;
//查詢鏈表
hlist_for_each_safe(pos, n, &t->htable[index]) {
if (pos) {
hlist_del_node(pos); //從鏈表刪除節(jié)點
del(pos); //釋放節(jié)點內(nèi)存
t->num--;
printf("%s num/size:%d/%d del key:%d\n", t->name, t->num, t->size, key);
}
}
}哈希表刪除節(jié)點步驟：
- 通過關(guān)鍵字計算出哈希表數(shù)組索引值，通過索引值找到鏈表頭。
- 通過for循環(huán)輪詢鏈表，通過關(guān)鍵字找到匹配的節(jié)點并刪除節(jié)點。
刪除節(jié)點的步驟和插入節(jié)點的步驟相反。
圖片
5）哈希擴容
void hash_table_resize(hash_table_t *t1, hash_table_t *t2, do_move move) {
printf("%s num/size:%d/%d move to %s num/size:%d/%d\n",
t1->name, t1->num, t1->size,
t2->name, t2->num, t2->size);
struct hlist_node *pos, *n;
for (int i = 0; i < t1->size; i++) { //輪詢舊哈希表每個鏈表
hlist_for_each_safe(pos, n, &t1->htable[i]) {
if (pos) { //查找到生效節(jié)點
hlist_del_node(pos); //刪除節(jié)點
move(pos, t2); //將節(jié)點移至新哈希表
t2->num++;
}
}
}
}
if (t->num > t->size) { //判斷負載因子，觸發(fā)哈希擴容
t2 = hash_table_create(t->size << 1); //新哈希表擴容至2倍
if (!t2) {
printf("hash table create error\n");
return -1;
}
hash_table_resize(t, t2, pack_move); //開始擴容
hash_table_destroy(t, pack_del); //釋放就哈希表
t = t2;
}當哈希表元素越來越多時，此時整個哈希表的插入，查詢，刪除效率會越來越低，通過裝載因子判斷是否需要進行哈希擴容。
哈希擴容步驟：
- 創(chuàng)建新哈希表，新哈希表的大小為舊哈希表的2倍。
- 將舊哈希表的所有節(jié)點通過新哈希函數(shù)移至新哈希表。
- 刪除舊哈希表。
6） 釋放哈希表
void hash_table_destroy(hash_table_t *t, do_del del) {
struct hlist_node *pos, *n;
for (int i = 0; i < t->size; i++) { //刪除哈希表生效節(jié)點
hash_table_del(i, t, del);
}
free(t); //釋放哈希表內(nèi)存
}釋放哈希表需要清空哈希表數(shù)組每個鏈表中的節(jié)點，防止內(nèi)存泄露，最后釋放哈希表。
