0 為什么需要hash_map

map提供一個很常用的功能，實現使用了紅黑樹,效率很高，100萬條記錄，最多也只要20次的比較，就能找到你要找的記錄;200萬條記錄事，也只要用21次的比較。

has_map只需要一兩次比較.雖然hash_map目前并沒有納入C++ 標準模板庫中，但幾乎每個版本的STL都提供了相應的實現。而且應用十分廣泛。

1 數據結構：hash_map原理

hash_map基于hash table（哈希表）。 哈希表最大的優點，就是把數據的存儲和查找消耗的時間大大降低，幾乎可以看成是常數時間；而代價僅僅是消耗比較多的內存。

其基本原理是：使用一個下標范圍比較大的數組來存儲元素。可以設計一個函數（哈希函數，也叫做散列函數），使得每個元素的關鍵字都與一個函數值（即數組下標，hash值）相對應，于是用這個數組單元來存儲這個元素；也可以簡單的理解為，按照關鍵字為每一個元素“分類”，然后將這個元素存儲在相應“類”所對應的地方，稱為桶。

但是，不能夠保證每個元素的關鍵字與函數值是一一對應的，因此極有可能出現對于不同的元素，卻計算出了相同的函數值，這樣就產生了“沖突”，換句話說，就是把不同的元素分在了相同的“類”之中。 總的來說，“直接定址”與“解決沖突”是哈希表的兩大特點。

hash_map，首先分配一大片內存，形成許多桶。是利用hash函數，對key進行映射到不同區域（桶）進行保存。其插入過程是：

1. 得到key
2. 通過hash函數得到hash值
3. 得到桶號(一般都為hash值對桶數求模)
4. 存放key和value在桶內。

其取值過程是:

1. 得到key
2. 通過hash函數得到hash值
3. 得到桶號(一般都為hash值對桶數求模)
4. 比較桶的內部元素是否與key相等，若都不相等，則沒有找到。
5. 取出相等的記錄的value。

hash_map中直接地址用hash函數生成，解決沖突，用比較函數解決。這里可以看出，如果每個桶內部只有一個元素，那么查找的時候只有一次比較。當許多桶內沒有值時，許多查詢就會更快了(指查不到的時候).

由此可見，要實現哈希表, 和用戶相關的是：hash函數和比較函數。這兩個參數剛好是我們在使用hash_map時需要指定的參數。

2 hash_map 使用

2.1 一個簡單實例

#include <hash_map>
#include <string>
using namespace std;
int main(){
hash_map<int, string> mymap;
mymap[9527]="唐伯虎點秋香";
mymap[1000000]="百萬富翁的生活";
mymap[10000]="白領的工資底線";
...
if(mymap.find(10000) != mymap.end()){
...
}

和map使用方法一樣。在你沒有指定hash函數和比較函數的時候，你會有一個缺省的函數，看看hash_map的聲明，你會更加明白。下面是SGI STL的聲明：

template <class _Key, class _Tp, class _HashFcn = hash<_Key>,
class _EqualKey = equal_to<_Key>,
class _Alloc = __STL_DEFAULT_ALLOCATOR(_Tp) >
class hash_map
{
...
}

2.2 hash_map 的hash函數

struct hash<int> {
size_t operator()(int __x) const { return __x; }
};

原來是個函數對象。在SGI STL中，提供了以下hash函數：

struct hash<char*>
struct hash<const char*>
struct hash<char>
struct hash<unsigned char>
struct hash<signed char>
struct hash<short>
struct hash<unsigned short>
struct hash<int>
struct hash<unsigned int>
struct hash<long>
struct hash<unsigned long>

也就是說，如果你的key使用的是以上類型中的一種，你都可以使用缺省的hash函數。當然你自己也可以定義自己的hash函數。對于自定義變量，你只能如此，例如對于string，就必須自定義hash函數。例如：

struct str_hash{
size_t operator()(const string& str) const
{
unsigned long __h = 0;
for (size_t i = 0 ; i < str.size() ; i ++)
__h = 5*__h + str[i];
return size_t(__h);
}
};
//如果你希望利用系統定義的字符串hash函數，你可以這樣寫：
struct str_hash{
size_t operator()(const string& str) const
{
return __stl_hash_string(str.c_str());
}
};

在聲明自己的哈希函數時要注意以下幾點：

1. 使用struct，然后重載operator().
2. 返回是size_t
3. 參數是你要hash的key的類型。
4. 函數是const類型的。

2.3 hash_map 的比較函數

在map中的比較函數，需要提供less函數。如果沒有提供，缺省的也是less< Key> 。在hash_map中，要比較桶內的數據和key是否相等，因此需要的是是否等于的函數:equal_to< Key> 。先看看equal_to的源碼：

//本代碼可以從SGI STL
//先看看binary_function 函數聲明，其實只是定義一些類型而已。
template <class _Arg1, class _Arg2, class _Result>
struct binary_function {
typedef _Arg1 first_argument_type;
typedef _Arg2 second_argument_type;
typedef _Result result_type;
};
//看看equal_to的定義：
template <class _Tp>
struct equal_to : public binary_function<_Tp,_Tp,bool>
{
bool operator()(const _Tp& __x, const _Tp& __y) const { return __x == __y; }
};

如果你使用一個自定義的數據類型，如struct mystruct, 或者const char* 的字符串，如何使用比較函數？使用比較函數，有兩種方法. 第一種是：重載==操作符，利用equal_to;看看下面的例子：

struct mystruct{
int iID;
int len;
bool operator==(const mystruct & my) const{
return (iID==my.iID) && (len==my.len) ;
}
};

這樣，就可以使用equal_to< mystruct>作為比較函數了。另一種方法就是使用函數對象。自定義一個比較函數體：

struct compare_str{
bool operator()(const char* p1, const char*p2) const{
return strcmp(p1,p2)==0;
}
};

有了compare_str，就可以使用hash_map了。

typedef hash_map<const char*, string, hash<const char*>, compare_str> StrIntMap;
StrIntMap namemap;

2.4 hash_map 函數

hash_map的函數和map的函數差不多。具體函數的參數和解釋，這里主要介紹幾個常用函數。

1. hash_map(size_type n) 如果講究效率，這個參數是必須要設置的。n 主要用來設置hash_map 容器中hash桶的個數。桶個數越多，hash函數發生沖突的概率就越小，重新申請內存的概率就越小。n越大，效率越高，但是內存消耗也越大。
2. const_iterator find(const key_type& k) const. 用查找，輸入為鍵值，返回為迭代器。
3. data_type& operator[](const key_type& k) . 這是我最常用的一個函數。因為其特別方便，可像使用數組一樣使用。不過需要注意的是，當你使用[key ]操作符時，如果容器中沒有key元素，這就相當于自動增加了一個key元素。因此當你只是想知道容器中是否有key元素時，你可以使用find。如果你希望插入該元素時，你可以直接使用[]操作符。
4. insert 函數。在容器中不包含key值時，insert函數和[]操作符的功能差不多。但是當容器中元素越來越多，每個桶中的元素會增加，為了保證效率，hash_map會自動申請更大的內存，以生成更多的桶。因此在insert以后，以前的iterator有可能是不可用的。
5. erase 函數。在insert的過程中，當每個桶的元素太多時，hash_map可能會自動擴充容器的內存。但在sgi stl中是erase并不自動回收內存。因此你調用erase后，其他元素的iterator還是可用的。

3 相關hash容器

hash 容器除了hash_map之外，還有hash_set, hash_multimap, has_multiset, 這些容器使用起來和set, multimap, multiset的區別與hash_map和map的區別一樣

4 其他

這里列幾個常見問題，應該對你理解和使用hash_map比較有幫助。

4.1 hash_map和map的區別在哪里？

• 構造函數。hash_map需要hash函數，等于函數；map只需要比較函數(小于函數).
• 存儲結構。hash_map采用hash表存儲，map一般采用 紅黑樹(RB Tree) 實現。因此其memory數據結構是不一樣的。

4.2 什么時候需要用hash_map，什么時候需要用map?

總體來說，hash_map 查找速度會比map快，而且查找速度基本和數據量大小無關，屬于常數級別;而map的查找速度是log(n)級別。并不一定常數就比log(n)小，hash還有hash函數的耗時，明白了吧，如果你考慮效率，特別是在元素達到一定數量級時，考慮考慮hash_map。但若你對內存使用特別嚴格，希望程序盡可能少消耗內存，那么一定要小心，hash_map可能會讓你陷入尷尬，特別是當你的hash_map對象特別多時，你就更無法控制了，而且hash_map的構造速度較慢。

現在知道如何選擇了嗎？權衡三個因素: 查找速度, 數據量, 內存使用。

4.3 如何在hash_map中加入自己定義的類型?

你只要做兩件事, 定義hash函數，定義等于比較函數。下面的代碼是一個例子：

-bash-2.05b$ cat my.cpp
#include <hash_map>
#include <string>
#include <iostream>

using namespace std;
//define the class
class ClassA{
public:
ClassA(int a):c_a(a){}
int getvalue()const { return c_a;}
void setvalue(int a){c_a;}
private:
int c_a;
};

//1 define the hash function
struct hash_A{
size_t operator()(const class ClassA & A)const{
// return hash<int>(classA.getvalue());
return A.getvalue();
}
};

//2 define the equal function
struct equal_A{
bool operator()(const class ClassA & a1, const class ClassA & a2)const{
return a1.getvalue() == a2.getvalue();
}
};

int main()
{
hash_map<ClassA, string, hash_A, equal_A> hmap;
ClassA a1(12);
hmap[a1]="I am 12";
ClassA a2(198877);
hmap[a2]="I am 198877";

cout<<hmap[a1]<<endl;
cout<<hmap[a2]<<endl;
return 0;
}
-bash-2.05b$ make my
c++ -O -pipe -march=pentiumpro my.cpp -o my
-bash-2.05b$ ./my
I am 12
I am 198877

4.4為什么hash_map不是標準的？

具體為什么不是標準的，我也不清楚，有個解釋說在STL加入標準C++之時，hash_map系列當時還沒有完全實現，以后應該會成為標準。如果誰知道更合理的解釋，也希望告訴我。但我想表達的是，正是因為hash_map不是標準的，所以許多平臺上安裝了g++編譯器，不一定有hash_map的實現。我就遇到了這樣的例子。因此在使用這些非標準庫的時候，一定要事先測試。另外，如果考慮到平臺移植，還是少用為佳。

4.5 與map的性能對比

當key為int時，插入和查找性能如下圖(橫坐標代表數據規模，縱坐標代表時間，單位微秒)

當key為string時，插入和查找性能如下圖

總結：在數據規模較小(100左右），hash_map和map的時間效率差不多，隨著數據規模的增大，兩者差距也越來越大，尤其時當數據規模達到百萬量級時，兩者的性能差距凸顯

hash_map總結