一.unordered_set和unordered_map的使用

二.哈希结构

1.概念

2.哈希函数

（1）哈希函数设计原则

（2）常见哈希函数

3.哈希冲突

4.哈希冲突解决

（1）闭散列

（2）开散列

（3）开散列与闭散列比较

三.unordered_set及unordered_map模拟实现

1.哈希表改造

（1）模板

（2）迭代器

（3）修改完善函数

哈希表改造后全部代码：

2.unordered_set

3.unordered_map

前言：unordered_set和unordered_map是C++11中新增加的两个关联式容器，使用方式与set和map基本相同，但是unordered_set和unordered_map的底层是哈希表，而set和map的底层是红黑树。并且unordered_set不能排序；unordered_set和unordered_map是单向迭代器；效率要高一下，时间复杂度为O(1)。

一.unordered_set和unordered_map的使用

这里unordered_set和unordered_map的使用与set和map基本相同，因此会了set和map，这两个也就会了。

map+set：C++ 关联式容器map+set_糖果雨滴a的博客-CSDN博客

二.哈希结构

1.概念

在之前的顺序结构以及平衡树中，元素关键码与其存储位置之间没有对应的关系，因此在查找一个元素时，必须要经过关键码的多次比较。顺序查找时间复杂度为O(N)，平衡树中为树的高度，即O(logN)，搜索的效率取决于搜索过程中元素的比较次数。

概念：可以不经过任何比较，一次直接从表中得到要搜索的元素。可以使元素的存储位置与它的关键码之间能够建立一一映射的关系，在查找时可以很快找到该元素。

（1）插入元素

根据待插入元素的关键码，以此函数计算出该元素的存储位置并按此位置进行存放。

（2）搜索元素

对元素的关键码进行同样的计算，把求得的函数值当做元素的存储位置，在结构中按此位置取元素比较，若关键码相等，则搜索成功。

该方式即为哈希（散列）方法，哈希方法中使用的转换函数称为哈希（散列）函数，构造出来的结构称为哈希表（散列表）。

用该方法进行搜索不必进行多次关键码的比较，因此搜索的速度比较快。

2.哈希函数

（1）哈希函数设计原则

① 哈希函数的定义域必须包括需要存储的全部关键码，而如果散列表允许有m个地址时，其值域必须在0到m-1之间

② 哈希函数计算出来的地址能均匀分布在整个空间中。

③ 哈希函数应该比较简单。

（2）常见哈希函数

① 直接定址法（常用）

取关键字的某个线性函数为散列地址：Hash(Key) = A * Key + B

优点：简单、均匀

缺点：需要事先知道关键字的分布情况

使用场景：适合查找比较小且连续的情况

② 除留余数法（常用）

设散列表中允许的地址数为m，取一个不大于m，但最接近或者等于m的质数p作为除数，按照哈希函数：Hash(key) = key% p(p<=m),将关键码转换成哈希地址。

③ 平方取中法

假设关键字为1234，对它平方就是1522756，抽取中间的3位227作为哈希地址；再比如关键字为4321，对它平方就是18671041，抽取中间的3位671(或710)作为哈希地址。

平方取中法比较适合：不知道关键字的分布，而位数又不是很大的情况。

④ 折叠法

折叠法是将关键字从左到右分割成位数相等的几部分(最后一部分位数可以短些)，然后将这几部分叠加求和，并按散列表表长，取后几位作为散列地址。

折叠法适合事先不需要知道关键字的分布，适合关键字位数比较多的情况

⑤ 随机数法

选择一个随机函数，取关键字的随机函数值为它的哈希地址，即Hash(key) = random(key),其中random为随机数函数。

随机数法通常应用于关键字长度不等时采用此法。

⑥ 数学分析法

设有n个d位数，每一位可能有r种不同的符号，这r种不同的符号在各位上出现的频率不一定相同，可能在某些位上分布比较均匀，每种符号出现的机会均等，在某些位上分布不均匀只有某几种符号经常出现。可根据散列表的大小，选择其中各种符号分布均匀的若干位作为散列地址。

数字分析法通常适合处理关键字位数比较大的情况，如果事先知道关键字的分布且关键字的若干位分布较均匀的情况。

3.哈希冲突

对于两个数据元素的关键字 ki 和 kj (i != j)，有 ki != kj ，但有：Hash(ki) == Hash(kj)，即：不同关键字通过相同哈希计数计算出相同的哈希地址，该种现象称为哈希冲突或哈希碰撞。

把具有不同关键码而具有相同哈希地址的数据元素称为“同义词”。

引起哈希冲突的一个原因可能是：哈希函数设计不够合理。

4.哈希冲突解决

解决哈希冲突的两种常见方法是：闭散列和开散列。

（1）闭散列

闭散列也叫开放定址法，当发生哈希冲突时，如果哈希表未被装满，说明在哈希表中必然还有空位置，那么可以把key存到冲突位置中的“下一个”空位置中去。

那么如何去寻找下一个空位置呢？

① 线性探测

从发生冲突的位置开始，依次向后探测，直到寻找到下一个空位置为止。

a. 插入

通过哈希函数获取待插入元素在哈希表中的位置。

如果该位置中没有元素则直接插入新元素，如果该位置中有元素发生哈希冲突，使用线性探测找到下一个空位置，插入新元素。

既然有插入，那么就有扩容，那哈希表什么时候进行扩容呢？如何扩容呢？

扩容就由负载因子（载荷因子）来决定，负载因子：表中的元素 / 散列表的长度。

负载因子越大，表明表中的元素越低，产生冲突的可能性就越大；反之，负载因子越小，表明表中的元素越少，产生冲突的可能性就月小。

对于开放定址法，负载因子应控制在0.7-0.8以下。超过 0.8.会导致CPU缓存不命中。Java中限制了负载因子为0.75.

插入函数的具体实现：

先通过调用查找函数，判断当前key是否存在，若存在就不再插入；不存在就要先判断负载因子是否到0.7及以上，到了就扩容，在扩容以后要重新映射（通过创建一个有扩容后空间的新表，然后通过遍历旧表，将其插入新表中，最后交换新旧表，这样原本的旧表就变成了新表）。

扩容判断结束后，要准备找位置插入，首先因为不清楚要插入的类型，所以这里使用了仿函数，包括了int类型和string类型，并且为了在调用Insert时不需要传仿函数的参，就给仿函数写一个缺省，并且要把string类型的仿函数实现为特化版本。

然后从该数应该映射的位置开始查找可以插入的位置（即state不为EXITS就可以插入），找到位置之后，插入，并更新插入的数据个数n。

b. 删除

采用闭散列处理哈希冲突时，不能随便物理的删除哈希表中已有的元素，若直接删除元素会影响其它元素的搜索。因此线性探测采用标记的伪删除法来删除一个元素。

删除函数的具体实现：

通过调用Find函数，查找是否存在，若存在就将该位置state标记为DELETE。

c.查找

查找函数的具体实现：

从要找着的数据本应映射的位置开始查找，如果没到标记为EMPTY的数据就一直去查找，直到找到了标记不为DELETE（即为EXITS）的数据并且key值相同，就说明找到了该值；若找了key值相同却为DELETE的，说明之前被删除了，而如果一直走到了EMPTY都没有找到，就一定是没有该数据了。

实现：

#pragma oncenamespace CloseHash
{enum State{EMPTY,EXITS,DELETE};template <class K, class V>struct HashData{pair<K, V> _kv;State _state = EMPTY;};template <class K>struct DefaultHash{size_t operator()(const K& key){return (size_t)key;}};template<>struct DefaultHash<string>{size_t operator()(const string& key){// BKDRsize_t hash = 0;for (auto ch : key){hash = hash * 131 + ch;}return hash;}};template <class K, class V, class HashFunc = DefaultHash<K>>class HashTable{typedef HashData<K, V> Data;public:bool Insert(const pair<K, V>& kv){if (Find(kv.first)){return false;}// 负载因子到0.7及以上，就扩容if (_tables.size() == 0 || _n * 10 / _tables.size() >= 7){size_t newSize = _tables.size() == 0 ? 10 : _tables.size() * 2;// 扩容以后，需要重新映射HashTable<K, V, HashFunc> newHT;newHT._tables.resize(newSize);// 遍历旧表，插入newHTfor (auto& e : _tables){if (e._state == EXITS){newHT.Insert(e._kv);}}newHT._tables.swap(_tables);}HashFunc hf;size_t starti = hf(kv.first);starti %= _tables.size();size_t hashi = starti;size_t i = 1;// 线性探测/二次探测while (_tables[hashi]._state == EXITS){hashi == starti + i;++i;hashi %= _tables.size();}_tables[hashi]._kv = kv;_tables[hashi]._state = EXITS;_n++;return true;}Data* Find(const K& key){if (_tables.size() == 0){return nullptr;}HashFunc hf;size_t starti = hf(key);starti %= _tables.size();size_t hashi = starti;size_t i = 1;while (_tables[hashi]._state != EMPTY){if (_tables[hashi]._state != DELETE && _tables[hashi]._kv.first == key){return &_tables[hashi];}hashi = starti + i;++i;hashi %= _tables.size();}return nullptr;}bool Erase(const K& key){Data* ret = Find(key);if (ret){ret->_state = DELETE;--_n;return true;}else{return false;}}private:vector<Data> _tables;size_t _n = 0; // 存储关键字的个数};
}

线性探测优点：实现简单

线性探测缺点：一旦发生哈希冲突，所以的冲突连在一起，容易产生数据“堆积”，即：不同关键码占据了可利用的空位置，使得寻找某关键码的位置需要许多次比较，导致搜索效率降低。

② 二次探测

因为线性探测的缺陷是产生冲突的数据会堆积在一块，就导致找空位置的方式就是挨着往后逐个去找，因此二次探测为了避免该问题，就对其进行了优化：找下一个位置的方法变为Hi = (H0 + i^2) % m，i为1，2，3......。即不是依次往后走了，而是变成了i^2，并且这个i会依次增大。

二次探测实现：

二次探测的实现与线性探测基本相同，只是在插入上有一些区别，这里就不实现了。

虽然二次探测是线性探测的优化，不过，二次探测在本质上并没有解决闭散列去占别人位置的问题，因此一样容易造成哈希冲突。二次探测只不过是比线性探测能少一些哈希冲突。

（2）开散列

开散列法又叫链地址法（开链法），首先对关键码集合用散列函数计算散列地址，具有相同地址的关键码归于同一子集合，每一个子集合称为一个桶，各个桶中的元素通过一个单链表链接起来，各链表的头结点存储在哈希表中。

因此，开散列中每个桶中放的都是在闭散列中会发生哈希冲突的元素。

a.插入

插入函数的具体实现：

先通过调用查找函数，判断当前key是否存在，若存在就不再插入；不存在就要先判断负载因子是否到1及以上，到了就扩容，在扩容以后要重新映射（通过创建一个有扩容后空间的新表，然后通过遍历旧表，将旧表中桶的元素插入新表中，这样原本的旧表就不需要清理【已经全部转移到了新表中】，最后交换新旧表，旧表就变成了新表）。

然后从先得到该数应该映射的位置并进行头插，并更新插入的数据个数n。

b.删除

删除函数的具体实现：

因为是在一个数组上的每个元素下有一个链表，因此要想删除一个元素，我们可以进行头删（单链表头删效率高）。首先定义一个prev，然后找到对应的key时，如果这个元素是链表头，就要改头的下一个位置的元素变成新的链表头；如果不是，就将prev的next直接链接到当前key的下一个元素，最后delete掉即可。（这里始终保证prev是cur的上一个元素）。

c.查找

查找函数的具体实现：

这个就是找到对应的桶，然后进行查找即可（单链表查找）。

开散列实现：

#pragma oncenamespace Bucket
{template <class K, class V>struct HashNode{pair<K, V> _kv;HashNode<K, V>* _next;HashNode(const pair<K, V>& kv): _kv(kv), _next(nullptr){}};template <class K, class V, class HashFunc = DefaultHash<K>>class HashTable{typedef HashNode<K, V> Node;public:~HashTable(){for (size_t i = 0; i < _tables.size(); ++i){Node* cur = _tables[i];while (cur){Node* next = cur->_next;delete cur;cur = next;}_tables[i] = nullptr;}}bool Insert(const pair<K, V>& kv){if (Find(kv.first)){return false;}HashFunc hf;// 负载因子 == 1 扩容if (_tables.size() == _n){size_t newSize = _tables.size() == 0 ? 10 : _tables.size() * 2;vector<Node*> newTable;newTable.resize(newSize, nullptr);for (size_t i = 0; i < _tables.size(); ++i){Node* cur = _tables[i];while (cur){Node* next = cur->_next;size_t hashi = hf(cur->_kv.first) % newSize;cur->_next = newTable[hashi];newTable[hashi] = cur;cur = next;}_tables[i] = nullptr;}newTable.swap(_tables);}size_t hashi = hf(kv.first);hashi %= _tables.size();// 头插到对应的桶Node* newnode = new Node(kv);newnode->_next = _tables[hashi];_tables[hashi] = newnode;++_n;return true;}Node* Find(const K& key){if (_tables.size() == 0){return nullptr;}HashFunc hf;size_t hashi = hf(key);hashi %= _tables.size();Node* cur = _tables[hashi];while (cur){if (cur->_kv.first == key){return cur;}cur = cur->_next;}return nullptr;}bool Erase(const K& key){if (_tables.size() == 0){return false;}HashFunc hf;size_t hashi = hf(key);hashi %= _tables.size();Node* prev = nullptr;Node* cur = _tables[hashi];while (cur){if (cur->_kv.first == key){if (prev == nullptr){_tables[hashi] = cur->_next;}else{prev->_next = cur->_next;}delete cur;return true;}prev = cur;cur = cur->_next;}return false;}private:vector<Node*> _tables; // 指针数组size_t _n = 0;};
}

（3）开散列与闭散列比较

开散列（链地址法）处理溢出，需要增设链接指针，似乎增加了存储开销。事实上，由于闭散列（开地址法）必须保持大量的空闲空间以确保搜索效率，导致闭散列表项所占空间比指针大的多。因此使用开散列（链地址法）要比闭散列（开地址法）节省存储空间。

三.unordered_set及unordered_map模拟实现

1.哈希表改造

为了用哈希表去封装unordered_set和unordered_map（这里用的是开散列封装），就要去改造哈希表，然后在unordered_set和unordered_map中调用哈希表函数即可。而如何改造，模板和迭代器是关键。

这里类似于之前模拟实现的set和map，但是哈希表要再稍微麻烦一些。

set+map->C++ 关联式容器map+set_糖果雨滴a的博客-CSDN博客

（1）模板

这里模板的K就是key，但是因为要封装unordered_set和unordered_map，所以我们不确定下一个参数是不是V，因此这个T是决定存什么的，如果是unordered_set就是K，如果是unordered_map就是V。

KeyOfT仿函数就是用在封装时，到底是unordered_set返回key，还是unordered_map返回kv.first，这里需要作为区分。

HashFunc仿函数就是因为我们不知道存的数据是什么，所以对存的数据的不同，要进行不同的处理。

template <class K, class T, class KeyOfT, class HashFunc>

（2）迭代器

迭代器需要我们自己封装实现，这里的成员变量分别是结点，和指向哈希表的指针。

然后实现*，->，!=，==，++的操作符重载（这里不需要实现 --的操作符重载，因为哈希表的是单向迭代器）。

这些操作符重载的实现比较简单，只有++需要去进行查找。

template <class T>
struct HashNode
{T _data;HashNode<T>* _next;HashNode(const T& data): _data(data), _next(nullptr){}
};template <class K, class T, class KeyOfT, class HashFunc>
class HashTable;template<class K, class T, class KeyOfT, class HashFunc>
class __HTIterator
{typedef HashNode<T> Node;typedef __HTIterator<K, T, KeyOfT, HashFunc> Self;
public:Node* _node;HashTable<K, T, KeyOfT, HashFunc>* _pht;__HTIterator(){}__HTIterator(Node* node, HashTable<K, T, KeyOfT, HashFunc>* pht): _node(node), _pht(pht){}Self& operator++(){if (_node->_next){_node = _node->_next;}else{KeyOfT kot;HashFunc hf;size_t hashi = hf(kot(_node->_data)) % _pht->_tables.size();++hashi;// 找下一个不为空的桶for (; hashi < _pht->_tables.size(); ++hashi){if (_pht->_tables[hashi]){_node = _pht->_tables[hashi];break;}}// 没有找到不为空的桶，用nullptr去做end标识if (hashi == _pht->_tables.size()){_node = nullptr;}}return *this;}T& operator*(){return _node->_data;}T* operator->(){return &_node->_data;}bool operator!=(const Self& s) const{return _node != s._node;}bool operator==(const Self& s) const{return _node == s._node;}
};

（3）修改完善函数

接下来就要把之前所实现的函数进行修改完善，并且因为多了迭代器，所以也要实现迭代器的接口函数。

迭代器的begin和end实现比较简单，注意这里的返回值，返回值是一个利用当前结点和当前指向哈希表的指针构造的iterator。

为了unordered_map的[]操作符重载的实现，我们需要对Insert和的Find返回值进行修改，Insert函数的返回值需要是一个pair类型的（其中一个是iterator类型，另一个是bool类型）。

iterator类型就是为了调用[]后可以得到当前的迭代器，而bool类型是为了判断是否插入成功的。

查找函数也需要修改一下返回值，它的返回值要改成迭代器，找到了就要返回这个函数的迭代器，这样在插入函数中才能得到其对应的迭代器。

这里还有一个优化，就是让扩容后的值是质数。这个在C++的STL源码中是进行了这个修改的，但是java中并没有，所以也不是很确定这个优化到底如何。

优化如下：

size_t GetNextPrime(size_t prime)
{const int PRIMECOUNT = 28;static const size_t primeList[PRIMECOUNT] ={53ul, 97ul, 193ul, 389ul, 769ul,1543ul, 3079ul, 6151ul, 12289ul, 24593ul,49157ul, 98317ul, 196613ul, 393241ul, 786433ul,1572869ul, 3145739ul, 6291469ul, 12582917ul, 25165843ul,50331653ul, 100663319ul, 201326611ul, 402653189ul, 805306457ul,1610612741ul, 3221225473ul, 4294967291ul};// 获取比prime大那一个素数size_t i = 0;for (; i < PRIMECOUNT; ++i){if (primeList[i] > prime)return primeList[i];}return primeList[i];
}pair<iterator, bool> Insert(const T& data)
{HashFunc hf;KeyOfT kot;iterator pos = Find(kot(data));if (pos != end()){return make_pair(pos, false);}// 负载因子 == 1 扩容if (_tables.size() == _n){//size_t newSize = _tables.size() == 0 ? 10 : _tables.size() * 2;size_t newSize = GetNextPrime(_tables.size());if (newSize != _tables.size()){vector<Node*> newTable;newTable.resize(newSize, nullptr);for (size_t i = 0; i < _tables.size(); ++i){Node* cur = _tables[i];while (cur){Node* next = cur->_next;size_t hashi = hf(kot(cur->_data)) % newSize;cur->_next = newTable[hashi];newTable[hashi] = cur;cur = next;}_tables[i] = nullptr;}newTable.swap(_tables);}}size_t hashi = hf(kot(data));hashi %= _tables.size();// 头插到对应的桶Node* newnode = new Node(data);newnode->_next = _tables[hashi];_tables[hashi] = newnode;++_n;return make_pair(iterator(newnode, this), true);
}

哈希表改造后全部代码：

#pragma oncetemplate <class K>
struct DefaultHash
{size_t operator()(const K& key){return (size_t)key;}
};template<>
struct DefaultHash<string>
{size_t operator()(const string& key){// BKDRsize_t hash = 0;for (auto ch : key){hash = hash * 131 + ch;}return hash;}
};namespace Bucket
{template <class T>struct HashNode{T _data;HashNode<T>* _next;HashNode(const T& data): _data(data), _next(nullptr){}};template <class K, class T, class KeyOfT, class HashFunc>class HashTable;template<class K, class T, class KeyOfT, class HashFunc>class __HTIterator{typedef HashNode<T> Node;typedef __HTIterator<K, T, KeyOfT, HashFunc> Self;public:Node* _node;HashTable<K, T, KeyOfT, HashFunc>* _pht;__HTIterator(){}__HTIterator(Node* node, HashTable<K, T, KeyOfT, HashFunc>* pht): _node(node), _pht(pht){}Self& operator++(){if (_node->_next){_node = _node->_next;}else{KeyOfT kot;HashFunc hf;size_t hashi = hf(kot(_node->_data)) % _pht->_tables.size();++hashi;// 找下一个不为空的桶for (; hashi < _pht->_tables.size(); ++hashi){if (_pht->_tables[hashi]){_node = _pht->_tables[hashi];break;}}// 没有找到不为空的桶，用nullptr去做end标识if (hashi == _pht->_tables.size()){_node = nullptr;}}return *this;}T& operator*(){return _node->_data;}T* operator->(){return &_node->_data;}bool operator!=(const Self& s) const{return _node != s._node;}bool operator==(const Self& s) const{return _node == s._node;}};// unordered_map ->HashTable<K, pair<K, V>, MapKeyOfT> _ht;// unordered_set ->HashTable<K, K, SetKeyOfT> _ht;template <class K, class T, class KeyOfT, class HashFunc>class HashTable{template <class K, class T, class KeyOfT, class HashFunc>friend class __HTIterator;typedef HashNode<T> Node;public:typedef __HTIterator<K, T, KeyOfT, HashFunc> iterator;iterator begin(){for (size_t i = 0; i < _tables.size(); ++i){Node* cur = _tables[i];if (cur){return iterator(cur, this);}}return end();}iterator end(){return iterator(nullptr, this);}~HashTable(){for (size_t i = 0; i < _tables.size(); ++i){Node* cur = _tables[i];while (cur){Node* next = cur->_next;delete cur;cur = next;}_tables[i] = nullptr;}}size_t GetNextPrime(size_t prime){const int PRIMECOUNT = 28;static const size_t primeList[PRIMECOUNT] ={53ul, 97ul, 193ul, 389ul, 769ul,1543ul, 3079ul, 6151ul, 12289ul, 24593ul,49157ul, 98317ul, 196613ul, 393241ul, 786433ul,1572869ul, 3145739ul, 6291469ul, 12582917ul, 25165843ul,50331653ul, 100663319ul, 201326611ul, 402653189ul, 805306457ul,1610612741ul, 3221225473ul, 4294967291ul};// 获取比prime大那一个素数size_t i = 0;for (; i < PRIMECOUNT; ++i){if (primeList[i] > prime)return primeList[i];}return primeList[i];}pair<iterator, bool> Insert(const T& data){HashFunc hf;KeyOfT kot;iterator pos = Find(kot(data));if (pos != end()){return make_pair(pos, false);}// 负载因子 == 1 扩容if (_tables.size() == _n){//size_t newSize = _tables.size() == 0 ? 10 : _tables.size() * 2;size_t newSize = GetNextPrime(_tables.size());if (newSize != _tables.size()){vector<Node*> newTable;newTable.resize(newSize, nullptr);for (size_t i = 0; i < _tables.size(); ++i){Node* cur = _tables[i];while (cur){Node* next = cur->_next;size_t hashi = hf(kot(cur->_data)) % newSize;cur->_next = newTable[hashi];newTable[hashi] = cur;cur = next;}_tables[i] = nullptr;}newTable.swap(_tables);}}size_t hashi = hf(kot(data));hashi %= _tables.size();// 头插到对应的桶Node* newnode = new Node(data);newnode->_next = _tables[hashi];_tables[hashi] = newnode;++_n;return make_pair(iterator(newnode, this), true);}iterator Find(const K& key){if (_tables.size() == 0){return iterator(nullptr, this);}KeyOfT kot;HashFunc hf;size_t hashi = hf(key);hashi %= _tables.size();Node* cur = _tables[hashi];while (cur){if (kot(cur->_data) == key){return iterator(cur, this);}cur = cur->_next;}return iterator(nullptr, this);}bool Erase(const K& key){if (_tables.size() == 0){return false;}HashFunc hf;KeyOfT kot;size_t hashi = hf(key);hashi %= _tables.size();Node* prev = nullptr;Node* cur = _tables[hashi];while (cur){if (kot(cur->_data) == key){if (prev == nullptr){_tables[hashi] = cur->_next;}else{prev->_next = cur->_next;}delete cur;return true;}prev = cur;cur = cur->_next;}return false;}private:vector<Node*> _tables; // 指针数组size_t _n = 0;};
}

接下来封装unordered_set和unordered_map就比较简单了。

2.unordered_set

unordered_set是K模型的，因此这里仿函数HashFunc中返回的返回的key。

其它接口都是去调用改造后的哈希表。

#pragma once#include "HashTable.h"namespace hb
{template <class K, class HashFunc = DefaultHash<K>>class unordered_set{struct SetKeyOfT{const K& operator()(const K& key){return key;}};public:typedef typename Bucket::HashTable<K, K, SetKeyOfT, HashFunc>::iterator iterator;iterator begin(){return _ht.begin();}iterator end(){return _ht.end();}pair<iterator, bool> insert(const K& key){return _ht.Insert(key);}iterator find(const K& key){return _ht.Find(key);}bool erase(const K& key){return _ht.Erase(key);}private:Bucket::HashTable<K, K, SetKeyOfT, HashFunc> _ht;};
}

3.unordered_map

unordered_map是K，V模型的，因此这里仿函数HashFunc中返回的返回的kv.first。

其它接口都是去调用改造后的哈希表。这里就注意一下[]操作符的实现即可。

#pragma once#include "HashTable.h"namespace hb
{template<class K, class V, class HashFunc = DefaultHash<K>>class unordered_map{struct MapKeyOfT{const K& operator()(const pair<K, V>& kv){return kv.first;}};public:typedef typename Bucket::HashTable<K, pair<K, V>, MapKeyOfT, HashFunc>::iterator iterator;iterator begin(){return _ht.begin();}iterator end(){return _ht.end();}pair<iterator, bool> insert(const pair<K, V>& kv){return _ht.Insert(kv);}iterator find(const K& key){return _ht.Find(key);}bool erase(const K& key){return _ht.Erase(key);}V& operator[](const K& key){pair<iterator, bool> ret = insert(make_pair(key, V()));return ret.first->second;}private:Bucket::HashTable<K, pair<K, V>, MapKeyOfT, HashFunc> _ht;};
}

C++ 哈希表及unordered_set + unordered_map容器相关推荐

C++ 使用哈希表封装模拟实现unordered_map unordered_set
一.unordered_map unordered_set 和 map set的区别 1. map set底层采取的红黑树的结构,unordered_xxx 底层数据结构是哈希表.unordered_ ...
c++的STL中的map(哈希表)与unordered_map
map: unordered_map: map: map内部实现了一个红黑树,该结构具有自动排序的功能,因此map内部的所有元素都是有序的 unordered_map:unordered_map内部实 ...
【C++ 包装器类 map】C++ 标准库（std）中的map结构哈希表（unordered_map）和黑红树（map）教程
目录标题 1. 哈希表(unordered_map)和黑红树(map)简介以及初始化 1.1 哈希表的基本介绍 1.1.1 哈希表初始化接口示例 1.1.2 哈希表的键值的注意事项 1.1.3 自定义 ...
C++:数组、链表与哈希表
文章目录数组和链表数组什么是数组? 访问数组元素可变长的动态数组:vector Vector基本用法链表什么是链表? 链表的操作双向链表(list) list的成员函数哈希表什么是哈 ...
C++哈希表最详细解决
目录 1 哈希表理论基础 1. 1 哈希函数 1.2 哈希碰撞 2 哈希表力扣题参考代码原文链接代码随想录 1 哈希表理论基础首先什么是哈希表,哈希表(英文名字为Hash table,国内也 ...
C++ set与map、unordered_map、unordered_set与哈希表
哈希表表: 存储数据 key –> value; 用表来存储数据结构的困难: 查找困难.一个一个key去比较去查找,效率不高.因此有了Hash算法加快查找; 将字符串的ke ...
基础数据结构(二):字典树、并查集、堆、哈希表、字符串的哈希方式、STL的常见容器及其接口
文章目录一.字典树Trie 1 原理 2 Trie字符串统计 3 [LeetCode 208. 实现 Trie (前缀树)](https://leetcode-cn.com/problems/imp ...
阿龙的学习笔记---哈希表与C++11中unordered_map学习笔记
散列表(Hash table,也叫哈希表),是根据关键码值(Key value) 而直接进行访问的数据结构.也就是说,它通过把关键码值映射到表中一个位置来访问记录,以加快查找的速度.这个映射函 ...
【数据结构笔记】B树和B+树的实现，哈希查找，STL中的hash_map和unordered_map容器用法
B和B+树哈希查找用开放定址法解决哈希冲突的哈希查找算法链地址法: 利用哈希表查找一个字符串中第一个只出现一次的字符 hash_map和unordered_map 设计算法删除重复的元素设计算 ...

C++ 哈希表及unordered_set + unordered_map容器

一.unordered_set和unordered_map的使用

二.哈希结构

1.概念

2.哈希函数

（1）哈希函数设计原则

（2）常见哈希函数

3.哈希冲突

4.哈希冲突解决

（1）闭散列

（2）开散列

（3）开散列与闭散列比较

三.unordered_set及unordered_map模拟实现

1.哈希表改造

（1）模板

（2）迭代器

（3）修改完善函数

哈希表改造后全部代码：

2.unordered_set

3.unordered_map

C++ 哈希表及unordered_set + unordered_map容器相关推荐

最新文章

热门文章

C++ 哈希表及unordered_set + unordered_map容器

一.unordered_set和unordered_map的使用

二.哈希结构

1.概念

2.哈希函数

（1） 哈希函数设计原则

（2）常见哈希函数

3.哈希冲突

4.哈希冲突解决

（1）闭散列

（2）开散列

（3）开散列与闭散列比较

三.unordered_set及unordered_map模拟实现

1.哈希表改造

（1）模板

（2）迭代器

（3）修改完善函数

哈希表改造后全部代码：

2.unordered_set

3.unordered_map

C++ 哈希表及unordered_set + unordered_map容器相关推荐

最新文章

热门文章

（1）哈希函数设计原则