1. 散列表基础:从原理到实战
散列表(Hash Table)是数据结构课程里的常客,但很多人直到面试被问到"查找失败的平均查找长度"时才发现自己根本没真正理解它。我第一次被问到这个问题时也是一头雾水,直到后来在实际项目中用Redis的哈希槽时才恍然大悟——原来教科书上的公式和现实中的工程实践是相通的。
散列表的核心思想就像图书馆的索书系统:你想找《三体》这本书,不需要从A区走到Z区挨个书架翻找,而是通过索书号直接定位到特定区域。这里的"索书号"就是哈希函数计算出的结果。但现实情况是,可能有好几本书都被分配到了同一个索书号(哈希冲突),这时候就需要特定的处理策略。
最常见的冲突解决方法是两种:
- 开放定址法(比如线性探测):发现目标位置被占用了,就顺序往后找空位
- 链地址法:在每个位置挂一个链表,所有冲突元素都放在链表里
我们重点讨论开放定址法中的线性探测,因为这是计算"查找失败的平均查找长度"时最容易让人困惑的场景。想象你在停车场找车位,理想情况是导航直接带你到空车位(一次命中),但如果目标车位被占了,你就得慢慢往后找,直到发现空位为止——这就是线性探测的生动写照。
需要模型API调用? 免费领10W Token,多模型网关一键接入 Claude、DeepSeek 等主流模型。
2. 查找失败的本质:为什么不是简单除法
很多教程直接甩出公式却不解释为什么查找失败要除以模数而不是元素个数,这就像教做菜只说"加盐适量"却不解释什么是"适量"。让我们用具体例子拆解:
假设有个长度为11的散列表,哈希函数是h(key)=key%11,现有8个元素如下:
| 地址 | 0 | 1 | 2 | 3 | 4 | 5 | 6 | 7 | 8 | 9 | 10 |
|---|---|---|---|---|---|---|---|---|---|---|---|
| 关键字 | 33 | 11 | 31 | 23 | 48 | 27 | 22 | ||||
| 冲突次数 | 0 | 0 | 0 | 2 | 3 | 0 | 1 |
查找失败的定义:当你要查询的关键字经过哈希计算后,从目标位置开始探测,直到遇到空位置才能确认该关键字不存在。这个过程就像查字典时发现要查的单词不在预期位置,你得继续往后翻直到看到空白区域才能确认这不是本字典收录的单词。
关键点在
