C++哈希表原理与实现：从基础到高级应用

1. 哈希表：程序员必备的高效数据结构

在C++开发中，我们经常需要处理大量数据的快速存取问题。当数据量达到百万级别时，传统的数组和链表就显得力不从心了。这时候，哈希表（Hash Table）就像是一个智能的图书管理员，它能根据书名直接找到对应的书架位置，而不需要逐个书架查找。

我第一次真正体会到哈希表的威力是在处理一个用户登录系统时。当用户数量突破50万，用vector存储的查找操作耗时达到了惊人的200ms，而改用unordered_map后，查找时间直接降到了0.01ms以下。这种性能差异让我彻底理解了为什么哈希表被称为"常数时间"数据结构。

2. 哈希表核心原理剖析

2.1 哈希函数：数据的指纹生成器

哈希函数是哈希表的核心组件，它决定了数据存储的位置。一个好的哈希函数应该具备以下特点：

1. 确定性：相同的输入总是产生相同的输出
2. 均匀性：输出值应尽可能均匀分布在值域空间
3. 高效性：计算速度要快
4. 抗碰撞性：不同输入产生相同输出的概率要低

C++标准库为常见类型提供了默认的哈希函数。例如对于字符串，常用的BKDR哈希算法实现如下：

cpp复制size_t bkdr_hash(const string& key) {
    size_t hash = 0;
    const size_t seed = 131; // 31 131 1313 13131 131313 etc..
    for(char c : key) {
        hash = hash * seed + c;
    }
    return hash;
}

注意：自定义类型用作键时，必须提供哈希函数和相等比较函数，否则编译会失败。

2.2 冲突处理：当两个数据指向同一个位置

即使有好的哈希函数，冲突（不同键产生相同哈希值）仍不可避免。常见的冲突解决方法有：

1. 链地址法：每个桶位置维护一个链表

   • 实现简单
   • 内存使用灵活
   • 查找效率取决于链表长度

2. 开放定址法：寻找下一个可用位置

   • 线性探测：h(k,i) = (h'(k)+i) mod m
   • 平方探测：h(k,i) = (h'(k)+c1i+c2i²) mod m
   • 双重哈希：h(k,i) = (h1(k)+i*h2(k)) mod m

C++的unordered_map采用链地址法实现，这也是大多数现代哈希表的首选方案。

3. 手把手实现简易哈希表

3.1 基础框架搭建

我们先定义一个最简单的哈希表结构：

cpp复制template<typename K, typename V>
class HashTable {
private:
    struct Node {
        K key;
        V value;
        Node* next;
        Node(K k, V v) : key(k), value(v), next(nullptr) {}
    };
    
    static const int DEFAULT_CAPACITY = 16;
    float loadFactor = 0.75f;
    int capacity;
    int size;
    vect