32、哈希与信息收集技术全解析

哈希与信息收集技术全解析

哈希技术概述

哈希函数是一种将键值通过特定算法确定其存储位置的方法。它能把较大范围的键值映射到相对较小的地址空间，但这也容易引发冲突，所以需要相应的解决策略。

常用哈希技术

1. 折叠法 ：假设折叠方法为加法，地址空间为四位数。以键值 625149 为例，可通过特定方式得到哈希地址。折叠法和中平方法的优缺点类似。在特定数据集上，折叠法能更均匀地分布键值，而中平方法分布更随机，但这不能代表它们在其他数据集的表现。
2. 截断法 ：截断法是忽略键的一部分，用另一部分作为哈希地址。如地址空间为四位数，键值 625149 可按此方法得到哈希地址。不过，截断法过于简单，易导致重复冲突，无法均匀分布键值。
3. 处理字母数字键值 ：很多情况下，键值是字母数字混合的，需要将其转换为数字形式。常见的转换技术有多种，也可自行创造。

冲突解决策略

当应用哈希函数时，冲突很可能发生。常见的冲突解决技术有线性探测、同义词链和再哈希。
1. 线性探测
- 原理 ：发生冲突时，寻找离哈希地址最近的空位置。若到达表尾，允许回绕。
- 负载因子与聚类 ：负载因子 f 是表中存储的记录数与表实际大小的比值。随着元素添加，会形成占用单元块，即主聚类，这会增加冲突可能性，延长后续插入元素的探测时间。
- 优