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工具，它能把较大范围的键值映射到相对较小的地址空间。不过，这种映射过程中很容易出现冲突，也就是不同的键值可能会被映射到相同的地址，因此需要相应的解决策略。

常见哈希技术

• 折叠法 ：以加法折叠且地址空间为四位数为例，对于键值 625149 可以通过特定方式得到哈希地址。折叠法的优缺点和中平方法类似。在某个特定数据集上，折叠法能更优雅地将键值分布在地址空间，而中平方法则能更随机地分布键值，但这只是简单实验，不能据此判断它们在其他数据集上的表现。
• 截断法 ：该方法会忽略键的一部分，将另一部分作为哈希地址。同样以地址空间为四位数和键值 625149 为例，能通过特定手段得到哈希地址。但截断法过于简单，在实际应用中可能会导致频繁的冲突，而且无法将键均匀地分布在地址空间。
• 处理字母数字键值 ：很多情况下，键值是字母数字混合的，这时就需要将其转换为数字形式。有多种转换方法，常见的两种方法有相关总结，当然也可以自行创造转换方法。

冲突解决策略

• 线性探测 ：当发生冲突时，会寻找离哈希地址最近的空位置来存储数据。如果到达表的末尾，允许进行回绕。随着数据不断插入表中，会形成连续占用的单元块，这就是主聚集现象。主聚集会增加冲突的可能性，并且后续插入数据时的探测长度会变长。
  • 优点 </