仅使用数组实现有效的数据结构

Question

作为编程课程的一部分，我练习了实现自己的String集合。 我当时计划使用ArrayList集合或类似的集合，但是其中的限制之一是不允许我们使用任何Java API来实现它，因此只允许使用数组。 我本可以使用数组来实现的，但是效率和测试此代码的数据量非常重要。 建议我使用哈希表或有序的发束，因为它们比数组更有效。 经过一些研究之后，我决定使用哈希表，因为它们似乎易于理解和实现，但是一旦我开始编写代码，我就意识到它并没有我想象的那么直接。

因此，这里是我提出的问题，并想就如何以效率再次解决这些问题的最佳方法提供一些建议：

1. 实际大小：如果我理解正确，则哈希表没有排序（索引），因此这意味着项之间会有空隙，因为哈希函数给出的索引不同。 那么我怎么知道什么时候数组已满并且需要调整大小呢？
2. 调整大小：使用数组创建动态数据结构所需的困难之一。 因此，如果我有一个数组String [100]，一旦数组变满，我将需要将其调整大小，因此我决定每次将其增加100，所以一旦这样做，我将需要更改所有现有值的位置，因为它们的位置哈希键将随着密钥的计算而有所不同：

int position = "orange".hashCode() % currentArraySize;

因此，如果我尝试找到某个值，则其哈希键将与数组较小时的哈希键不同。

3. 哈希函数：我还想知道String类中的内置hashCode()方法是否高效且适合于我要实现的功能，还是创建自己的更好。
4. 处理多种情况：要求之一是能够添加相同的多个单词，因为我需要能够计算单词在集合中存储的次数。 由于它们将具有相同的哈希码，因此我计划在下一个索引处添加下一个匹配项，希望会有一个间隙。 我不知道这是否是最好的解决方案，但在这里我是如何实现的：

public int count(String word) {
    int count = 0;
    while (collection[(word.hashCode() % size) + count] != null && collection[(word.hashCode() % size) + count].equals(word))
        count++;
    return count;
}

预先感谢您的建议。 请问任何需要澄清的问题。

PS字长不固定，变化很大。

更新谢谢您的建议，我知道我确实做了一些愚蠢的错误，我会尽力而为。 因此，我采纳了您的所有建议，并迅速提出了以下结构，虽然它并不优雅，但我希望它大致就是您的意思。 我确实需要做出一些判断，例如存储桶大小，现在我将元素的大小减半了，但是有没有一种计算方法或一些通用值？ 另一个不确定因素是增加数组的因素是什么，我应该乘以n个数还是加上固定数也适用？ 我也想知道总体效率，因为我实际上是在创建类的实例，但是String是要使用的类，因此我猜测性能的差异应该不会太大？

Answer 1

实际大小：内置Java HashMap仅在元素总数超过存储桶数乘以称为负载因子的数字（默认值为0.75）时才调整大小。 它没有考虑实际上有多少个存储桶已满。 您也不必。

调整大小：是的，调整表大小时，您必须重新哈希所有内容，其中包括重新计算其哈希值。

因此，如果我尝试查找某个值，则其哈希键将与数组较小时的哈希键不同。

对。

哈希函数：是的，您应该使用内置的hashCode()函数。 对于基本目的来说已经足够了。

处理多种情况：这很复杂。 一种简单的解决方案是，使给定字符串的哈希条目也保持该字符串出现次数的计数。 也就是说，与其在哈希表中保留相同字符串的多个副本，不如将每个String计数为int同时保留一个int 。

Answer 2

那么我怎么知道什么时候数组已满并且需要调整大小呢？

您跟踪大小，而HashMap跟踪大小。 当使用的size used > capacity * load factor您可以整体或部分增长基础数组。

int position =“ orange” .hashCode（）％currentArraySize;

一些事情要考虑。

• 所述%负值的是一个负值。
• Math.abs可以返回负值。
• 将&与位掩码一起使用会更快，但是您需要的大小是2的幂。

我还想知道String类中的内置hashCode（）方法是否高效且适合于我要实现的功能，还是创建自己的方法更好。

内置的hashCode被缓存，因此速度很快。 但是，它不是一个很好的hashCode，对于较低的位和较短的字符串的较高位，其随机性均较差。 您可能想要实现自己的哈希策略，可能是64位的。

处理多种事件：

通常使用每个密钥的计数器来完成此操作。 这样，您可以说32767个重复（如果使用short）或20亿个重复（如果使用int）相同键/元素的重复。