83 重哈希（Rehashing）

• • 1 题目
  • 2 解决方案
  • • 2.1 思路
    • 2.3 时间复杂度
    • 2.4 空间复杂度
  • 3 源码

题目：重哈希（Rehashing）
描述：哈希表容量的大小在一开始是不确定的。如果哈希表存储的元素太多（如超过容量的十分之一），我们应该将哈希表容量扩大一倍，并将所有的哈希值重新安排。给定一个哈希表，返回重哈希后的哈希表。

// 哈希函数
int hashcode(int key, int capacity) {
    return key % capacity;
}

lintcode题号——129，难度——medium

样例1：

输入：有如下一哈希表
size=3, capacity=4
[null, 21, 14, null]
       ↓    ↓
       9   null
       ↓
      null
输出：重建哈希表，将容量扩大一倍，我们将会得到
size=3, capacity=8
index:   0    1    2    3     4    5    6   7
hash : [null, 9, null, null, null, 21, 14, null]
解释：
原哈希表中有三个数字9，14，21，其中21和9共享同一个位置，因为它们有相同的哈希值1(21 % 4 = 9 % 4 = 1)。我们将它们存储在同一个链表中。新哈希表中没有冲突，它们被放在了不同的位置。

  哈希表的扩容，容器大小不够用的时候，新建一个容量翻倍的新容器，对原容器的所有数据重新按照哈希函数，这里是按照open hashing的方式进行，在哈希表的元素位置上放置链表，需要逐个找到原哈希表内的数值一一处理。

closed hashing：一个位置只放一个元素，冲突的元素向后寻找空位放下。（缺点：由于find时有些元素被当作寻找正确元素的桥梁，所以在元素删除时候不能直接置空，而改为标记为delete，依然充当桥梁，多次操作后可能产生很多delete位置，影响性能）
open hashing ：一个位置存放一个链表，新元素插入时从表头插入，find时不需要向后寻找，只需要遍历该位置的链表即可。
哈希表容量：哈希表的空间通常远大于需要存储的序列的元素个数，哈希size >> 数组size，通常大一个数量级，当哈希表的饱和度大于1/10的时候则需要rehash。

  遍历原哈希表中的所有元素，所以时间复杂度为O(n)。

  空间复杂度为O(1)。

细节：

1. 新建一个哈希表，并resize为原哈希表size的两倍，遍历原表的所有数值按照哈希函数重新放入新表。
2. 向新表中添加的节点最好重新new出来，不要使用原来的。

C++版本：

vector rehashing(vector hashTable) {
    // write your code here
    vector result;
    result.resize(hashTable.size() * 2, nullptr);

    for (auto it : hashTable)
    {
        while (it != nullptr)
        {
            addNodeToNew(result, it->val);
            it = it->next;
        }
    }

    return result;
}

// 向新哈希表插入值
void addNodeToNew(vector & hashTable, int val)
{
    int capacity = hashTable.size();
    int position = hashcode(val, capacity); // 根据哈希函数计算位置

    if (hashTable.at(position) == nullptr)
    {
        hashTable.at(position) = new ListNode(val);
    }
    else
    {
        addListNodeToNew(hashTable.at(position), val); // 在链表尾部插入节点

        //ListNode * curNew = new ListNode(val); // 也可以直接在链表头部插入节点
        //ListNode * temp = hashTable.at(position);
        //curNew->next = temp;
        //hashTable.at(position) = curNew;
    }
}

// 在当前链表尾部插入新节点
void addListNodeToNew(ListNode * cur, int val)
{
    if (cur->next == nullptr) // 如果没有后续节点
    {
        cur->next = new ListNode(val); // 直接插入
    }
    else
    {
        addListNodeToNew(cur->next, val); // 递归找到最后一个位置再插入
    }
}

// 哈希函数
int hashcode(int key, int capacity)
{
    int result = key % capacity;
    if (result < 0)
    {
        result += capacity;
    }
    return result;
}