hash 알고리즘

hashing

• dictionary (key, value)를 implementing
• insert, search, delete 연산의 average-case : O(1)
• find minimum과 같은 sort연산은 비효율적이다. 

 

dictionary

• dynamic-set data structure. 동적으로 크기가 변한다. 
• operation : insert, search, delete

 

hash table

• key : hash function의 input. 
• U : universe of keys. 모든 가능한 키의 집합
• K : actual keys. 딕셔너리에 매칭된 실제 키
• Hash Table을 만들 때 U를 저장할 필요 없다. |k|=n의 사이즈를 테이블로 만든다. 
• 하지만 좁은 장소에 여러개를 저장해야하므로 hash 충돌이 생겨 direct-addressing(인덱스로 직접 접근)을 잃을 수 있다. 

hash table

• hash function h: key를 hash로 변환. 서로 다른 key가 같은 hash 가 되는것을 hash collision이라고 한다. 
• hash : hash function의 output. h[k]
• value : slot에 저장되는 값. key와 매칭되어있다. 
• slot : 저장소
• ex)

   

 

 

1. h(i) = i%10 (=i mod 10) 에 add 41을 한다면  
2. hash function : h(i)=i%10
3. h(41) = 41%10 = 1
4. key : 41, hash : 1,
5. slot : 0,1,2, ...9의 저장소중 hash값과 동일한 1에 value 41을 저장한다. 

 

좋은 해시함수는?

1. 계산하기 간단해야한다.
2. 최대한 랜덤한 함수여야 한다. 즉, 고르게 분포되어야 한다. (simple uniform function) 연관이 있는 key라 하더라도 같은 slot에 들어가는 경우를 최소화해야한다. -> 충돌(collision)의 확률 줄여줌 
3. 해시값들은 서로 연관이 없으며 독립적으로 생성된다. -> collision의 반복을 줄여줌
4. 가장 대표적인 방법으로 division method와 multiplication method가 있다.

 

Simple uniform hash

1. 해시값들이 나올 확률이 동일해야한다. 
2. 하지만 실제 상황에서 이를 만족하는 함수는 매우 찾기 힘들다. -> 그래서 충돌을 줄이는 방법으로

 

Division Method

moduler(나머지) 연산을 이용. m으로 나눈다 -> h(k) = k mod m 로 표현

m은 테이블의 크기를 나타내게 된다.

장점 : 빠르며 한가지 연산만을 요구한다. 

단점 : m을 2의 지수승을 고르거나, 소수가 아닌 수를 고르면 충돌이 반복적으로 생긴다.

즉 m을 고를 때 2(or 10)의 지수승에 가깝지 않으며 소수인 수를 고른다. 

 

 

The Multiplication Method

h(x)=(xA mod 1)*m  (0)

m은 굳이 소수일 필요 없다. 보통 2의 지수승으로 잡는다. 

장점 : m값이 중요하지 않다. 즉, m은 굳이 소수일 필요 없다. 보통 2의 지수승으로 잡는다. 

 

 

Universal hashing

• malicious adversary(공격자)가 모든 key값이 같은 slot으로 가게 만드는것을 방지
• 같은 자리에 여러 개의 키가 해시되는것을 막기위해서 사용한다.
• 매번 다른 랜덤 해시함수를 사용한다. 
• 랜덤 해시함수는 실제 저장되는 키와는 관련이 없게 된다. 
• 랜덤함수는 좋은 해시함수를 쓴다. 
• Universal hash function의 정의

    H : 전체집합 U를 {0,1,2,...,m-1} 로 대응시키는 hash function들의 유일한 집합. 

    x와 y가 다를 때, |h(x)=h(y)|=|H|/m 이다. 즉 두 키의 충돌이 일어날 확률을 1/m. 즉 골고루 분포됨

 

• 장점

1. 저장되는 키값과 관계없이 평균적으로 좋은 결과를 얻는다. 
2. 어떤 input이 오더라도 최악의 경우로 가지 않는다. 
3. 연산이 오래걸리는 hash function이 있을 때 이것이 걸릴 확률은 매우 적다. 

 

Load Factor(적재율)

해시 테이블 크기 대비 키의 갯수. 즉 a = N/M  (a: 적재율, N : number of key, M:number of slots)

 

 

Collision(충돌)

• Hash table의 한 slot에 여러개의 key들이 들어가는것.
• collision은 피할 수 없다. 따라서 충돌을 최소화 한다. 
• collision을 피하는 방법

1. Chaining 
2. Open addressing (Linear probing, Quadratic probing, double hashing)

 

Chaining

• 데이터들을 포인터를 이용해 체인형태로 엮어나간다. 충돌이 생기면 linked list로 이어나간다. 
• 추가적인 linked list 필요
• insert : O(1) 
• delete : doubly-linked list 일 때O(1), singled-linked list일 때 길이에 비례
• search : 연결리스트이 길이만큼, average case : O(1+a)  (a: 적재율), 최악의 경우 O(n)+hash function의 연산 시간

 

Open addressing

• slot이 차있으면 다른 빈공간을 찾는 방식이다. 
• Collision이 일어나도 모든 데이터를 테이블에 저장하므로 추가적인 공간이 필요하지 않다.  (m>n일 때 사용)
• 데이터를 모두 직접 읽기때문에 linked list사용을 하지않아도 된다. 즉, 포인터를 사용하지 않는다. 
• open addressing은 delete 연산이 어렵다. 충돌이 일어난 것들의 길이 있기 때문에 slot을 비워둘 수가 없다. 따ㅏㄹ서 지우려면 지워진 데이터에 마킹을 해줘야한다. 
• search time은 probe sequence에 달려있다. 즉, 어떤 식으로 빈공간을 찾는지에 달려있다.
• Linear probing, Quadratic probing, double hashing 이 있다.
• average O(1)

 

Linear probing

• Collision이 발생하면 바로 다음 index에 데이터를 저장한다. Collision이 일어나지 않을 때 까지 반복한다. 
• h(k,i) = h(h(k)+i) mod m, i=0,1,2,...
• 문제점 : primary clustering problem 이 생긴다. 이게 생기면 slot들의 long chunks가 생겨서 몇몇의 slot은 일어날 확률이 더 높아진다. 이때문에 average insert와 search time이 증가한다. 

 

Quadratic probing

• Linear probing의 clustering 을 해결하기위해 Collision이 발생하면 2차식으로 점프하며 slot에 데이터를 넣는다. 
• h(k,i)=(h'(k)+c1*i+c2*i^2) mode m, i=0,1,2,...
• 문제점 : secondary clustering이 생긴다. 초기 해시값이 같으면 그 이후의 해시값도 다 같아져서 연속 충돌이 일어난다.  

 

Double hashing

• 해시함수를 2개 사용한다. 
• h(k,i) = (h1(k)+i*h2(k)) mod m, i=0,1,2,...
• 장점 : clustering 문제를 피할 수 있다. 
• 문제점 : 원소를 delete하는것이 힘들다. 

 

Performance goal for dictionary operations

• average O(log n) -> BST
• worst-case O(log n) -> balanced BST (AVL tree)
• dictionary operation average O(1) -> hashing (but worst-case is O(n))