Hashing. 2 argomenti Hashing Tabelle hash Funzioni hash e metodi per generarle Inserimento e risoluzione delle collisioni Eliminazione Funzioni hash per.

Presentazione sul tema: "Hashing. 2 argomenti Hashing Tabelle hash Funzioni hash e metodi per generarle Inserimento e risoluzione delle collisioni Eliminazione Funzioni hash per."— Transcript della presentazione:

1 Hashing

2 2 argomenti Hashing Tabelle hash Funzioni hash e metodi per generarle Inserimento e risoluzione delle collisioni Eliminazione Funzioni hash per file Hashing estendibile Hashing lineare

3 Hashing3 Richiamo sul concetto di dizionario Insieme di coppie del tipo Le chiavi appartengono a un insieme totalmente ordinato Operazioni: insert(el, key) delete(key) search(key)

4 Hashing4 Tabelle hash Adatte per realizzare dizionari Generalizzazione del concetto di array Importanti nell’accesso a dati su memoria secondaria Gli accessi avvengono a memoria secondaria Costo degli accessi predominante Indirizzamento diretto: si associa ad ogni valore della chiave un indice di un array – ricerca in tempo O(1) Problemi?

5 Hashing5 Indirizzamento diretto Ogni chiave corrisponde a el. diverso dell’array Può portare a spreco di memoria Es.: 10000 studenti e matr.= No. decimale a 5 cifre 2 0 N-1 No. chiavi

6 Hashing6 Obiettivi N ~ No. Chiavi effettivamente usate Tempo di ricerca O(1) D.: possibile? Nota: No. Chiavi possibili può essere >> N 2 0 N-1 No. chiavi

7 Hashing7 Tabella hash Dato l’insieme base di un dizionario: T è una tabella h: K  {0,...,N-1} K insieme delle possibili chiavi {0,...,N-1} insieme delle posizioni nella tabella

8 Hashing8 Funzioni hash perfette e collisioni Funzione hash perfetta: k 1 !=k 2  h(k 1 ) != h(k 2 ) Richiede N >= |K| Raramente ragionevole in pratica In generale N < |K| (spesso N << |K|) Conseguenza: k 1 !=k 2 ma h(k 1 ) == h(k 2 ) è possibile  Collisione Es.: proporre una funzione hash perfetta nel caso in cui le chiavi siano stringhe di lunghezza 3 sull’alfabeto {a, b, c}

9 Hashing9 Requisiti di una funzione hash Uniformità semplice: Pr[h(k)=j] ~ 1/|K| La probabilità è calcolata rispetto alla distribuzione delle chiavi Intuitivamente, si desidera che gli elementi si distribuiscano nell’array in modo uniforme Difficile costruire funzioni che soddisfino la proprietà D.: perché?

10 Hashing10 Requisiti di una funzione hash/2 Esempio: sia |T|=5 e h(k)=k mod 5 {1, 6, 11, 16}{1, 7, 10, 14} Non è nota la distribuzione delle chiavi Può aversi agglomerazione degli elementi In pratica: si cerca di avere indipendenza dai dati 0123401234 0123401234

11 Hashing11 Interpretazione delle chiavi Tra gli elementi di K è definito un ordinamento totale ma: Le chiavi non sono necessariamente numeri naturali (o persino numeri) Es.: stringhe Soluzione: associare a ciascuna chiave un intero Modalità dipendono da insieme delle chiavi e applicazione

12 Hashing12 Esempio: stringhe Possibile metodo: associare a ciascun carattere il valore ASCII e alla stringa il numero intero ottenuto in una base scelta Esempio: base 2, posizioni meno significative a destra Stringa = “p t”  chiave = 112*2 1 +116*2 0 =240 Ascii(‘p’)=112Ascii(‘t’)=116

13 Hashing13 Derivazione di funzioni hash Molti metodi Divisione Ripiegamento Mid-square Estrazione........... Obiettivo: distribuzione possibilmente uniforme Differenze: Complessità Fenomeni di agglomerazione

14 Hashing14 Divisione h(k)=k mod |T| - Bassa complessità Attenzione ai fenomeni di agglomerazione No potenze di 2: se m=2 p allora tutte le chiavi con i p bit meno significativi uguali collidono No potenze di 10 se le chiavi sono numeri decimali (motivo simile) In generale, la funzione dovrebbe dipendere da tutte le cifre della chiave (comunque rappresentata) Scelta buona in pratica: numero primo non troppo vicino a una potenza di 2 (esempio: h(k)=k mod 701 per |K|=2048 valori possibili)

15 Hashing15 Ripiegamento Chiave k suddivisa in parti k 1,k 2,....,k n h(k)=f(k 1,k 2,....,k n ) Esempio: la chiave è un No. di carta di credito. Possibile funzione hash: 1. 4772 6453 7348  {477, 264, 537, 348} 2. f(477,264,537,348) = (477+264+537+348)mod 701 = 224

16 Hashing16 Estrazione Si usa soltanto una parte della chiave per calcolare l’indirizzo Esempio: 6 cifre centrali del numero di carta di credito 4772 6453 7348  264537 Il numero ottenuto può essere ulteriormente manipolato L’indirizzo può dipendere da una porzione della chiave

17 Hashing17 Risoluzione delle collisioni I metodi si distinguono per la collocazione degli elementi che danno luogo alla collisione Concatenazione: alla i-esima posizione della tabella è associata la lista degli elementi tali che h(k)=i Indirizzamento aperto: tutti gli elementi sono contenuti nella tabella

18 Hashing18 Concatenazione h(k 1 )= h(k 4 )=0 h(k 5 )= h(k 7 )=h(k 2 )=4 0123401234 k 1 k 4 k 5 k 2 k 7 Es.: h(k)=k mod 5 k 1 =0, k 4 =10 k 5 =9, k 7 =14, k 2 =4

19 Hashing19 Concatenazione/2 insert(el, k): inserimento in testa alla lista associata alla posizione h(k) – costo O(1) search(k): ricerca lineare nella lista associata alla posizione h(k) – costo O(lungh. lista associata a h(k)) delete(k): ricerca nella lista associata a h(k), quindi cancellazione – costo O(lungh. lista associata a h(k))

20 Hashing20 Indirizzamento aperto Tutti gli elementi sono memorizzati nella tabella Le collisioni vanno risolte all’interno della tabella Se la posizione calcolata è già occupata occorre cercarne una libera I diversi metodi ad indirizzamento diretto si distinguono per il metodo di scansione adottato La funzione hash dipende anche dal numero di tentativi effettuati Indirizzo=h(k, i) per l’i-esimo tentativo

21 Hashing21 Inserimento insert (el, k) { /* T denota la tabella */ i=0; while (h(k, i) && (i<|T|)) i++; if (i < |T|) else }

22 Hashing22 Ricerca search (k) { /* T denota la tabella */ i=0; while ((k!=key(T[h(k, i)])) && (i<|T|)) i++; if (i < |T|) else }

23 Hashing23 Cancellazione delete (k) { /* T denota la tabella */ search(k); if ( ) }

24 Hashing24 Scansione La funzione h(k, i) deve essere tale che tutte le posizioni della tabella siano esaminate Sono possibili diverse forme per la funzione h(k,i) Scansione lineare Scansione quadratica Hashing doppio Si differenziano per complessità e comportamento rispetto a fenomeni di agglomerazione

25 Hashing25 Scansione lineare h(k, i) = (h’(k)+i) mod |T|, dove h’(k) è una funzione di hashing Si scandiscono tutte le posizioni nella sequenza T[h’(k)], T[h’(k)]+1,.... T[|T|], 0, 1,...., T[h’(k)]-1 Possibilità di agglomerazione primaria: gli elementi si agglomerano per lunghi tratti

26 Hashing26 Agglomerazione primaria h(k, i) = (h’(k)+i) mod 101, h’(k)=k mod 101 012012 100 {2, 103, 104, 105,....} Caso estremo, ma il problema esiste

27 Hashing27 Scansione quadratica h(k, i) = (h’(k)+c 1 i+c 2 i 2 ) mod |T|, dove h’(k) è una funzione di hashing, c 1 e c 2 sono costanti Es.: h(k, i) = h’(k)+i 2, h(k, i+1) = h’(k)-i 2, i=1,..., (|T|-1)/2 Possibilità di agglomerazione secondaria: se h’(k 1 )= h’(k 2 )  h’(k 1,i)= h’(k 2,i) Descrivere h(k, i) quando h’(k)=k mod |5|

28 Hashing28 Hashing doppio h(k, i) = (h 1 (k)+ih 2 (k)) mod |T|, dove h 1 (k) e h 2 (k) sono funzioni di hashing Es.: h(k, i) = h’(k)+i 2, h(k, i+1) = h’(k)-i 2, i=1,..., (|T|-1)/2 Anche la modalità di scansione dipende dalla chiave L’hashing doppio riduce i fenomeni di agglomerazione

29 Hashing29 Hashing estendibile E’ usato nella gestione di file, la cui dimensione può variare. Es.: file ad accesso diretto Il file è organizzato in bucket, ciascuno dei quali ha una dimensione fissa Gli indirizzi sono associati ai bucket La funzione hash restituisce in questo caso un puntatore al bucket

30 Hashing30 Hashing estendibile/2 h(k) restituisce una stringa binaria b I bit più significativi di b sono usati per determinare l’indirizzo del bucket 00 01 10 11 2 2 1 Lungh. locale 2 Indice Lungh. globale Bucket 00 Bucket 01 Bucket 1 File h(k)=11001

31 Hashing31 Esempio 00 01 10 11 2 2 1 2 Indice Bucket 00 Bucket 01 Bucket 1 File 0 1 1 1 1 Indice Bucket 0 Bucket 1 File 10010 01100 00001 01100 h(k)=00101 Dim. Bucket = 4 10010 01100 00001 00101

32 Hashing32 H. estendibile - Inserimento extHashInsert (el, k) { /* L=lunghezza globale */ str=h(k); /* LS= lunghezza str */ p=indice[pattern[LS-1...LS-L]]; if (<Bucket puntato da p non pieno) else { /* l=lunghezza locale bucket*/ l++; } if (l > L) L++; }