[Python] 해쉬 테이블 (Hash Table)

해쉬 테이블 (Hash Table)

 

1. 해쉬 구조

Hash Table : 키(Key)에 데이터(Value)를 저장하는 데이터 구조

• Key를 통해 바로 데이터를 받아올 수 있으므로, 속도가 획기적으로 빨라진다.
• 파이썬 딕셔너리(Dictionaray) 타입이 해쉬 테이블의 예이다.

2. 알아둘 용어

• 해쉬(Hash) : 임의의 값을 고정 길이로 변환하는 것
• 해쉬 테이블(Hash Table) : 키 값의 연산에 의해 직접 접근이 가능한 데이터 구조
• 해싱 함수(Hashing Function) : Key에 대해 산술 연산을 이용해 데이터 위치를 찾을 수 있는 함수
• 해쉬 값(Hash Value) 또는 해쉬 주소(Hash Address) : Key를 해싱 함수로 연산해서, 해쉬 값을 알아내고, 이를 기반으로 해쉬 테이블에서 해당 Key에 대한 데이터 위치를 일관성 있게 찾음
• 슬롯(Slot) : 한 개의 데이터를 저장할 수 있는 공간
• 저장할 데이터에 대해 Key를 추출할 수 있는 별도 함수도 존재할 수 있다.

https://www.fun-coding.org/Chapter09-hashtable.html

3. 간단한 해쉬 예

3.1 hash table 만들기

hash_talbe = list([0 for in range(10)])

3.2 hash function 만들기 (가장 간단한 방식인 Division)

def hash_func(key):
	return key % 5

3.3 hash table에 데이터 저장

data1 = 'Andy'
data2 = 'Dave'
data3 = 'Trump'

## ord() : 문자의 ASCII 코드 리턴
print(ord(data1[0]), ord(data2[0]), ord(data3[0]))

def storage_data(data, value):
	key = ord(data[9])
	hash_address = hash_func(key)
	hash_table[hash_address] = value

3.4 해쉬 테이블에서 특정 주소의 데이터를 가져오는 함수

storage_data('Andy', '01055553333')
storage_data('Dave', '01033333333')
storage_data('Trunp', '01044443333')

3.5 실제 데이터를 저장하고 읽기

def get_data(data):
	key = ord(data[0])
	hash_address = hash_func(key)
	hash_table[hash_address] = value

 

4. 자료구조 해쉬 테이블의 장단점과 주요 용도

장점

• 데이터 저장/읽기 속도가 빠르다.
• 해쉬는 키에 대한 데이터가 있는지 (중복) 확인이 쉽다.

단점

• 일반적으로 저장 공간이 좀 더 많이 필요하다.
• 여러 키에 해당하는 주소가 동일할 경우 충돌을 해결하기 위한 자료구조가 필요하다.

주요 용도

• 검색이 많이 필요한 경우
• 저장, 삭제, 읽기가 빈번한 경우
• 캐쉬 구현시 (중복 확인이 쉽기 때문)

 

5. 프로그래밍

hash_table = list([0 for i in range(8)])

def get_key(data):
	return hash(data)

def hash_function(key):
	return key % 8

def save_data(data, value):
	hash_address = hash_function(get_key(data))
	hash_table[hash_address] = value

def read_data(data):
	hash_address = hash_function(get_key(data))
	return hash_table[hash_address]

 

6. 충동 (Collision) 해결 알고리즘 (좋은 해쉬 함수 사용)

6.1 Chaining 기법

: 개방 해싱 또는 Open Hasing 기법 중 하나 : 하나의 테이블 저장 공간 외의 공간을 활용하는 기법

: 충돌이 일어나면, 링크드 리스트라는 자료 구조를 사용해서, 링크드 리스트로 데이터를 추가로 뒤에 연결시켜 저장

hash_table = list([0 for i in range(8)])

def get_key(data):
	return hash(data)

def hash_function(key):
	return key % 8

def save_data(data, value):
	index_key = get_key(data)
	hash_address = hash_function(index_key)
	if hash_table[hash_address] != 0:
		for index in range(len(hash_table[hash_address])):
			if hash_table[hash_address][index][0] == index_key:
				hash_table[hash_address][index][1] = value
				return
		hash_table[hash_address].append([index_key, value])
	else:
		hash_table[hash_address] = [[index_key, value]]

def read_data(data):
	index_key = get_key(data)
	hash_address = hash_function(index_key)
	if hash_table[hash_address] != 0:
		for index in range(len(hash_table[hash_address])):
			if hash_table[hash_address][index][0] == index_key:
				return hash_talbe[hash_address][index][1]
		return None
	else:
		return None
	return hash_table[hash_address]

6.2 Linear Probing 기법

: 폐쇄 해싱 또는 Close Hashing 기법 중 하나 : 해쉬 테이블 저장 공간 안에서 충돌 문제 해결

: 충돌이 일어난다면, 해당 hash address의 다른 address 부터 맨 처음 나오는 빈 공간에 저장

hash_table = list([0 for i in range(8)])

def get_key(data):
	return hash(data)

def hash_function(key):
	return key % 8

def save_data(data, value):
	index_key = get_key(data)
	hash_address = hash_function(index_key)
	if hash_table[hash_address] != 0:
		for index in range(hash_address, len(hash_table)):
			if hash_table[index] == 0:
				hash_table[index] = [index_key, value]
				return
			elif hash_table[index][0] == index_key:
				hash_table[index][1] = value
				return

def read_data(data):
	index_key = get_key(data)
	hash_address = hash_function(index_key)	
	if hash_table[hash_address] != 0: 
		for index in range(hash_address, len(hash_table)):
			if hash_table[index] == 0:
				return None
			elif hash_talbe[index][0] == index_key:
				return hash_table[index][1]
	else:
		return None

6.3 빈번한 충돌을 개선하는 기법

: 해쉬 함수를 재정의 및 테이블 저장공간을 확대

 

[참고] 해쉬 함수와키 생성 함수

SHA-1

import hashlib

data = 'test'.encode()
hash_object = hashlib.sha1()
hash_object.update(data)
hex_dig = hash_object.hexdigest()
print(hex_dig)

import hashlib

hash_table = list([0 for i in range(8)])

def get_key(data):
	hash_object = hashlib.sha256()
	hash_object.update(data.encode())
	hex_dig = hash_object.hexdigest()
	return int(hex_dig, 16)

def hash_function(key):
	return key % 8

def save_data(data, value):
	index_key = get_key(data)
	hash_address = hash_function(index_key)
	if hash_table[hash_address] != 0:
		for index in range(hash_address, len(hash_table)):
			if hash_table[index] == 0:
				hash_table[index] = [index_key, value]
				return
			elif hash_table[index][0] == index_key:
				hash_table[index][1] = value
				return

def read_data(data):
	index_key = get_key(data)
	hash_address = hash_function(index_key)	
	if hash_table[hash_address] != 0: 
		for index in range(hash_address, len(hash_table)):
			if hash_table[index] == 0:
				return None
			elif hash_talbe[index][0] == index_key:
				return hash_table[index][1]
	else:
		return None

 

7. 시간 복잡도

일반적인 경우 = 충돌이 없는 경우 : \(O(1)\)

최악의 경우 = 충돌이 전부 일어나는 경우 : \(O(n)\)