လွယ်လွယ်ပြောရရင် Hash Table ဆိုတာ Key တစ်ခုပေးလိုက်တာနဲ့ Value ကို ချက်ချင်း ရှာတွေ့တဲ့ Data Structure ပါ။ စာရင်းထဲမှာ တစ်ခုချင်းစီ လိုက်ရှာစရာ မလိုဘဲ၊ ပေးလိုက်တဲ့ Key ကနေ သိမ်းထားတဲ့ နေရာကို တိုက်ရိုက်တွက်ထုတ်ပြီး သွားယူလိုက်တာပါ။

ကျွန်တော် ဒါကို စာကြည့်တိုက်နဲ့ ဥပမာပေးချင်တယ်။ စာအုပ်တွေ သောင်းချီရှိတဲ့ စာကြည့်တိုက်မှာ “Python Programming” စာအုပ်ကို ရှာတယ်ဆိုပါစို့။ စာအုပ်တစ်အုပ်ချင်းစီ လိုက်ရှာနေရင် တစ်နေကုန်သွားမှာပါ။ ဒါပေမယ့် စာကြည့်တိုက်မှာ စနစ်ရှိပါတယ်။ စာအုပ်ခေါင်းစဉ်ရဲ့ ပထမစာလုံးကို ကြည့်ပြီး ဘယ်အခန်း၊ ဘယ်စင်မှာ ထားလဲ သိနိုင်ပါတယ်။ Hash Table လည်း အတူတူပါပဲ။ Key ကို နံပါတ်တစ်ခုအဖြစ် ပြောင်းပြီး အဲဒီနံပါတ်နဲ့ ကိုက်တဲ့ နေရာမှာ ဒေတာကို သိမ်းထားတာပါ။

ဘယ်လို အလုပ်လုပ်တာလဲ?

Hash Table မှာ အဓိက အစိတ်အပိုင်း ၃ ခု ရှိပါတယ်။

Array — ဒေတာကို တကယ်သိမ်းထားတဲ့ စာရင်းပါ။ အခန်းတွေ အများကြီး ရှိတဲ့ အဆောင်ကြီးလိုပါပဲ။
Hash Function — Key ကို နံပါတ် (Index) အဖြစ် ပြောင်းပေးတဲ့ တွက်နည်းပါ။ ဥပမာ “apple” ဆိုတဲ့ Key ကို ၅ ဆိုတဲ့ နံပါတ် ဖြစ်အောင် ပြောင်းပေးတာပါ။
Key-Value Pair — သိမ်းချင်တဲ့ ဒေတာ တစ်စုံကို Key နဲ့ Value တွဲပြီး သိမ်းတာပါ။

ဒေတာ သိမ်းတဲ့အခါ Hash Function က Key ကို နံပါတ်အဖြစ် ပြောင်းတယ်။ ပြီးရင် အဲဒီနံပါတ်နဲ့ ကိုက်တဲ့ Array အခန်းထဲမှာ Value ကို ထည့်ထားတယ်။ ရှာတဲ့အခါ အတူတူပဲ — Key ကို Hash Function နဲ့ ပြန်တွက်လိုက်ရင် သိမ်းထားတဲ့ နေရာကို တစ်ချက်တည်း သိသွားပါတယ်။ စာရင်းတစ်ခုလုံး လိုက်ရှာစရာ မလို့ပါဘူး။ ဒါကြောင့် ဒေတာ ဘယ်လောက်များများ ရှာတာ အမြဲတမ်း မြန်နေတာပါ။

Python မှာ Dictionary က Hash Table ပဲဖြစ်ပါတယ်။


prices = {"apple": 500, "banana": 300, "orange": 400}
print(prices["banana"])  # 300 ကို တစ်ချက်တည်း ရှာတွေ့တယ်
prices["mango"] = 800    # အသစ် ထည့်တာလည်း မြန်တယ်

prices["banana"] လို့ ရေးလိုက်တာနဲ့ Python က “banana” ဆိုတဲ့ Key ကို Hash တွက်ပြီး 300 ကို ချက်ချင်း ထုတ်ပေးတာပါ။ List ထဲမှာ လိုက်ရှာတာမျိုးနဲ့ လုံးဝ မတူပါဘူး။

Collision ဆိုတာ ဘာလဲ?

တစ်ခါတလေ Key နှစ်ခုက Hash တွက်လိုက်တော့ နံပါတ်တူ သွားတတ်ပါတယ်။ အခန်းတစ်ခန်းတည်းမှာ လူနှစ်ယောက် နေချင်သလိုပါပဲ။ ဒါကို Collision လို့ ခေါ်ပါတယ်။

Chaining — အခန်းတစ်ခန်းတည်းမှာ ဒေတာတွေ ထပ်ပြီး စာရင်းအဖြစ် တွဲထားတာပါ။ ရှာတဲ့အခါ အဲဒီအခန်းထဲက စာရင်းလေးထဲကနေ ထပ်ရှာရပါတယ်။
Open Addressing — အခန်း ပြည့်နေရင် နောက်အခန်းလွတ်ကို ရှာပြီး ထည့်တာပါ။

Collision တွေ များလာရင် Hash Table က နှေးလာပါတယ်။ ဒါကြောင့် Hash Function ကောင်းကောင်းရွေးဖို့ အရေးကြီးပါတယ်။ Key တွေ များလာတဲ့အခါ Array ကို ပိုကြီးတဲ့ အရွယ်နဲ့ ပြန်ဆောက်ပြီး ဒေတာတွေ ပြန်ဖြန့်တာကိုတော့ Rehashing လို့ ခေါ်ပါတယ်။ Python Dictionary က ဒါကို အလိုလို လုပ်ပေးပါတယ်။

ဘယ်နေရာတွေမှာ သုံးလဲ?

Dictionary / Map — Python ရဲ့ dict၊ JavaScript ရဲ့ Map၊ Java ရဲ့ HashMap အားလုံး Hash Table တွေပါ။
Cache — Website တွေ၊ App တွေက ခဏခဏ သုံးတဲ့ ဒေတာကို Hash Table ထဲ ထည့်ပြီး မြန်မြန် ပြန်ယူပါတယ်။
စကားလုံး ရေတွက်တာ — စာတစ်ပုဒ်ထဲမှာ စကားလုံး တစ်ခုချင်းစီ ဘယ်နှစ်ကြိမ် ပါလဲ ရေတွက်တဲ့အခါ Hash Table က အကောင်းဆုံးပါ။
Database Index — Database တွေက Row တွေကို မြန်မြန် ရှာနိုင်အောင် Hash Index သုံးပါတယ်။
Password သိမ်းတာ — Password ကို တိုက်ရိုက် မသိမ်းဘဲ Hash လုပ်ပြီး သိမ်းတာပါ။ Hashing ဆိုတဲ့ အကြောင်းကို ကျွန်တော် အရင်က ရေးခဲ့ဖူးပါတယ်။

စာရင်းတစ်ခုထဲမှာ ဒေတာရှာတဲ့အခါ List နဲ့ ရှာရင် ဒေတာ ၁၀၀၀ ရှိရင် ပျမ်းမျှ ၅၀၀ ကြိမ် လိုက်ကြည့်ရပါတယ်။ Hash Table နဲ့ဆိုရင် တစ်ကြိမ်တည်းနဲ့ ရပါတယ်။ ဒေတာ သန်းချီများလာရင်တောင် ဒီကွာခြားချက်က အများကြီး ပိုသိသာလာပါတယ်။

Hash Table ကို နားလည်သွားရင် Python Dictionary ကို ဘာလို့ ဒီလောက်မြန်လဲ၊ Database တွေ ဘာလို့ ဒေတာရှာတာ မြန်လဲ ဆိုတာ ကိုယ်တိုင် မြင်သွားပါလိမ့်မယ်။ Programming မှာ အသုံးအများဆုံး Data Structure တွေထဲက တစ်ခုမို့ သေချာလေး မှတ်ထားလိုက်ပါ။ 🙂

—

Avatar photo
Min SiThu
@itsmeminsithu

Software Engineer & Tech Content Creator

View all posts