散列表（Hash Table）

散列表（Hash Table）

---

1.散列表

散列表(Hash Table)又名哈希表/Hash表，是根据键（Key）直接访问在内存存储位置值（Value）的数据结构，它是由数组演化而来的，利用了数组支持按照下标进行随机访问数据的特性.

例子1:

假设有100个人参加马拉松，编号是1-100，如果要编程实现根据选手的编号迅速找到选手信息？

实现思路：

让选手的编号存储到数组中，其中选手的编号就是数组的下标，我们需要查询某一个选手的时候，只需要根据选手编号作为数组下标查询即可，时间复杂度O(1)，效率很高

什么是时间复杂度O(1)?

是衡量算法效率的指标之一，O(1)表示无论输入规模的大小如何，算法的运行时间都是常数级别的，即算法的执行时间不随输入的增加而增加。这意味着算法的执行时间是固定的，不受输入规模的影响。

例子2：

假设有100个人参加马拉松，不采用1-100的自然数对选手进行编号，编号有一定的规则比如：2022ZHBJ001，其中2022代表年份，ZH代表中国，BJ代表北京，001代表原来的编号，那此时的编号2022ZHBJ001不能直接作为数组的下标，此时应该如何实现？

实现思路:

让选手的编号（2022ZHBJ001）进行hash计算，hash计算后得到一个整数值，可以做为数组的下标进行存储。

总结:

散列表用的就是数组支持按照下标访问数据时时间复杂度为O(1)的特性来实现的高效访问，当存储数据时，通过散列函数得到数组的下标然后将数据放入到该位置中去，然后进行读取。可以看出，散列表的实质是数组，是一种升级版的数组。

---

2.散列函数hash(key)

含义:将键(key)映射为数组下标的函数叫做散列函数

散列函数的基本要求：

1. 散列值是一个非负整数
2. 如果key1 = key2 ，那么hash(key1) == hash(key2)
3. 如果key1 != key2，那么hash(key1) != hash(key2)

上面要求的前2条很容易理解，也很容易实现，但是第三条是不太容易实现的，当两个key的值不同的时候，他们的hash值不敢保证一定不一样,想找一个散列函数能够做到对于不同的key,计算得到的散列值都不同几乎是不可能的，因而会产生散列冲突

---

3.散列冲突(哈希冲突/哈希碰撞)

根据一定的规则放进存放哈希值的数组中，然后下标为1的数组已经有值了，后面根据规则，判定某个数也需要放到下标为1的数组中，这样就导致了只有一个位置两个人都要坐，就引起了冲突。(不同的key值产生的H(key)是一样的)。这就是散列冲突(或者哈希冲突，哈希碰撞，就是指多个key映射到同一个数组下标位置)

例子:

上图中的选手编号，如果进行hash计算后得到的值是一样的，则会计算到数组中的同一个下标中.

---

hash冲突解决方案

------链表法

原理: 通过散列函数得到的目标位置如果已经有数据的话，就形成一个链表，将冲突的数据放入链表中去，这样插入的时间复杂度依旧是O(1)，但是有弊端,就是当链表长度过长的时候，查询数据的速率会变慢，所以在有些时候，链表会转化为树来减少查找的时间。如图所示，hashmap用链表来解决hash冲突

解读:
1.散列表对应数组的每一个下标位置，称为：slot槽
2.每一个slot槽位，对应一条链表，用于解决散列冲突
3.当不同的元素key，通过散列函数计算出了相同的散列值，存在散列冲突
4.槽位发生散列冲突，只需在槽位的链表上增加一个节点即可

更多解决方法