哈希表总结

哈希表的核心问题就是如何解决冲突/碰撞（不同的关键码通过hash函数得到了一个相同的下标）问题

方法有两种 （1）降低产生冲突的可能性 （2）是解决冲突

（1）降低产生冲突的可能性（哈希冲突无法避免）：

1.设计哈希函数 例：数据集合{1，8，6，7，4，3}  ，设计hash函数为 hash(key) == key % capacity(储存元素底层空间的总大小)  常见的设计方法 ：

1. 直接定制法--(常用)
取关键字的某个线性函数为散列地址：Hash（Key）= A*Key + B 优点：简单、均匀 缺点：需要事先知道关键字的分布情况 使用场景：适合查找比较小且连续的情况 
2. 除留余数法--(常用)
设散列表中允许的地址数为m，取一个不大于m，但最接近或者等于m的质数p作为除数，按照哈希函数： Hash(key) = key% p(p<=m),将关键码转换成哈希地址 （上面例子用的方法）
3. 平方取中法
假设关键字为1234，对它平方就是1522756，抽取中间的3位227作为哈希地址； 再比如关键字为4321，对 它平方就是18671041，抽取中间的3位671(或710)作为哈希地址 平方取中法比较适合：不知道关键字的分 布，而位数又不是很大的情况
 

              

2.调节负载因子 ，负载因子=当前存放数据元素的个数/散列表的长度, 一般负载因子越大冲突率就越高 HashMap的负载因子最大为0.75 ，超过0.75 就需要扩容了

扩容机制：当每次扩容时，哈希表的容量增加为原来的两倍，当扩容完且rehash后才会继续插入触发扩容的数据。

（2）常见的解决冲突的方法：

1.闭散列（开放地址法）当发生哈希冲突时，哈希表未被装满，就可以把key放到冲突位置的“下一个”空位置去  。

包含两种方法 （1）线性探测法（从冲突的位置依次向后探测直到找到下一个空位置为止）

 缺点：由于冲突时是挨着向后找下一个空位置的 ，所以会导致冲突的数据都堆积在一块 

注意：采用闭散列处理哈希冲突时，不能随便物理删除哈希表中已有的元素，若直接删除元素会影响其它元素的搜索。比如删除元素4，如果直接删除掉，34查找起来可能会受影响。因此线性探测采用标记的伪删除法来删除一个元素。

（2）二次探测（下一个空位置= (hash(key)+i²) % capacity）i是hash(key)第几次找空位置，从i从1开始 如果i=1时找到的位置还是冲突的 ，i就+1，直到找到下一个空位置为止。

就还以上图为例子 hash(34) = 34 % 10 = 4 发生了冲突 这时用二次探测法 hash(34) =(4 + 1²) % 10 = 5 还是发生了冲突 于是 hash(34) = (4 + 2²)%10 = 8 找到了空位置 就把34放在8这个位置 

研究表明当表的长度为质数且表装载因子 a 不超过 0.5 时，新的表项一定能够插入，而且任何一个位置都不 会被探查两次。因此只要表中有一半的空位置，就不会存在表满的问题。在搜索时可以不考虑表装满的情况，但在插入时必须确保表的装载因子a不超过 0.5 ，如果超出必须考虑增容。

所以闭散列的最大缺点就是空间利用比较率低，这也是哈希的缺陷 。

2.开散列/哈希桶（链地址法）

先对关键码集合用哈希函数定位，每个位置相同的关键码（key）都存在同一个子集合中，每一个子集合又叫做一个桶，桶中的各个元素通过一个单链表连接起来，各链表的头节点存放在哈希表中

其他知识：

1.哈希表的插入，删除，查找操作的时间复杂度都是O（1）。

2.Java中的HashMap ,HashSet就是利用哈希表实现的Map和Set。

3.Java中解决冲突使用的时开散列也就是哈希桶 来解决的。

4.Java会在冲突链表的长度达到一定的阈值后（8），将链表转化为红黑树。 

5.hashCode和equals方法 前者是用来计算key的哈希值，以达到定位的效果（就是找到哈希表中链表头节点所在的位置下标），而后者就是从找到的头节点向链表尾部遍历去与key比较相等性。

如果两个对象相同，hashCode一定相同。
但是hashCode相同的两个对象不一定相同。（可能是同一个hashCode定位到的链表头节点的不同后续节点）
而如果两个对象相同，equals()方法得到的一定为true。

注：如果是自定义的类 要作为HashMap的key值，或者HashSet的值的时候必须根据类来重写hashCode方法和equals方法。