哈希表之开放地址的三种方法

      hash表作为一种常见数据结构可以提供快速的插入和查找操作，不管哈希表中有多少个数据，插入和删除数据只需要接近O(1)的时间。这是具有非常大的优势。通常使用hash表速度会比树快，因为树需要O（N）时间级。不过hash表是基于数组的，创建后比较难扩展，使用不灵活。这样就注定需要面对动态内存问题，通常的思路是对数组进行扩展，将之前的数据复制到新的数组中并释放原来的内存。

      hash表就是key—value键值对模型。将关键字映射为相应号码。依然是以关键字作为索引，例如字典，hash表就是非常适合这种数据的存储。从a到z的单词都写入内存，实现快速读写。

哈希函数

      哈希函数是实现将一个大范围内的数字转化为一个小范围的数字。这个小范围的数字对应数组的下标。使用哈希函数向数组中插入数据后，这个数组就称为哈希表。通常%（取余）是办法中的一种。

哈希过程中的冲突

      将大范围的数字转化为小范围的数字会出现冲突。因为是采用数组进行存储，可能会出现将几个不同的数据哈希化到同一个数组单元。这就形成了冲突。这时候需要解决这种冲突。方法之一就是在新开辟的数组中依次有序寻找空位进行存储。这就是地址开放法的由来。

开放地址法

      根据以上hash函数计算数组下标时，当遇到数据存放的冲突时就需要重新找到数组的其他位置。关于开放地址法通常需要有三种方法：线性探测、二次探测、再哈希法。

线性探测

      线性探测方法就是线性探测空白单元。当数据通过哈希函数计算应该放在700这个位置，但是700这个位置已经有数据了，那么接下来就应该查看701位置是否空闲，再查看702位置，依次类推。需要注意的是：当哈希表中接近被填满时，向表中插入数据就会效率很低，当hash表真的被填满了，这时候算法应该停止，在这之前应该对数组进行扩展，对hash表中的数据进行转移。

聚集

      当哈希表越来越满时聚集越来越严重，这导致产生非常长的探测长度，后续的数据插入将会非常费时。通常数据超过三分之二满时性能下降严重，因此设计哈希表关键确保不会超过这个数据容量的一半，最多不超过三分之二。

线性探测的操作流程

      线性探测就是使用算术取余的方法计算余数，当产生冲突时就通过线性递增的方法进行探测，一直到数组的位置为空，插入数据项即可。

      以上是通过一个长度是10的数组进行hash存储。对数据10 20 30 23 24 25 35 37 38 9进行储存，数组长度为10；那么当第一个10%10=0，即把10放入HashArray[0]位置上，当对下一个数字20进行存储时，计算20%10=0,此时HashArray[0]已经有数据了，其实通过线性探测对HashArray[1]进行探测。此时HashArray[1]null,将数据20插入该位置，其他数据插入同理。

该部分代码：

//定义数据属性以及返回当前数据
class ItemData
{
     int data;
    public ItemData(int data)
    {
        this