概念（一）hash table _ 哈希表（中）

1. 哈希思想

哈希表 hash table 也称散列表， 是由数组演化而来， 底层依赖 数组 支持按照下标快速 访问元素的特性；

1.1 hash 原理

哈希表利用的是 数组按照下标访问元素时， 其时间复杂度为 O(1) 这样的特性;

实际操作时： 通过哈希函数， 将元素的键值映射为下标， 然后， 将对应的数据存储在 数组中 对应的下标的位置；

当按照键值 查询元素时， 使用同样的哈希函数， 将键值转化为 数组下标， 从数组中 这个下标对应的位置取数据。

作用， 可以快速 访问表中的某个 元素， 时间复杂度O(1);

1.2 hash 举例

例如：
以数组举例 :
数组中 索引下标 可当做 成 hash 表中的 key；
数组中 索引所对应的数值 可看成 hash 表中 的 值；

以python 中的 字典举例： dict()

字典中的 关键字 可作为 hash 表中的 key;
字典中 关键字所对应的 内容 作为 hash 表中的 值；

2. 哈希函数

2.1. hash(key)

hash(key): key 表示元素的 键值；
hash(key) 的值 表示经过 哈希函数 计算得到的 哈希值；

2.2 哈希函数的3个基本要求

1. 哈希函数计算得到的哈希值 是一个 非负整数；
2. if key1 == key2 , then hash(key1) == hash(key2)
3. if key1 != key2 , then hash(key1) != hash(key2)

3. 哈希冲突

哈希冲突： 不同的键 经过 同一个哈希函数， 输出的值 映射到同一个 哈希值 上 ；

常用的解决方法： 开放寻址法 和 链表法

3.1. 开放寻址法

一旦出现哈希冲突， 通过重新 探测新位置的方法 解决冲突；

最简单有， 线性探测法：
当向哈希表插入数据时， 如果某个数据经过哈希函数计算后， 对应的存储位置已经被占用了， 则从这个位置开始， 在数组中依次往后查找， 直到找到控线位置为止；

在此基础上，还有 二次探测法， 双重哈希法；

3.2. 链表法

在发生冲突的那些位置， 建立“桶” 或者称 “ 槽”， 即在冲突的位置上 后面接入一个链表；

这样冲突的哈希值， 接着那个位置的 链表中继续存放；

当 N : 表示 哈希表中 元素的个数；
M: 表示 哈希表中 槽的 个数；
则 N / M = K， k 称为装载因子；

装载因子越大， 说明链表长度越长， 哈希表的性能就会越低；