散列表解决冲突的办法

散列表（Hash table，也叫哈希表），是根据关键码值(Key value)而直接进行访问的数据结构。也就是说，它通过把关键码值映射到表中一个位置来访问记录，以加快查找的速度。这个映射函数叫做散列函数，存放记录的数组叫做散列表。
给定表M，存在函数f(key)，对任意给定的关键字值key，代入函数后若能得到包含该关键字的记录在表中的地址，则称表M为哈希(Hash）表，函数f(key)为哈希(Hash) 函数。

上文解释了散列表的含义。通过哈希函数f(key)找到在表中的位置。aKey和bKey不相等时，f(aKey) 可能等于 f(bKey)。这种现象称为碰撞。
目前解决该问题有两种办法

1. 开放寻址法
2. 拉链法（又称分离链表法）

开放寻址法
开放寻址法 Hi=(H(key) + di) MOD m,i=1,2，…，k(k<=m-1），其中H(key）为散列函数，m为散列表长，di为增量序列

从而有三种取法：

1. di=1,2,3，…，m-1，称线性探测再散列
2. di=1^2,-1^2,2^2,-2^2，⑶^2，…，±（k)^2,(k<=m/2）称二次探测再散列
3. di=伪随机数序列，称伪随机探测再散列

Android 源码的 ThreadLocal 就是用的该方法解决冲突。
ThreadLocal使用的第一种线性探测方法，

f(key) = key & (len-1))
key += 0x61c88647

int temp = 0;
for (int i = 0; i < 16; i++) {
    int k = temp & 15;
    Log.d("tag", " " + k);
    temp += HASH_INCREMENT;
}
D/tag:  0
D/tag:  7
D/tag:  14
D/tag:  5
D/tag:  12
D/tag:  3
D/tag:  10
D/tag:  1
D/tag:  8
D/tag:  15
D/tag:  6
D/tag:  13
D/tag:  4
D/tag:  11
D/tag:  2
D/tag:  9

可以看到很分散。

当冲突时，i+1向后继续寻找位置，直到不为空的位置或无效位置。
同时当表即将满员后，会进行resize表大小。

图片来自 http://alexyyek.github.io/2014/12/14/hashCollapse/

拉链法

图片来自 http://faculty.cs.niu.edu/~freedman/340/340notes/340hash.htm

可以看到拉链法会找到key所对应的链表，通过链表链接f(key)相同的元素。