设计一个可应对各种异常情况的工业级散列表

何为一个工业级的散列表？

1）支持快速的查询、插入、删除操作。

2）内存占用合理，不能浪费过多的内存空间。

3）性能稳定，极端情况下，散列表的性能也不会退化到无法接受的情况。

如何设计散列函数？

首先，散列函数的设计不能太复杂。过于太复杂的散列函数，势必会消耗很多计算时间，也就间接的影响到散列表的性能。其次，散列函数生成的值要尽可能随即并且均匀分布，这样才能避免或者最小化散列冲突，即使出现冲突，散列到每个槽里的数据也会比较平均，不会出现某个槽内数据特别多的情况。

实际工作中还要综合考虑各种因素，比如关键字的长度、分布、特点、散列表的大小……

1 数据分析法：分析数据结构，取比较随机的数据部分作为散列值。

2 直接寻址法：以数据元素关键字本身或它的线性函数作为散列函数。

3 平方取中法：先取关键字的平方，然后根据可使用空间的大小，选取平方数是中间几位为散列值。

4 折叠法：将关键字分割成位数相同的几部分，然后取这几部分地叠加和。

5 随机数法：步长采用随机函数计算得到。

装载因子过大了怎么办？

对散列表动态扩容，重新申请一个更大的散列表，将数据搬移到新散列表中。

装载因子的阈值需要选择得当。大了会导致冲突过多，小了会导致内存浪费严重。

要权衡时间、空间复杂度。如果内存空间不紧张，对执行效率要求很高，可以降低装载因子的阈值。如果内存紧张，对执行效率要求不高，可以增加装载因子的阈值。

如何避免低效地扩容？

为了解决一次性扩容耗时过多的情况，可以将扩容操作穿插在插入操作的过程中，分批完成。当装载因子到阈值之后，只申请新空间，但并不将老数据搬移到新散列表中。当有新数据要插入时，将新数据插入到新散列表中，并从老散列表中拿出一个数据放入到新散列表。

如何选择冲突解决方法？

1 开放寻址法

优点：散列表中的数组都存储在数组中，可以有效的利用CPU缓存加快查询速度。且序列化简单。

缺点：删除数据比较麻烦，需要特殊标记已经删除掉的数据。冲突代价更高。更浪费内存空间。

适合场景：数据量比较小，装载因子小。

2 链表法

优点：对内存地利用率高。对大装载因子地容忍度更高。

缺点：比较消耗内存。对CPU缓存不友好。

适合场景：大对象、大数据量

优化：将链表法中的链表改造为其他高效的动态数据结构，比如跳表、红黑树。