你不知道的:哈希表(Hash table)

  哈希表(Hash table)，是最有用的数据结构，Python中的字典（Dict）就是基于哈希表实现的。用哈希表实现查找的时间复杂度为O(1)，所以在需要频繁查找的应用中，常常使用哈希表。通常情况下，哈希表的查找元素时间跟数组一样快，插入和删除元素的时间跟链表一样快。

比较项	数组	链表	哈希表
随机访问(读/写)	O(1)	O(N)	O(1)
插入	O(N)	O(1)	O(1)
删除当前元素	O(N)	O(1)	O(1)

  假设有一张勘误表，当项目比较少时，从头到尾依次查看，还能接受；但当项目比较多时，例如，超过100项，要从中找出自己关心的内容，就比较费力了。这是，我们希望输入一个关键词，然后迅速获得期望的内容。
  从数学的视角看，哈希表(hash table)是从一个集合A到另一个集合B的映射(mapping)，集合A中的元素称为键(Key)，集合B中的元素称为值(Value)，映射的过程由哈希函数(Hash function)实现。
哈希函数(Hash function)必须满足一些要求：

• 一致性：对于同样的输入，必须保证返回同样的输出
• 散列性：应该将不同的输入映射到不同的输出，若不同的输入都映射到相同的输出，那么这个哈希函数设计是失败的
• 冲突：即相同的输入映射到了同一位置；出现冲突后，则需要在冲突位置，建立起链表，用于储存不同的输入。好的哈希函数不会导致冲突，即便导致冲突，其同一位置的链表也很短，不会影响访问性能。
• 填装因子：又称负载因子(Load Factor)，定义为哈希表包含的元素个数÷位置总数，通常不要超过0.7，一旦超过0.7，就该调整哈希表的长度；填装因子越小，查询性能越高，但占用的空间越大。在查询性能和占用空间之间，用填装因子做折中。
• 任何优秀的语言都提供哈希表的实现，不需要手动写了。只需要理解，会用即可。由此，哈希表也被称为：散列表、散列映射、映射、字典或关联数组。总之，其查询元素的速度非常快，输入键(key)，就可以获得值(value)。
  哈希表应用：
• DNS域名解析，即把方便人阅读的网址映射为计算机能理解的IP地址，就是用哈希表实现的
• 鉴别是否有重复，例如，希望把orange的价格添加到价格表中，但忘记是否已经添加过，可以先查阅orange是否存在
• 实现缓存，先在哈希表中查找被查询内容是否在缓存(cache)中，若在，直接从缓存中提取；若不在，在从其它地方请求。