散列表

散列思想

散列表采用的是数组支持按照下标随机访问，时间复杂度是O(1)的特性。通过散列函数将元素的键值映射到数组下标，然后将数据存储到对应下标的位置。当查找数据时，通过同样的散列函数计算键值，按照键值查找数据下标对应的值即可。

散列函数

散列函数基本要求：

散列函数计算得到的散列值是一个非负整数
如key1=key2，则hash(key1)==hash(key2)
如key1≠key2，则hash(key1)≠hash(key2)

注意：第三点不是绝对的，可能存在key不同，散列函数相同的情况，这个就是散列冲突。

散列冲突

解决散列冲突的方法：

一、开放寻址法
开放寻址法的核心思想是当出现哈希冲突时，重新探测一个空闲的位置，将其插入。

1.线性探测

插入： 当像散列表中插入数据时，如果某个数据经过散列之后，存储位置已经被占用，就从当前位置开始，依次往后查找，直到发现空闲位置为止。
比如：

此时要插入一个数据X，经过散列之后X的散列值是4（也就是数组下标为4的位置），发现散列表中下标为4的位置已经被占用，则依次往后查找空闲位置，一直找到下标为7的位置（也就是69的后面）为空，则将X插入到下标为7的位置。

查找： 散列表查找的过程类似于插入，通过散列函数计算散列值，比较数组下标为散列值的位置的值是否等于要查找的值，一直遍历到空闲位置，说明不存在。

删除： 删除操作稍微复杂点，若查找到值，直接删除，会存在问题，比如说删除下标为7的值，位置就变成空闲了，此时要是进行查找（找到空闲位置查找就停止，说明不存在），就会影响下标为7以后的位置是否存在的判断。如何解决呢？我们可以不删除，将要删除的位置标记为deleted，在查找的时候遇到deleted的继续查找即可。

存在问题： 插入的数据越来越多时，空闲位置越来越少，线性探测时间越来越长，发生冲突的概率越来越大。

应用： ThreadLocal里面的ThreadLocalMap

2.二次探测

二次探测的方式和线性探测类似，线性探测每次的步长是1，二次探测的步长可以使原来的二次方或者不等于1的固定步长。

3.双重散列

使用一组散列函数，第一个散列函数计算的散列值冲突，就用第二个散列函数计算，一直到不冲突为止。

二、链表法

在散列表中，每个桶或者槽