关于hash

面试中好多都问到hash，特此总结备注。

首先感谢july这篇博客的讲解，看完之后就基本掌握七八了：http://blog.csdn.net/v_july_v/article/details/6256463

哈希表

概念：也叫做散列表，即通过一个散列函数将关键码（Key）映射到散列表中的具体某一个位置，在该位置记下Key对应的Value值。

好处：查找的速度从O(n)的遍历变为了O(1)。

做法：把Key通过一个哈希函数转换为一个整数，然后将整数对数组长度取余，结果即为数组下标，将Value存储在该数字为下标的数组空间中。

应用：

（1）问题：统计一个超大文本中每个单词出现的频次，但数据量太大无法一次装入内存。

           解决：可以将文本分解为多个，再将每个小文本交由一台机器来处理，最后将结果统一。这样问题就转换为，如何将这个大文本分割为若干小文本？

                       或许你觉得将文本按一定大小等量分为若干份即可，但是这样存在一个问题，每个小文本中单词的多样性将导致最后统一合并时工作很难进行；

                       或许你可以想到可以按照单词的首字母分割，比如讲以a开头的交由一台机器，以b开头的交由另一台等等以此类推，但是这样的话每个机器分到的文本大小就有很                        大 的差别，比如以z开头的单词肯定要远远少于以s开头的单词。

       这样问题就更清晰了：如何找到一个好的划分，让大文本中的单词尽量均匀分给每一个小文本。

       答案就是hash：将大文本中的每个单词都hash到每一个小文本中。

（2）问题：Top-K问题，要统计最热门的Query，首先需要统计每个Query出现的次数，然后找出前10

  解决：采用HashTable，其中Key：Query字串，Value：该Query出现的次数。如果改字串不再table中，那么假如该字串，并将value设为1；如果在table中，value++。

      后续用堆找出Top-K。具体的算法见July的博客，其中还有排序等方法来求解该问题的算法。

散列方法：除数散列法，平方散列法，斐波那契散列法...

冲突探测：

（1）MPQ算法， 采用3种不同的哈希函数：一个用于下标，另两个用于验证。即当用第一个hash找到该位置下位置不为空，则继续检查另两个计算的哈希值是否相同，如果不相同继续下移一个位置检查（因为采用顺延的方法解决冲突）。

（2）布隆过滤器：使用多个hash，映射到一个BitArray中，如果它们有一个说元素不在集合中，那肯定就不再；如果它们都说在，虽然有一定可能性它们都在说谎，不过这种事情的概率比较低。具体的算法可参考http://www.cnblogs.com/haippy/archive/2012/07/13/2590351.html。

哈希函数个数k、位数组大小m、加入的字符串数量n的关系可以参考文献1。该文献证明了对于给定的m、n，当 k = ln(2)* m/n 时出错的概率是最小的。

冲突解决：

链表、顺延......