1.概念：散列表，又稱爲哈希表。
2.散列思想：散列表使用的是數組支持利用下標隨機訪問數據的特性，散列表是數組的一種擴展，由數組演化而來，可以說：沒有 數組就沒有散列表。
3.爲什麼需要使用散列表這種數據結構：
因爲當我們存儲結構簡單的數據時，可以存入數組中，然後通過下標索引來快速查找。但是如果存儲的是例如：zhansan----10,lisi----20,這種一一映射的對應關係時，就不能直接存儲在數組中，但是可以對數組稍加修改，通過某種方法，將對應關係中的一類數據轉化成數組的下標，然後將另一類數據當成元素來存儲。所以就變成這種key---value的結構。下標就是key，元素就是value。所以這種將key轉化爲數組下標的方法就叫做Hash函數（或散列函數）。
哈希表的查找效率之所以高效，就是因爲它利用了數據根據下標隨機訪問元素的時間複雜度爲O(1)這種特性。
4.散列函數：
散列函數在散列表中起着非常重要的作用，散列函數設計的好，那麼可以降低哈希衝突的概率，也就提高了hash表的性能。
散列函數設計的基本要求：
（1）因爲數據下標是從0開始的，所以通過散列函數計算出的值，一定是一個非負數。
（2）如果key1 == key2，那麼hash(key1) == hash(key2)。
（3）如果key1 != key2，那麼hash(1) != hash(key2)。（理想狀態下）
但是第三點是不可能實現的，如果實現了，那麼就不可能出現Hash衝突了。之所以出現了hash衝突，就是因爲key值不同，但是計算出來的hash值相同了。
5.散列衝突問題及解決：
散列衝突問題無法避免，通常解決該問題的方法有兩種：(1)開放尋址法，(2)鏈表法。
開放尋址法核心思想：如果發生了散列衝突，就重新探測一個空閒位置，將元素插入。
1）線性探測法：（插入元素操作）跟據hash函數計算出當前元素在散列表中的對應位置後，如果當前位置爲空，那麼存儲元素。如果不爲空，那麼認爲發生hash衝突，需要從當前位置順序遍歷散列表，直到找到空閒位置爲止。
（查找元素操作）跟插入操作類似，根據hash函數定位數據下標，判斷下標對應的key是否與要查找的key相等，相等返回，如果不相等，那麼從當前位置順序向後查找，如果遇到空閒位置還沒有找到，那麼就認爲當前哈希表中沒有當前元素。
所以會有一個問題發生，當我們從哈希表中刪除一個元素之後，這時候再次查詢，有可能出現需要查找的元素剛好在被刪除元素的後面，那麼就會出現找不到的情況。所以解決該問題的方法是：在哈希表中刪除一個元素之後，需要做一個標記，比如標記爲delete，那麼當碰到這個標記時，可以繼續查找。
如果採用線性探測法解決哈希衝突問題，當哈希表中的數據越來越多時，空閒的位置越來越少，那麼發生衝突的概率就會越來越大，最壞的情況下從O(1)退變成爲O(n)。
除了線性探測法之外，還有另外兩種探測方法：二次探測法，雙重散列法。
二次探測法：線性探測爲每次移動一位，0，1，2，3.......，二次探測是每次移動的步數爲原來的二次方，0，1^2,2^2,3^2......
雙重散列法：如果第一次計算出的散列值發生衝突，那麼就用第二個散列函數計算，直到找到空閒位置。
6.鏈表法解決hash衝突：
鏈表法是更加常用的解決hash衝突的方法，在散列表中的每個槽後面，都有一個鏈表，對於散列值相同的元素，都會以鏈表的形式存放。使用鏈表法解決hash衝突，插入操作，時間複雜度爲O(1)，查找和刪除操作的時間複雜度與鏈表的長度有關。
如何選擇解決哈希衝突的方法：
開放尋址法：（優點）它是將散列表中所有的數據都存放在數組中，可以充分利用CPU的緩存來提高查詢效率。（缺點）因爲數據全部放在數組中，所以衝突的代價更高。所以當數據量小,擴容因子小的時候，適合使用該方法。Java中的ThreadLocalMap中就是使用該方法。
鏈表法：（缺點）由於鏈表需要額外存儲指針，所以需要佔用額外的空間。鏈表在內存中的地址是不連續的，所以不能充分利用CPU緩存的特性來加速查詢。（優點）如果存儲的是大對象，那麼指針對應的內存佔用可以忽略不記，鏈表法對於內存的使用率比較高，而且當生成的鏈表比較長的時候，可以將鏈表變體稱爲紅黑樹等數據結構，加快查詢的效率。
所以基於鏈表解決衝突的散列表適合解決承裝大對象，數據量大的情景。
7.儘量防止發生哈希衝突的方法：
（1）無論採取什麼方法，當哈希表中的空閒位置太少時，都會增加哈希衝突的概率，所以爲了儘量防止哈希衝突，那麼需要對哈希表進行擴容，增加空閒位置的數量，什麼時候擴容需要一個界限，這個界限就是擴容因子。
擴容因子 = 添入散列表中元素的數量 / 散列表的長度
擴容因子越大，空閒位置越少，衝突越多，性能越低。
（2）將散列函數儘可能設計的合理，因爲如果散列函數設計的不合理，那麼會增加哈希衝突的概率，從而降低了散列表的查詢效率。
極端情況下，如果對數據進行精心的設計，每個數據經過散列函數得到的散列值都一樣，那麼它們就會每次落入同一個槽中，如果我們採用鏈表的形式解決哈希衝突，那麼散列表就會退化稱爲鏈表，查詢效率從O(1)變成O(n)。如果散列表中有10萬條數據，退化後的查詢效率就降低了10萬倍。如果之前查詢一條數據耗時0.1s，那麼現在就是10000s，可能導致系統無法響應，從而達到DOS(拒絕服務攻擊)的目的。
8.如何合理的設計散列函數和對散列表進行動態的擴容：
設計散列函數的基本要求：（1）不能太複雜，因爲太複雜需要計算的時間更長。（2）通過散列函數計算出來的散列值要儘可能的隨機，並且均勻分佈，這樣即使發生了哈希衝突，也能夠均勻的落在每一個槽中，避免單一鏈表過長。
動態擴容：當擴容因子達到一定的界限時，就會觸發動態擴容機制，默認擴大爲原來的兩倍。
動態擴容的原理是：重新申請兩倍大小的新空間，然後將散列表中的數據搬移到新的散列表中。所以在散列表中插入一個數據，最好情況下，直接插入即可，爲O(1)，最壞情況下，需要啓動擴容操作，時間複雜度爲O(n)，通過均攤法，平均時間複雜度還是O(1)。
如何避免擴容的低效性：如果散列表中的數據大小有1GB，當發生擴容操作時，將舊的散列表中的數據搬移到新的散列表中，需要耗費相當長的時間。避免低效擴容的做法是：擴容的時候先不全部搬移數據，每次插入一個新數據的時候，從舊的散列表中搬移一個數據到新的散列表中，當有查詢操作的時候，先從舊的散列函數中查詢，如果查詢不到，再從新的散列表中查詢。這樣就避免了一次搬移全部數據消耗大量的時間。
9.爲什麼好多數據結構都是將散列表和鏈表組合在一起使用：
例如LRU緩存功能：如果簡單的使用單向鏈表來實現，那麼它的查找的時間複雜度爲O(n)，如果通過散列表+雙向鏈表的方式來實現LRU，那麼在查找的時候，通過散列表O(1)，然後再通過雙向鏈表來進行插入和刪除操作，所以無論查詢，插入，刪除，都是O(1)。
