概述
哈希表名字源於 Hash，也可以叫作散列表。哈希表是一種可以根據鍵（Key）直接訪問數據在內存儲存位置的數據結構。它通過計算出一個鍵值的函數，將所需查詢的數據映射到表中一個位置來讓人訪問，這加快了查找速度。這個映射函數稱哈希函數也叫散列函數，存放記錄的數組稱做 散列表 或者 哈希表 。
本文旨在解釋哈希表的由來和基本原理，不做深入探討，正所謂萬丈高樓平地起，瞭解基礎數據結構才能走向更高深的算法世界。
常用數據結構的查找時間複雜度
-
數組
數組在存儲數據時是按順序存儲的，並且存儲數據的內存也是連續的，所以數組內的數據，可以通過索引值直接取出得到，按位置查找的話，查找的時間複雜度是0(1)。按條件查找的時間複雜度是O(n)，有序數組可以使用二分查找法，此時查找的時間複雜度可以降到O(logn)。
-
鏈表
鏈表在存儲數據時不是按順序存儲的，並且存儲數據的內存也是不連續的，所以鏈表內的數據，不能通過索引值直接取出得到，按位置查找的話，查找的時間複雜度是0(n)，按條件查找的時間複雜度也是O(n)。
-
二叉樹
如果是普通二叉樹，查找的時間複雜度 O(n)。如果是二叉查找樹，則可以在 O(logn) 的時間複雜度內完成查找動作。
-
哈希表
可以提供非常快速的插入-刪除-查找操作，無論多少數據，插入和刪除只需要接近常量的時間即O(1)。
哈希表的核心思想
我們先來看看數組的查找操作：數組是通過數據的索引（index）來取出數值的，例如要找出數組A中索引值爲i的元素，那麼直接通過 a[i] 就可以取出這個數據。可以看出 數組實現了“數據地址 = f (index)”的映射關係。
如果用哈希表的邏輯來理解的話，這裏的 f () 就是一個哈希函數。它完成了索引值到實際地址的映射，這就讓數組可以快速完成基於索引值的查找。然而，數組的侷限性在於，它只能基於數據的索引去查找，而不能基於數據的數值去查找。
哈希表的設計採用了 函數映射 的思想，將記錄的存儲位置與記錄的關鍵字關聯起來。這樣的設計方式，能夠根據記錄的關鍵字快速定位到想要查找的記錄，而且不需要與表中存在的記錄的關鍵字比較後再來進行查找（比如二分查找）。
哈希表的核心思想就是實現了“數據地址 = f (關鍵字)”的映射關係，這樣就可以快速完成基於數據的數值的查找了。
- 總結一下
數組實現了“地址 = f (index)”的映射關係。字典實現“地址 = f (關鍵字)”的映射關係
哈希函數
Hash 函數設計的好壞會直接影響到對哈希表的操作效率
什麼是哈希函數
哈希函數就是將鍵轉化爲數組索引的過程,這個函數應該易於計算且能夠均與分佈所有的鍵。
假如，我們要對手機通訊錄進行存儲，並要根據姓名找出一個人的手機號碼，如下所示：
張一：155555555
張二：166666666
張三：177777777
張四：188888888
一個可行的方法是，定義包含姓名、手機號碼的結構體，再通過線性表的方式把 4 個聯繫人的信息存起來。當要判斷“張四”是否在鏈表中，或者想要查找到張四的手機號碼時，就需要從線性表的頭結點開始遍歷。依次將每個結點中的姓名字段，同“張四”進行比較。直到查找成功或者全部遍歷一次爲止。這種做法的時間複雜度爲 O(n)。
如果要降低時間複雜度，就需要藉助哈希表的思路，構建姓名到地址的映射函數“地址 = f (姓名)”。這樣我們就可以通過這個函數直接計算出”張四“的存儲位置，在 O(1) 時間複雜度內就可以完成數據的查找。
通過這個例子，不難看出 Hash 函數設計的好壞會直接影響到對哈希表的操作效率。 假如對上面的例子採用的 Hash 函數爲姓名的每個字的拼音開頭大寫字母的 ASCII 碼之和。即：
address (張一) = ASCII (Z) + ASCII (Y) = 90 + 89 = 179；
address (張二) = ASCII (Z) + ASCII (E) = 90 + 69 = 159；
address (張三) = ASCII (Z) + ASCII (S) = 90 + 83 = 173；
address (張四) = ASCII (Z) + ASCII (S) = 90 + 83 = 173；
我們發現這個哈希函數存在一個非常致命的問題，那就是 f ( 張三) 和 f (張四) 都是 173。這種現象稱作哈希衝突，是需要在設計哈希函數時進行規避的。
從本質上來看，哈希衝突只能儘可能減少，不能完全避免。這是因爲輸入數據的關鍵字是個開放集合。只要輸入的數據量夠多、分佈夠廣，就完全有可能發生衝突。因此哈希表需要設計合理的哈希函數，並且對沖突有一套處理機制。
設計哈希函數
哈希函數能使對一個數據序列的訪問更加迅速有效，通過散列函數，數據元素將被更快定位。
一些常用的設計哈希函數的方法：
-
直接定址法
取關鍵字或關鍵字的某個線性函數值爲散列地址。即hash(k) = k或者hash(k) = a*k + b，a、b爲常數
-
數字分析法
假設關鍵字集合中的每個關鍵字 key 都是由 s 位數字組成（k1,k2,…,Ks），從中提取分佈均勻的若干位組成哈希地址。上面張一、張二、張三、張四的手機號信息存儲，就是使用的這種方法。
解決哈希衝突
上面這些常用方法都有可能會出現哈希衝突。產生衝突很正常，解決它就可以了
常用的方法，有以下兩種：
第一，開放定址法
當一個關鍵字和另一個關鍵字發生衝突時，使用某種探測技術在哈希表中形成一個探測序列，然後沿着這個探測序列依次查找下去。當碰到一個空的單元時，則插入其中。
常用的探測方法是線性探測法。 比如有一組關鍵字 {55,11,1,23,68,14,37,19,86}，採用的哈希函數爲 key mod 11。
插入這組關鍵字到哈希表
- h(55)=0，0的位置沒數據，就把55插入0的位置
- h(11)=0，0的位置已經有數據0了，往後探測發現1的位置沒數據，就把11插入1的位置
- h(1)=1，此時1的位置已經有數據11了，往後探測，2的位置沒數據，就把1插入2的位置
- h(23)=1，此時1的位置已經有數據11了，往後探測直到3的位置沒數據，就把23插入3的位置
- h(68)=2，此時2的位置已經有數據1了，往後探測直到3的位置沒數據，就把68插入4的位置
- h(14)=3，此時3的位置已經有數據23了，往後探測直到3的位置沒數據，就把14插入5的位置
- h(37)=4，此時4的位置已經有數據68了，往後探測直到3的位置沒數據，就把37插入6的位置
- h(19)=8，此時8的位置沒數據，直接把19插入8的位置
- h(86)=9，此時9的位置沒數據，直接把86插入9的位置
查找數據：
比如查找68，h(68)=2，根據哈希表，2的位置的數據是1，這時候再去2的下一位取數據，發現是23，再往下一位，發現位置4的數據是68，此時就完成了查找。
第二，鏈地址法
將哈希地址相同的記錄存儲在一張線性鏈表中。
例如，有一組關鍵字 {55,11,01,23,68,14,37,19,86}，採用的哈希函數爲 key mod 11。如下圖所示：
第一次發生衝突的位置是0，這時候將11插入0位置的鏈表的尾部即可，23類似。
案例
例 1，將關鍵字序列 {7, 8, 30, 11, 18, 9, 14} 存儲到哈希表中。哈希函數爲： H (key) = (key * 3) % 7，處理衝突採用線性探測法。
接下來，我們分析一下建立哈希表和查找關鍵字的細節過程。
首先，我們嘗試建立哈希表，求出這個哈希地址：
H (7) = (7 * 3) % 7 = 0
H (8) = (8 * 3) % 7 = 3
H (30) = 6
H (11) = 5
H (18) = 5
H (9) = 6
H (14) = 0
按關鍵字序列順序依次向哈希表中填入，發生衝突後按照“線性探測”探測到第一個空位置填入。
再來看一下查找的流程：
1，查找 7。輸入 7，計算得到 H (7) = 0，根據哈希表，在 0 的位置，得到結果爲 7，跟待匹配的關鍵字一樣，則完成查找。
2，查找 18。輸入 18，計算得到 H (18) = 5，根據哈希表，在 5 的位置，得到結果爲 11，跟待匹配的關鍵字不一樣（11 不等於 18）。因此，往後挪移一位，在 6 的位置，得到結果爲 30，跟待匹配的關鍵字不一樣（11 不等於 30）。因此，繼續往後挪移一位，在 7 的位置，得到結果爲 18，跟待匹配的關鍵字一樣，完成查找。
例 2，假設有一個在線系統，可以實時接收用戶提交的字符串型關鍵字，並實時返回給用戶累積至今這個關鍵字被提交的次數。
例如，用戶輸入"abc"，系統返回 1。用戶再輸入"qwt"，系統返回 1。用戶再輸入"iot"，系統返回 1。用戶再輸入"abc"，系統返回 2。用戶再輸入"abc"，系統返回 3。
一種解決方法是，用一個數組保存用戶提交過的所有關鍵字。當接收到一個新的關鍵字後，插入到數組中，並且統計這個關鍵字出現的次數。
根據數組的知識可以計算出，插入到最後的動作，時間複雜度是 O(1)。但統計出現次數必須要全部數據遍歷一遍，時間複雜度是 O(n)。隨着數據越來越多，這個在線系統的處理時間將會越來越長。顯然，這不是一個好的方法。
如果採用哈希表，則可以利用哈希表新增、查找的常數級時間複雜度，在 O(1) 時間複雜度內完成響應。預先定義好哈希表後（可以採用 Map < String, Integer > d = new HashMap <> (); ）對於關鍵字（用變量 key_str 保存），判斷 d 中是否存在 key_str 的記錄。
如果存在，則把它對應的value（用來記錄出現的頻次）加 1；
如果不存在，則把它添加到 d 中，對應的 value 賦值爲 1。最後，打印處 key_str 對應的 value，即累積出現的頻次。
總結
哈希表的優點：
1，在查找方面，哈希表完成了關鍵字到地址的映射，可以在常數級時間複雜度內通過關鍵字查找到數據。
2，它可以提供非常快速的插入-刪除-查找操作，無論多少數據，插入和刪除只需要接近常量的時間。
哈希表的缺點：
1，哈希表中的數據是沒有順序概念的，所以不能以一種固定的方式（比如從小到大）來遍歷其中的元素。在數據處理順序敏感的問題時，選擇哈希表並不是個好的處理方法。
2，哈希表中的 key 是不允許重複的，在重複性非常高的數據中，哈希表也不是個好的選擇。
哈希表利用了數組可以通過地址直接取值的特性以實現O(1)時間複雜度完成查找，這纔是哈希表的核心之所在。