散列表

散列表是什么：

散列表（Hash table，也叫哈希表），是根据关键码值(Key value)而直接进行访问的数据结构也就是说，它通过把关键码值映射到表中一个位置来访问记录，以加快查找的速度。这个映射函数叫做散列函数，存放记录的数组叫做散列表。

简单来说就是我们要存一组数据，我们可以拿他的关键值（key）通过散列函数的到散列值，以散列值为下标存入数组。

但是随着数据量的增加会出现哈希冲突这种情况

何为哈希冲突？

用散列函数得到的散列值在数据量大的情况下是会重复的，这种情况无法避免，那么我要存的数据的位置给之前的数据占了，尴尬了，到底要存哪呢？这就是所谓的哈希冲突。

解决途径：

介绍两种方法：

1、开放寻址法
如果发生了哈希冲突，需要找个新的位置存进去，这个位置要探测出来，探测的方法有许多种，举一个简单的办法，线性探测

这种方法就是，从冲突的地方继续往下找空闲的位置，找到就插进去，遍历到数组末尾没找到，就从头找，如果回到冲突位置就满了，考虑动态扩容问题（有点类似数组动态扩容，但是要解决数据量过大数据搬迁的时效问题）

查找的方法也一样，通过散列值找，然后比较下标为散列值的元素与要查找的元素，相等说明找到了，没找到就继续顺序往后找，直到找到空闲位置，那就是该元素压根就不在这散列表里。

删除操作则需在删除的位置打上标记，免的查的时候出错了。

2、链表法

把哈希表中的每一位置看做是桶或者槽（实际上是一条条链表），哈希冲突时只需将数据插入到该散列值对应的链表中即可，查找的时候就遍历这条链表，对比是否有相同的元素，插入时间复杂度为O（1）。

散列表的核心就是散列函数的设计，还有哈希冲突。

补充：
当装载因子（存的元素数/散列表大小）过大时，出现冲突的可能性就越大，那么此时散列表可能会退化链表，遍历起来耗时长。
关于动态扩容问题，动态扩容的话会导致散列函数出现变化，从而导致散列值出现变化，所有的数据要重新计算并且迁移都是十分耗费时间的，比方说几G的数据需要重新算又要移动位置，需要耗费相当的时间，解决这个问题的方法是搞个新的散列表，这个新的散列表的大小是原先的2倍或者几倍，然后把新的值插入新的散列表里，每插一个新值，就把旧的值搬一个到新的表，慢慢地实现更替，然后查询的时候先查新的再查旧的。