hash冲突及hash冲突的4种解决方案

哈希出现冲突的情况：

输入域与输出域不匹配：哈希函数的输入可以是任意长度的数据，组合无限，而哈希值的长度固定，输出域有限，根据鸽巢原理，必然会有不同输入映射到同一个输出值。

        （鸽巢原理：这是哈希冲突的根本原因。根据鸽巢原理（也称为抽屉原理），如果将 n+1n+1 个元素放入 nn 个容器中，则至少有一个容器包含多于一个元素。在哈希表中，这意味着当输入数据的数量超过哈希表的容量时，必然会发生冲突。）

哈希函数设计缺陷：理想的哈希函数应将输入数据均匀分布到输出域，但实际很难做到完美均匀，可能导致某些哈希值被频繁使用，从而引发冲突。

哈希表容量限制：哈希表大小固定，输入数据数量可能无限，当数据量超出哈希表容量，或负载因子（哈希表中存储的元素数量与哈希表大小的比值）过高，哈希表中的空闲位置减少，冲突概率就会增加。

特定数据模式：某些特殊的输入模式可能使哈希函数产生相同的哈希值，如哈希函数对输入的某些部分不敏感，具有相似部分的输入就可能映射到同一个哈希值。

恶意攻击：攻击者可能故意构造输入数据，使其产生相同的哈希值，引发哈希冲突，进行哈希洪水攻击。

hash冲突的4中解决方案：

1. 链地址法：将具有相同哈希值的元素用链表连接起来。如在HashMap中就采用了这种方法。

优点：

        处理冲突简单直观，不会出现堆积现象，即不同同义词不会相互干扰产生冲突因此平均查找长度较短；

        能适应数据总数频繁变化的场景，各链表上的结点空间可动态申请；

        装填因子可取α≥1，当结点较大时，增加的指针域空间可忽略不计；

        删除结点操作简单，只需删去链表上相应结点。

缺点：

        查询时需遍历链表，效率较低，存储动态导致查询跳转耗时多；

        在key - value可预知且无后续增改操作时，性能不如开放定址法；

        链表结构使序列化难度大；

2. 再哈希法：准备多个哈希函数，当第一个哈希函数计算出的key的哈希值冲突时，使用下一个哈希函数重新计算。

优点：

        能有效避免哈希值聚集的问题，让数据分布更均匀；

缺点：

        每次冲突都需重新计算哈希值，增加了计算时间成本；

3. 建立公共溢出区：把哈希表分为基本表和溢出表。基本表存储正常数据，一旦有元素与基本表发生冲突，就将其存入溢出表。

4. 开放定址法：当key的哈希地址p = H(key)出现冲突时，以p为基础产生新的哈希地址p1，若p1仍冲突，继续以p1为基础产生p2等，直到找到不冲突的哈希地址pi来存储元素，公式为Hi=(H(key)+di)%m（i = 1,2,…,n）。具体有以下三种方式：

        线性探测再散列：顺序查看下一个单元，di = 1,2,3,…,m - 1；

        二次（平方）探测再散列：在表的左右进行跳跃式探测，di = 1²,-1²,2²,-2²,…,k²,-k²（k<=m/2）；

        伪随机探测再散列：建立伪随机数发生器，以随机数为起点，di为伪随机数序列；

优点：

        数据容易序列化；

        若能预知数据总数，可创建完美哈希数列，提升查找效率；

缺点：

        为减少冲突，要求装填因子α较小，结点规模大时会浪费大量空间；

        删除节点操作复杂，不能简单置空，需做删除标记，否则会截断后续同义词结点的查找路径；