1 unordered_map
C++ 98 中，STL提供了底层为红黑树的一系列关联式容器，查询效率可以达到O（n），即最差情况下需要比较红黑树高度次
但是 假如红黑树比较大是，那么O(log N )的查询效率仍然显得有些慢。因此
**C++11 中提供了unordered 系列容器，**可以达到查询效率为O(1);
4 个unordered 系列容器，
unordered_map
unordered_set
unordered_multimap
unordered_multiset
unordered_map 介绍
1 unordered_map 存储<key, value>键值对结构，可以通过key值快速的索引到要查询的value，（类似数组下标）
2 unordered_map 的健值唯一标识一个元素，key——value 可以类型不同
3 unordered_map 底层并不存在特定顺序
4 unordered_map 通过key可以快速的找到value，而map因为有序，就必须进行遍历查找，所以时间效率很低。
5 unordered_map 实现了 operator[]运算符的重载，因此允许使用key作为参数直接访问value
6迭代器至少是前向迭代器。
2 unordered_map 接口说明
unordered_map <key_type,value_type> mp;
构造不同键值对类型的unordered_map 对象。
bool empty() const //const类型函数（类似const类型常量），返回值为const类型
size_t size（）const//返回内部有效键值对的个数
3 迭代器（不存在反向迭代器，STL中以哈希桶+链表实现， 即 线性探测 + 开散列）
begin
end
cbegin
cend
4 operator 【】
有返回相应key的value，没有创建一个默认值
它会构造一个键值对 key --V（）
成功返回V（） ，失败 说明已存在返回value
5 iterator find（const T& key）//返回key所在位置的迭代器，不存在返回nullptr；
size_t count（const T& key），返回哈希桶中key为关键码的键值对的个数，即 某一桶中 链表中节点的个数
insert
erase
void clear
void swap（unordered_map<,>& mp）j交换两个 unordered_map
size_t bucket_count() const //哈希桶的个数
size_t bucket_size(size_t n)const 第n个桶中元素（节点）的个数
size_t bucket(const k& key) ；返回元素key所在的桶号
为什么unordered_map 的查询速率比map高呢 ，就是因为底层采用了哈希结构
哈希
在 红黑树 或AVL树中， key与 value 不存在映射关系，因此需要比较多次。
哈希 结构的想法： 可不可以不用比较，直接得到要查的值， 哈希想呀想
于是就想出了 哈希结构。
哈希想，通过一个函数唯一得到一个相应的值，即建立一种映射关系 -----即 哈希函数。
常见的哈希函数
1 直接定制法
2 除留余数法
哈希函数 设计原则：
1 简单
2 哈希函数计算结果应分布 均匀
3 必须包含素有的关键码
哈希函数又称哈希散列函数，哈希结构被称为哈希表或散列表。
哈希函数 hash（key） = key % capacity
哈希冲突 ：
对于多个元素的关键码 ，通过哈希函数计算出来的地址，可能会出现一只的情况
例如； 1，2，3，12，13，18 ，
capacity为10时，
2 与 12 计算地址冲突
3 与 12 计算结果冲突
哈希冲突解决办法
总体上 分 闭散列 和 开散列
1 闭散列（开放地址法）
描述： 当发生哈希冲突时，若哈希表未被填充满， 则采用线性探测的方法，找下一个 “空位置“ ，并将 发生冲突的元素放入其中。
线性探测：
前提： 1发生冲突 ，2 哈希表未满
从当前地址开始 ，直到找下一个空位置为止（可以回到表头接着找）找到，插入新元素
闭散列中的删除
采用闭散列处理哈希冲突时，不能随便真的删除某一个元素， 闭散列的处理冲突相当于递推，
假如真的删除一个元素，那么可能会导致，依赖这个元素推出其他元素再也不能被找到。
因此 我们为每一个元素提供一个状态信息来描述该元素存在与否。
enum state{ EMPTY, EXIST, DELETE}
闭散列的增容机制
为何增容
在 探测过程中，我们发现哈希表中的元素数量达到一定程度时，哈希冲突将会十分明显。而更多的冲突会累积下来。因此 我们需要在一定时期，对哈希表进行增容
何时增容
散列表（哈希表）的负载因子a
a = 已有数量 ／ 哈希表容
研究发现，在 闭散列中（开放地址法中），当负载因子 达到0.7，时 ，线性探测的不命中率很大， 所以 当 a >= 0.7 时，赶快增容！！！
如何增容：
研究也发现，散列表的大小为素数时，线性冲突的概率比较低
已往扩容，在 linux 下容量一般为扩大2倍， VS一般为扩大1.5倍。我们统一扩大2倍吧。
利用素数表 快速获取一个2 被关系的素数作为要扩容的目标大小。
我们的散列表说白了 就是一个 vector，
因此可以 利用vector 扩容的思想。
1 申请空间
2 转移元素
3 释放旧空间
要注意的是： 扩容之后，扩容之后，散列表的capacity 就扩大了，所以 ，不能直接替换，
而需要一个一个重新利用哈希函数重新计算之后，在进行插入。
线性探测优点：
思路简单
缺点：
1 空间利用率低
2 形成的冲突时，容易堆积，导致搜索效率受到影响。
二次探测
二次探测目的就是为了解决线性哈希冲突 发生时 ，容易堆积的 问题。
思路：拉大探测间距
哈希函数计算得到一个相对地址时，
若存在冲突，那么 在此计算
H = H0 - i^2
或者 H = H0 + i^2
客观来说 ，二次探测不咋滴， 当负载因子到达一定程度，照样会导致冲突加剧。
研究表明 负载 因子 不超过0.5 时，插入元素一定不会发生冲突，所以当负载因子 超过0.5 最好进行扩容。
那么 显而易见 ，在二次探测中，只有空间利用率低于0.5 才能保证闭散列的效率。
开散列
开散列又称链地址法（开链法）
思路 ：哈希桶 + 链表
看图 ，一目了然了吧
开散列的插入、查询 、删除元素，不就转化为链表来处理了吗 ，更简单了吧。‘
那么开散列要查询某一个元素存不存在，只需要遍历一下链表，一般来说，虽然需要遍历 一个哈希桶中的链表，但 因为哈希桶数量比较多，所以一般认为遍历时间效率为O（1）
那么，开散列最好的效率是什么情况 ？
当然是每个桶中只有一个或不含数据的情况吧。 即不需要遍历。
那么 也就是说，当桶数bucket_count >= _size；时效率最高
元素数大于桶数是时立马扩容，永远可以保证效率最高，真真切切为 O(1)
那么 开散列如何 扩容？ 能否 还用vector 的思想？
其实也可以 ，但是 这样效率不咋样。
1 vector 中存的是 链表的地址，而发生拷贝是，其实是把地址拷贝过去了，也就是说发生的类似于前拷贝，
释放旧vector后，就找不到原有数据了；
所以 我们还是得一个一个Insert，
2 当Insert新元素的时候，我们要尽量避免一个一个创建节点，再一个一个释放就节点，也就是说，尽量利用好原有创建好的节点，
