-
key是URL， hash(key)的结果是value在hash数组中存放位置的下标，但可能有冲突，那就跟据linear probing或链表法找下一个合适的位置。找到hash(key)，并解决冲突问题后，把value放在这个位置。
-
我们都知道解决哈希表冲突有两种方法，linear probing和基于链表的chain。那什么时候适合用linear probing呢？个人总结是如果数据规模比较小，或者是嵌入式系统里面使用用linear probing，其他场合适合用chain。数据规模比较小是因为链表元素必须要加入额外的prev/next这样的信息，会造成不必要的内存开销。嵌入式系统适合用linear probing是因为用链表就会涉及到malloc以及内存分配，而嵌入式系统不适合动态分配内存。当然我们也可以用数组来实现链表，但也会有前面说的额外开销的问题。而且，如果数据本身就是一个链表的话，用chain的话就会有两个链表，一个是数据本身的链表，另一个是每个冲突元素的拉链链表，用数组实现就会有很多额外开销。
-
为什么散列表和链表经常一块使用？//from 数据结构与算法之美/
1)散列表的优点：支持高效的数据插入、删除和查找操作
- 散列表的缺点：不支持快速顺序遍历散列表中的数据, 因为散列表中的数据都是通过散列函数打乱之后无规律存储的。
- 如何按照顺序快速遍历散列表的数据？只能将数据转移到数组，然后排序，最后再遍历数据。
- 我们知道散列表是动态的数据结构，需要频繁的插入和删除数据，那么每次顺序遍历之前都需要先排序，这势必会造成效率非常低下。
- 如何解决上面的问题呢？就是将散列表和链表（或跳表）结合起来使用。
散列表和链表如何组合起来使用？
LRU（Least Recently Used）缓存淘汰算法
LRU缓存淘汰算法主要操作有哪些？主要包含3个操作：
①往缓存中添加一个数据；
②从缓存中删除一个数据；
③在缓存中查找一个数据；
④总结：上面3个都涉及到查找。
如何用链表实现LRU缓存淘汰算法？
①需要维护一个按照访问时间从大到小的有序排列的链表结构。
②缓冲空间有限，当空间不足需要淘汰一个数据时直接删除链表头部的节点。
③当要缓存某个数据时，先在链表中查找这个数据。若未找到，则直接将数据放到链表的尾部。若找到，就把它移动到链表尾部。
④前面说了，LRU缓存的3个主要操作都涉及到查找，若单纯由链表实现，查找的时间复杂度很高为O(n)。若将链表和散列表结合使用，查找的时间复杂度会降低到O(1)。
如何使用散列表和链表实现LRU缓存淘汰算法？
①使用双向链表存储数据，链表中每个节点存储数据（data）、前驱指针（prev）、后继指针（next）和hnext指针（解决散列冲突的链表指针）。
②散列表通过链表法解决散列冲突，所以每个节点都会在两条链中。一条链是双向链表，另一条链是散列表中的拉链。前驱和后继指针是为了将节点串在双向链表中，hnext指针是为了将节点串在散列表的拉链中。
③LRU缓存淘汰算法的3个主要操作如何做到时间复杂度为O(1)呢？
首先，我们明确一点就是链表本身插入和删除一个节点的时间复杂度为O(1)，因为只需更改几个指针指向即可。接着，来分析查找操作的时间复杂度。当要查找一个数据时，通过散列表可实现在O(1)时间复杂度找到该数据，再加上前面说的插入或删除的时间复杂度是O(1)，所以我们总操作的时间复杂度就是O(1)。
下面摘自 数据结构与算法之美/21哈希算法
哈希算法常见应用：安全加密、唯一标识、数据校验、散列函数、负载均衡、数据分片、分布式存储。
1.安全加密
①常用于加密的哈希算法：
MD5：MD5 Message-Digest Algorithm，MD5消息摘要算法
SHA：Secure Hash Algorithm，安全散列算法
DES：Data Encryption Standard，数据加密标准
AES：Advanced Encryption Standard，高级加密标准
②对用于加密的哈希算法，有两点格外重要，第一点是很难根据哈希值反向推导出原始数据，第二点是散列冲突的概率要小。
③在实际开发中要权衡破解难度和计算时间来决定究竟使用哪种加密算法。
2.唯一标识
通过哈希算法计算出数据的唯一标识，从而用于高效检索数据。
3.数据校验
利用哈希算法对输入数据敏感的特点，可以对数据取哈希值，从而高效校验数据是否被篡改过。
4.散列函数
散列函数中用到的哈希算法更加关注散列后的值能不能平均分布，以及散列函数的执行快慢