哈希函数：
常见的功能就是 打乱分布 均匀随机 输入无穷大 输出却在一定范围内
即使出现碰撞 但是每个输出对应的输入个数 概率均匀分布 没有太大偏向
一个重要的性质： 如果在input域上均匀分布 那么经过哈希并%m 运算后（在0~m-1范围内) 在输出域上同样均匀分布
哈希表：
经典结构：
根据key算出具体的hashcode值（h)----决定了value的存放位置
若 h 位置处为空 则直接将key1-value1 放入
若h位置处不为空 检查是否已有key1 若已有 则更新其对应value值 否则 直接按照链表格式，节点连在上一节点后面
经典应用：
场景题： 如果现在有一个超级大的文件，需要统计其中重复的字符串 ，我们要怎么办？
目前已知的： 可以供给1000台计算机 读取细节不用关心 只需要设计大概系统
思路 ：哈希的分流特性
具体操作： 将大文件读取很多行 每一行都计算哈希值 并模1000 则这些字符串均匀分布在0-999范围内
给电脑编号0-999 对应分布在一个范围内的一些字符串用同一台电脑进行处理 达到大数据分流的效果（类似于分布式）
每台电脑只统计自己处理的重复字符串 最后将结果进行汇总即可
总结：
大数据相关的问题 有一半都是借助于哈希来解决 因为哈希具有“相同的肯定相同 不同的均匀分布”特性
在桶不够用时可以进行扩容 代价也还可以接受 一般是O(lognN)
设计一个RandomPool结构：
思路：
因为 getRandom()函数要求等概率随机返回结构中的任意一个key
所以 一张哈希表在小样本情况下无法做到随机 需要至少两张哈希表
举例：
现在有26个字符串
分别按照顺序放入两个表中 两个表的key value 是对应的
用size统计此时表中数据个数 最后getRandom()时候直接 Math.random()*26 来获取map2中对应key的value
部分代码：
解决难点： 删除过程中会在原有随机结构中出现好多洞 导致随机性变差 如何解决此问题？
思路：
z最终的总代码：
布隆过滤器：
初识布隆过滤器：
举例： 假如有一个100亿 的url的黑名单，希望用户在搜索这些url时，会将 在黑名单中的url 过滤出去，不进行显示。
每个url都是64字节。 应该如何实现这个操作？
最直观的想法: 就是查找用户搜索的url 是否在黑名单中，根据具体情况返回布尔值 true or false.
思路1 ：
考虑直接用哈希表 进行存储。 不用存value，直接存key ,则至少需要内存为 6400亿字节的hashset 数据结构（即640G）
这个内存很大，实际中我们可能需要多台电脑来操作（分布式）。
或利用哈希函数进行分流 但仍然很麻烦。
思路2 ：
布隆过滤器（某种类型的集合，但是存在失误率）
存在的唯一失误率： 如果确实在黑名单里的url肯定能够正确判断 但可能出现： 不在黑名单中的url但是它返回true 的情况~
一般这种类型的题目：
最好先说 哈希表的经典解法 ------多台电脑分流之类的
改进： 因为经典方法耗费内存太大----那询问是否允许较低的失误率----允许的话则可以采用布隆过滤器
布隆过滤器的细节：
结构：其实是一个bit数组 数组中存的是bit(0/1)
举例：
新建int数组 但其实相当于32000长度的bit数组
想要将第30000bit位上的数组描黑 -----则先确定在哪个大桶内-----再确定在那个桶中的哪个位上---原来数字和第bitIndex bit位上为1 的数字进行位或-----即得结果
实现：
拿基础类型即可实现
要想再大 可以拿矩阵来表示 直接如上1000*1000*64bit
黑名单问题的解决：
1 先准备一个长度为m bit 的数组 （范围为0--m-1)
2 布隆过滤器 预先准备多个hash函数 （hash1 ---hash2---hash3....hashk)
3 将黑名单中的url1(假设为第一条url) 分别经过上述k 个hash函数 计算出对应的k个 哈希值 ---并在数组中对应位置上描黑
4 将黑名单中所有的url都进行第3步操作 记录完毕
如何判断用户搜索的url是否在黑名单中？
同样将url经过第3步操作去看计算出的k个值对应的位置上是否都被描黑 若有一个不符合 则不是黑名单中的 否则 就在黑名单中
相关的参数大小:
如何解决误判问题：
相关问题：
一致性哈希：
一般应用在服务器集群上 用以实现数据缓存
应用场景举例：
前端收到大量用户请求 ，该如何让后台的服务器进行储存和处理呢？
使用哈希---计算出对应哪个服务器处理----查询时---计算哈希---去找对应的服务器去查找
具体原理：
可能出现的问题及解决方法：
具体确定归属的细节：
增加机器时候的处理方法：
机器负载不均时的处理（虚拟节点机制）：
一致性哈希常用于负载均衡 分布式 服务器~~
并查集：
并查集中集合的初始化过程：
并查集的代表节点
在并查集中查一个节点属于哪个集合？
如何路径压缩？
集合如何合并？
代码：
1 .初始化并查集：
2 .查找某个节点所在集合的代表节点：
3 .集合的合并
用途：
岛问题：
正常方法（递归法）：
设置一个感染函数G 假设遇到一片1（可能上下左右均有） 则均感染为2 并计数+1 继续前进
总结：此方法类似于DFS，就是深度搜索 没有什么新意
而且矩阵一旦特别大则不实用 仅适合单cpu运行
如何能够多cpu并行运行，提高速度和效率呢？
并查集方法：
考虑分别的岛个数 和 边界处可能 合并的岛个数：
大概原理： 分别统计各自部分的岛个数----在边界处标明是受哪个元素“感染”的，然后检查集合并合并 ，总数-1
此处用并查集的优势： 涉及到大量集合合并 判断是否是一个集合的运算
总结：
用多个cpu 分成多个部分 最终就只要每一个负责统计自己部分 的岛个数 并记录四周的边界情况即可
