在http://blog.csdn.net/brave_jcc/article/details/79499336中提到了几种hash函数，但是也只是最大可能减少冲突，并未真正解决冲突问题，本文主要介绍几种常见的冲突解决方法
（1）开放寻址+线性探测
在遇到冲突的时候，尝试查找另一个空槽用以保存导致冲突的数据值。一个简单的方法是从原始哈希值位置开始，然后以顺序方式移动槽，直到遇到第一个空槽。注意，我们可能需要回到第一个槽（循环）以查找整个散列表。这种冲突解决过程被称为开放寻址，因为它试图在散列表中找到下一个空槽或地址。通过系统地一次访问每个槽，我们执行称为线性探测的开放寻址技术。
查找：使用开放寻址和线性探测建立哈希表，就必须使用同样的方法查找hash表。如果我们在大小为10的哈希表中查找数据61，根据余数法求得槽位置为1，而位置1处存的值可能是31，由于有这种冲突解决方法，这时候不必着急返回False,而是顺着槽1逐个查找，直至回到位置1还没找到，方可返回False
缺点：数据在表中聚集。这意味着如果在相同的散列值处发生很多冲突，则将通过线性探测来填充多个周边槽。这将影响正在插入的其他数据
聚集解决方案：扩展线性探测技术，使得不是顺序地查找下一个开放槽，而是跳过槽，从而更均匀地分布已经引起冲突的项。这将潜在地减少发生的聚集。例如加3，在存储数据31后，再存储61，遇到冲突，不是紧挨着位置1查找空余槽，而是查看位置11后的第3个槽是否空余
在冲突后寻找另一个槽的过程叫 重新散列。使用简单的线性探测，rehash 函数是 newhashvalue = rehash(oldhashvalue)其中 rehash(pos)=(pos + 1)％sizeoftable。 加3rehash 可以定义为rehash(pos)=(pos + 3)％sizeoftable。一般来说，rehash(pos)=(pos + skip)％sizeoftable。重要的是要注意，“跳过”的大小必须使得表中的所有槽最终都被访问。否则，表的一部分将不被使用。
（2）二次探测
在（1）中为了避面解决冲突过程中遇到的聚集现象，我们使用常亮跳过。二次探测中，采用散列值递增1,3,5,7,9.例如第一个数据的散列值为h,则连续值是h + 1，h + 4，h + 9，h + 16，等等。
（3）链接
多个数据对应hash表中相同的槽，冲突。链接方法是保存对这些数据的引用，随着越来越多的项哈希到相同的位置，搜索集合中的项的难度增加。