散列表
散列函数：传入一个数据，返回一个数字。
即：将输入映射到数字。
散列函数必须满足一些要求：
1、一致性：同样的输入映射的是相同的数字。
2、差异性：将不同的输入映射到不同的数字。
应用：散列表（hash table）。
别称：散列映射、映射、字典和关联数组。
任一优秀的语言都提供了散列表实现。Python提供的散列表实现为字典。
散列表的优势：
1、散列函数总是将同样的输入映射到相同的索引。
2、 散列函数将不同的输入映射到不同的索引。
3、 散列函数知道数组有多大，只返回有效的索引。
现实生活中的案列：
散列表被用于大海捞针式的查找：
DNS解析使用的就是散列表提供的功能。
你在访问类似http://adit.io这样的网站时，计算机必须将adit.io转换为IP地址。
这就是将网址映射到IP地址。
检查重复
使用散列表来检查是否重复，速度非常快，而不必使用简单查找去搜索整个列表。
用作缓存
目的：让web服务器少做工作，提高网站的访问速度。
原理：记住每次访问网站的数据，下一次再次访问时直接使用上一次访问得到的数据，而不用再去请求服务器。
缓存是一种常用的加速方式，所有大型网站都使用缓存，而缓存的数据则是存储在散列表中！
冲突
关于前面散列函数的叙述“散列函数总是将不同的键映射到数组的不同位置”实际上是不合适的。
实际上几乎不可能编写出这样的散列函数。
这种情况下冲突就产生了：我们会给两个键分配相同的位置，而先分配的键会被后分配的键覆盖。
例如：假设我有一个数组，它包含26个位置。而我使用的散列函数非常简单，它按字母表顺序分配数组的位置。
现在我要将苹果Apple的价格存储到散列表中，它将被分配到散列表的第一个位置上。
接下来我要将香蕉Banana的价格存储到散列表中，它将被分配到散列表的第二个位置上。
但是现在我要将鳄梨Avocados的价格存储到散列表中，它又将被分配到散列表的第一个位置。
这个时候你会说不好了，第一个位置我已经存储上苹果Apple的价格了，这个时候如果给鳄梨分配位置，那么我以后查询苹果的价格实际上得到的是鳄梨的价格。
如何解决冲突
1、最简单的办法如下：
如果两个键映射到了同一个位置，就在这个位置存储一个链表。
如下图：
经验教训
1、散列函数很重要。理想的散列函数是将键均匀的映射到散列表的不同位置。
2、如果散列表存储的链表很长，散列表的速度将急剧下降。
性能
**在平均情况下，散列表执行各种操作的时间都为O(1)，即常量时间。**也就是说不管散列表有多大，所需的时间都相同。
在平均情况下，散列表的查找（获取给定索引处的值）速度与数组一样快，而插入和删除的速度与链表一样快，因此它兼具两者的优点！
如图：
但是在最糟情况下，散列表的各种操作的速度都很慢。因此，在使用散列表时，避开最糟情况至关重要。为此，需要避免冲突。而要避免冲突，需要具备以下条件：
1、较低的填装因子。
2、良好的散列函数。
填装因子
填装因子的计算：
散列表包含的元素数/位置总数
填装因子用来度量散列表中有多少位置是空的。
最佳情况下每个元素都有自己的位置，然而如果没有足够的位置即填装因子大于1则意味着元素数量超过了数组的位置数。一旦填装因子开始增大，你就需要在散列表中添加位置，这被称为调整长度。
为此我们首先需要创建一个更长的新数组：通常将数组增长一倍。
接下来，我们使用散列函数将所有的元素都插入到这个新的散列表中。
**结论：**填装因子越低，发生冲突的可能性越小，散列表的性能越高。
**经验规则：**一旦填装因子大于0.7，就调整散列表的长度。
通常情况下，即便考虑到调整长度需要的时间，散列表操作所需的时间也为O(1)。
良好的散列函数
良好的散列函数能让数组中的值呈均匀分布；反之，糟糕的散列函数会让值扎堆，导致大量的冲突出现。
例如：SHA函数