什么是散列表
散列表的英文是“Hash Table”，也叫“哈希表”或者“Hash 表”。他是一种根据关键码值(Key value)而直接进行访问的数据结构。也就是说，它通过把关键码值映射到表中一个位置来访问记录，以加快查找的速度。这个映射函数叫做散列函数，存放记录的数组叫做散列表。
散列表的思想
散列表用的是数组支持按照下标进行随机访问的时候，时间复杂度是O(1)的特性。所以散列表其实是数组的一种扩展，可以说没有数组就没有散列表。
我们通过散列函数把元素的键值映射为下标，然后将数据储存在数组对应下标的位置。当我们需要按照键值查找元素时，我们用同样的散列函数，将键值转化为数组下标，从对应的数组下标的位置找元素。
什么是散列函数
散列函数其实就是一个普通的函数，它的主要功能就是要将键值转换为对应的下标，我们可以把它定义为hash(key)，其中key表示元素的键值，hash(key)的值就是我们经过散列函数计算得到的下标（散列值）。
如何设计散列函数
1.散列函数计算得到的散列值是一个非负整数。
2.若key1=key2，则hash(key1)=hash(key2)。
3.若key≠key2，则hash(key1)≠hash(key2)。
正是由于第3点要求，所以产生了几乎无法避免的散列冲突问题。
散列冲突的解放方法
1.开放寻址法
思想：
如果出现散列冲突，我们就重新探测出一个空闲的位置，然后将其插入。这里探测出是否有空闲位置的方法我们使用的是“线性探测法”。
使用线性探测法插入数据：
当我们想要往散列表插入数据时，我们先通过散列函数计算出相应的储存位置，如果该位置已经储存有数据了，那我们就从当前位置开始，依次往后面查找，看是否有空闲的位置，直到查找到为止。
使用线性探测法查找数据：
我们通过散列函数求出要查找元素的键值对应的散列值，然后比较数组中下标为散列值的元素，看是否相等，如果相等，说明就是我们要查找的元素，如果不相等，就顺序往后依次查找。如果遍历到数组的空闲位置还没有找到元素，就说明要查找的元素没有在散列表中。
使用线性探测法删除数据：
为了不让查找算法失效，可以让要删除的数据做一个特殊的标记deleted，当线性探测查找的时候，遇到标记为deleted的空间，我们会继续往下查找而不是停下来。
线性探测法存在的问题
当散列表插入的数据越来越多时，空闲的位置就会越来越少，极端情况下，我们可能要探测完整个散列表，所以最坏情况下的时间复杂度为O(n)。
除了上面讲的通过线性探测法来寻找一个空闲位置，还有另外两种比较经典的探测方法，二次探测和双重探测。
二次探测（Quadratic probing）：
线性探测每次探测的步长为1，即在数组中一个一个探测，而二次探测的步长变为原来的平方。
双重散列（Double hashing）：
使用一组散列函数，直到找到空闲位置为止。
不管采用哪种探测方法，当散列表中空闲位置不多的时候，散列冲突的概率就会大大提高。为了尽可能保证散列表的操作效率，一般情况下，我们会尽可能保证散列表中有一定比例的空闲槽位。我们用装载因子（load factor）来表示空位的多少。
装载因子的计算公式是:
散列表的装载因子 = 填入表中的元素个数 / 散列表的长度
装载因子越大，说明空闲位置越少，冲突越多，散列表的性能会下降。
2.链表法（更常用）
在散列表中，每一个“桶”，“槽”会对应一条链表，所有散列表相同的元素，我们都把他们放到相同槽位的对应链表中。
使用链表法插入数据：
我们只需要通过散列函数计算出对应的散列槽位， 将其插入到对应的链表中就可以。所以插入数据的时间复杂度是O(1)。
使用链表法查找和删除数据
我们同样通过散列函数计算对应的散列槽位，然后遍历链表查找或者删除。对于散列比较均匀的散列函数，链表的节点个数k=n/m，其中n表示散列表中数据的个数，m表示散列表中槽的个数，所以是时间复杂度为O(k)。