散列表
散列表英文是hash table，经常被叫做Hash表，或者哈希表。
哈希表其实就是由数组演化而来的，利用的就是数组支持按照下标随机访问数据的特性，可以说散列表就是数组的一种扩展。
百度文库对散列表的解释：
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。
散列表有两个核心问题：散列函数的设计、散列冲突的解决
散列思想
举例：假如我们有 89 名选手参加学校运动会。为了方便记录成绩，每个选手胸前都会贴上自己的参赛号码。
参赛号码用 6 位数字来表示。比如 051167，其中，前两位 05 表示年级，中间两位 11 表示班级，最后两位是选手的编号 1 到 89。
我们该如何存储选手信息，才能够支持通过编号来快速查找选手信息呢？
我们可以截取参赛编号的后两位作为数组下标，来存取选手信息数据。
当通过参赛编号查询选手信息的时候，取参赛编号的后两位，作为数组下标，来读取数组中的数据。
这个例子就是经典的散列思想，参赛选手的编号我们叫作键（key）或者关键字。我们用它来标识一个选手。
我们把参赛编号转化为数组下标的映射方法就叫作散列函数（或“Hash 函数”“哈希函数”）。
而散列函数计算得到的值就叫作散列值（或“Hash 值”“哈希值”）。
散列函数
顾名思义，它是一个函数，它在散列表中起着至关重要的作用。
我们可以定义它为 hash(key)，其中 key 表示元素的键值，hash(key) 的值表示经过散列函数计算得到的散列值。
如刚才的参赛选手例子，就可以写成一个散列函数
int hash(String key) {
// 获取后两位字符
string lastTwoChars = key.subString(length-2);
// 将后两位字符转换为整数
int hashValue = String.parseInt(lastTwoChars);
return hashValue;
}这只是一个非常简单的举例，这个散列函数比较简单。
散列函数设计的基本要求
一、 散列函数计算得到的散列值是一个非负整数；
二、 如果 key1 = key2，那 hash(key1) == hash(key2)；
三、 如果 key1 ≠ key2，那 hash(key1) ≠ hash(key2)。
第一点很好理解，因为数组的下标是从0开始的。
第二点也好理解，相同的key经过散列函数得到的散列值也应该是相同的。
根据第二点来看，第三点也合情合理。但是实际情况下第三点很难做到。
不满足第三点的情况，我们叫做散列冲突（哈希冲突），所谓散列冲突就是不同键值的元素对应着相同的存储地址。
在真实的情况下，要想找到一个不同的 key 对应的散列值都不一样的散列函数，几乎是不可能的。
即便像业界著名的MD5、SHA、CRC等哈希算法，也无法完全避免这种散列冲突。
而且，因为数组的存储空间有限，也会加大散列冲突的概率。
如何设计散列函数
散列函数的设计不能太复杂
过于复杂的散列函数，势必会消耗很多计算时间，也就间接的影响到散列表的性能。
散列函数生成的值要尽可能随机并且均匀分布
这样才能避免或者最小化散列冲突
即便出现冲突，散列到每个槽里的数据也会比较平均，不会出现某个槽内数据特别多的情况。
散列函数的设计方法
散列函数的设计方法有很多，比如接寻址法、平方取中法、折叠法、随机数法等。
散列冲突
再好的散列函数也无法避免散列冲突，所以针对散列冲突问题，我们需要通过其他途径来解决。
我们常用的散列冲突解决方法有两类，开放寻址法（open addressing）和链表法（chaining）。
开放寻址法
核心思想：如果出现了散列冲突，我们就重新探测一个空闲位置，将其插入。
如何探测新的位置？
根据探测方法又分为线性探测（Linear Probing）、二次探测（Quadratic probing）和双重散列（Double hashing）。
线性探测
当我们往散列表中插入数据时，如果某个数据经过散列函数散列之后，存储位置已经被占用了。
我们就从当前位置开始，依次往后查找，看是否有空闲位置，直到找到为止。
散列表的大小为 10，在元素 x 插入散列表之前，已经 6 个元素插入到散列表中。x 经过 Hash 算法之后，被散列到位置下标为 7 的位置，但是这个位置已经有数据了，所以就产生了冲突。于是我们就顺序地往后一个一个找，看有没有空闲的位置，直到找到空闲位置 2，于是将其插入到这个位置。
在散列表中查找元素的过程有点儿类似插入过程。
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和要查找的元素。如果相等，则说明就是我们要找的元素；否则就顺序往后依次查找。
***如果遍历到数组中的空闲位置，还没有找到，就说明要查找的元素并没有在散列表中。***
在查找的时候，一旦我们通过线性探测方法，找到一个空闲位置，我们就可以认定散列表中不存在这个数据。
但是，如果这个空闲位置是我们后来删除的，就会导致原来的查找算法失效。本来存在的数据，会被认定为不存在。
对于使用线性探测法解决冲突的散列表，删除操作稍微有些特别。我们不能单纯地把要删除的元素设置为空。
我们可以将删除的元素特殊标记为 deleted。线性探测查找的时候，遇到标记为 deleted 的空间不会停下来，而是继续往下探测。
线性探测法的问题
当散列表中插入的数据越来越多时，散列冲突发生的可能性就会越来越大，空闲位置会越来越少，线性探测的时间就会越来越久。
极端情况下，我们可能需要探测整个散列表，所以最坏情况下的时间复杂度为 O(n)。（删除、查找操作同理）
二次探测
二次探测类似于线性探测。
线性探测每次探测的步长是 1，那它探测的下标序列就是 hash(key)+0，hash(key)+1，hash(key)+2……
而二次探测探测的步长就变成了原来的“二次方”。
它探测的下标序列就是 hash(key)+0，hash(key)+1²，hash(key)+2²……
双重散列
双重的意思是就是不仅要使用一个散列函数。我们使用一组散列函数 hash1(key)，hash2(key)，hash3(key)……
我们先用第一个散列函数，如果计算得到的存储位置已经被占用，再用第二个散列函数，依次类推，直到找到空闲的存储位置。
不论是哪一种探测方法，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/加载因子/负载因子）
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。
链表法
链表法是一种更加常用的散列冲突解决办法，相比开放寻址法，要简单很多。
在散列表中，每个“桶（bucket）”或者“槽（slot）”会对应一条链表，所有散列值相同的元素我们都放到相同槽位对应的链表中。
插入的时间复杂度是 O(1)。
当查找、删除一个元素时，我们同样通过散列函数计算出对应的槽，然后遍历链表查找或者删除。
查找和删除操作的时间复杂度跟链表的长度k成正比。也就是O(k)。
于散列比较均匀的散列函数来说，理论上讲，k=n/m，其中 n 表示散列中数据的个数，m 表示散列表中“槽”的个数。
装载因子过大怎么办
装载因子越大，说明散列表中的元素越多，空闲位置越少，散列冲突的概率就越大。
不仅插入数据的过程要多次寻址或者拉很长的链，查找的过程也会因此变得很慢。
对于没有频繁插入和删除的静态数据集合来说，
我们很容易根据数据的特点、分布等，设计出完美的、极少冲突的散列函数，因为毕竟之前数据都是已知的。
对于动态散列表来说，数据集合是频繁变动的，我们事先无法预估将要加入的数据个数，所以我们也无法事先申请一个足够大的散列表。
随着数据慢慢加入，装载因子就会慢慢变大。当装载因子大到一定程度之后，散列冲突就会变得不可接受。
数组、栈、队列都支持动态扩容，
其实针对散列表，当装载因子过大时，我们也可以进行动态扩容，重新申请一个更大的散列表，将数据搬移到这个新散列表中。
假设每次扩容我们都申请一个原来散列表大小两倍的空间。
如果原来散列表的装载因子是 0.8，那经过扩容之后，新散列表的装载因子就下降为原来的一半，变成了 0.4。
针对数组的扩容，数据搬移操作比较简单。
但是，针对散列表的扩容，数据搬移操作要复杂很多。
因为散列表的大小变了，数据的存储位置也变了，所以我们需要通过散列函数重新计算每个数据的存储位置。
插入一个数据，最好情况下，不需要扩容，最好时间复杂度是 O(1)。
最坏情况下，散列表装载因子过高，启动扩容，我们需要重新申请内存空间，重新计算哈希位置，并且搬移数据，所以时间复杂度是 O(n)。
均摊情况下，时间复杂度接近最好情况，就是 O(1)。
对于动态的散列表来说，有时候随着数据的删除，散列表中的数据会越来越少，空闲空间会越来越多。
如果对空间消耗非常敏感，我们可以在装载因子小于某个值之后，启动动态缩容。
如果我们更加在意执行效率，能够容忍多消耗一点内存空间，可以不必如此。
当散列表的装载因子超过某个阈值时，就需要进行扩容。装载因子的阈值一定要选择得当。
如果太大，会导致冲突过多；如果太小，会导致内存浪费严重。
装载因子阈值的设置要权衡时间、空间复杂度。如果内存空间不紧张，对执行效率要求很高，可以降低负载因子的阈值；
如果内存空间紧张，对执行效率要求又不高，可以增加负载因子的值，甚至可以大于 1。
避免底效扩容
散列表插入一个数据很快，但是特殊情况下，装载因子到达阈值，就需要先进行扩容，再插入数据。
这时候插入数据就会变得很慢。甚至令人无法接受。举一个极端的例子：
如果散列表当前大小为 1GB，要想扩容为原来的两倍大小，
那就需要对 1GB 的数据重新计算哈希值，并且从原来的散列表搬移到新的散列表。这个过程十分耗时。
为了避免这种极个别非常慢的插入操作，就要避免这种“一次性”的扩容机制。
为了解决一次性扩容耗时过多的情况，我们可以将扩容操作穿插在插入操作的过程中，分批完成。
这种形式被叫做“渐进式迁移”。
当装载因子触达阈值之后，我们只申请新空间，但并不将老的数据搬移到新散列表中。
当有新数据要插入时，我们将新数据插入新散列表中，并且从老的散列表中拿出一个数据放入到新散列表。
每次插入一个数据到散列表，我们都重复上面的过程。
经过多次插入操作之后，老的散列表中的数据就一点一点全部搬移到新散列表中了。
通过这样均摊的方法，将一次性扩容的代价，均摊到多次插入操作中，就避免了一次性扩容耗时过多的情况。这
种实现方式，任何情况下，插入一个数据的时间复杂度都是 O(1)。
但是这种做法会对查询造成一定影响，我们按照以前的查询方式肯定是行不通的
对于查询操作，为了兼容了新、老散列表中的数据，我们先从新散列表中查找，如果没有找到，再去老的散列表中查找。
如何选择解决冲突的方法
开放寻址法和链表法，这两种冲突解决办法在实际的软件开发中都非常常用。
Java 中 LinkedHashMap 就采用了链表法解决冲突，ThreadLocalMap 是通过线性探测的开放寻址法来解决冲突。
开放寻址法的优点
开放寻址法不需要拉很多链表。散列表中的数据都存储在数组中，可以有效地利用 CPU 缓存加快查询速度。
开放寻址法实现的散列表，序列化起来比较简单。链表法包含指针，序列化起来就没那么容易。
开放寻址法的缺点
用开放寻址法解决冲突的散列表，删除数据的时候比较麻烦，需要特殊标记已经删除掉的数据。
在开放寻址法中，所有的数据都存储在一个数组中，比起链表法来说，冲突的代价更高。
正因为冲突的代价高，装载因子的上限不能太大。这也导致这种方法比链表法更浪费内存空间。
开放寻址法只能适用装载因子小于 1 的情况。
接近 1 时，就可能会有大量的散列冲突，导致大量的探测、再散列等，性能会下降很多。
总结：当数据量比较小、装载因子小的时候，适合采用开放寻址法。
这也是 Java 中的ThreadLocalMap使用开放寻址法解决散列冲突的原因。
链表法的优点
链表法对内存的利用率比开放寻址法要高。因为链表结点可以在需要的时候再创建，并不需要像开放寻址法那样事先申请好。
比起开放寻址法，链表法对大装载因子的容忍度更高。
对于链表法来说，只要散列函数的值随机均匀，即便装载因子变成 10，也就是链表的长度变长了而已。
虽然查找效率有所下降，但是比起顺序查找还是快很多。
链表法的缺点
链表因为要存储指针，所以对于比较小的对象的存储，是比较消耗内存的，还有可能会让内存的消耗翻倍。
因为链表中的结点是零散分布在内存中的，不是连续的，所以对 CPU 缓存是不友好的，这方面对于执行效率也有一定的影响。
如果我们存储的是大对象，也就是说要存储的对象的大小远远大于一个指针的大小（4 个字节或者 8 个字节）
那链表中指针的内存消耗在大对象面前就可以忽略了。
我们将链表法中的链表改造为其他高效的动态数据结构，比如跳表、红黑树。这样，即便出现散列冲突。
极端情况下，所有的数据都散列到同一个桶内，那最终退化成的散列表的查找时间也只不过是 O(logn)。
这样可以有效避免了散列碰撞攻击。
总结：基于链表的散列冲突处理方法比较适合存储大对象、大数据量的散列表。
而且，比起开放寻址法，它更加灵活，支持更多的优化策略，比如用红黑树代替链表。
散列碰撞攻击
在极端情况下，有些恶意的攻击者，还有可能通过精心构造的数据，使得所有的数据经过散列函数之后，都散列到同一个槽里。如果我们使用的是基于链表的冲突解决方法，那这个时候，散列表就会退化为链表，查询的时间复杂度就从 O(1) 急剧退化为 O(n)。
如果散列表中有 10 万个数据，退化后的散列表查询的效率就下降了 10 万倍。更直接点说，如果之前运行 100 次查询只需要 0.1 秒，那现在就需要 1 万秒。这样就有可能因为查询操作消耗大量 CPU 或者线程资源，导致系统无法响应其他请求，从而达到拒绝服务攻击（DoS）的目的。
这也就是散列表碰撞攻击的基本原理。
