散列表
根据 key 计算 key 在表中的位置的数据结构；是 key 和其所在 存储地址的映射关系；
注意：散列表的节点中 kv 是存储在一起的；
cpp
struct node {
void *key;
void *val;
struct node *next;
}; 
hash 函数
映射函数 Hash(key)=addr；hash 函数可能会把两个或两个以 上的不同 key 映射到同一地址，这种情况称之为冲突（或者 hash 碰撞）；
选择 hash
-
计算速度快
-
强随机分布（等概率、均匀地分布在整个地址空间）
-
murmurhash1，murmurhash2，murmurhash3，siphash （ redis6.0 当中使用，rust 等大多数语言选用的 hash 算法来实 现 hashmap），cityhash 都具备强随机分布性；
-
siphash 主要解决字符串接近的强随机分布性 ;
负载因子
数组存储元素的个数 / 数组1长度；用来形容散列表的存储密 度；负载因子越小，冲突概率越小，负载因子越大，冲突概率越 大；
冲突处理
链表法
引用链表来处理哈希冲突；也就是将冲突元素用链表链接起 来；这也是常用的处理冲突的方式；但是可能出现一种极端情 况，冲突元素比较多，该冲突链表过长，这个时候可以将这个 链表转换为红黑树、最小堆；由原来链表时间复杂度O(n)转换为红黑树时间复杂度O(log2n)；那么判断该链表过长的依据是多少？可以采用超过 256（经验值）个节点的时候将链表 结构转换为红黑树或堆结构（java hashmap）；
开放寻址法
将所有的元素都存放在哈希表的数组中，不使用额外的数据结 构；一般使用线性探查的思路解决；
-
当插入新元素的时，使用哈希函数在哈希表中定位元素位 置
-
检查数组中该槽位索引是否存在元素。如果该槽位为空，则 插入，否则3；
-
在 2 检测的槽位索引上加一定步长接着检查2； 加一定步长 分为以下几种：
-
i+1,i+2,i+3,i+4, ... ,i+n
-
i-1^2 ,i+2^2 ,i-3^2,i+4^2,...这两种都会导致同类 hash 聚 集；也就是近似值它的hash值也近似，那么它的数组槽 位也靠近，形成 hash 聚集；第一种同类聚集冲突在前， 第二种只是将聚集冲突延后； 另外还可以使用双重哈希 来解决上面出现hash聚集现象：
-
cpp
在.net HashTable类的hash函数Hk定义如下：
Hk(key) = [GetHash(key) + k * (1 + (((GetHash(key) >> 5) + 1) % (hashsize -- 1)))] % hashsize
在此 (1 + (((GetHash(key) >> 5) + 1) % (hashsize -- 1))) 与 hashsize 互为素数（两数互为素数表示两者没有共同的质因⼦）；
执⾏了 hashsize 次探查后，哈希表中的每⼀个位置都有 且只有⼀次被访问到，也就是说，对于给定的 key，对哈希表中的同⼀位置不会同时使⽤ Hi 和 Hj； STL unordered_* 散列表实现
在 STL 中 unordered_map、unordered_set、 unordered_multimap、unordered_multiset 四兄弟底层实 现都是散列表；
原理图
布隆过滤器
背景
布隆过滤器是一种概率型 数据结构，它的特点是高效地插入和 查询，能确定某个字符串一定不存在 或者可能存在；
布隆过滤器不存储具体数据，所以占用空间小 ，查询结果存在误差 ，但是误差可控 ，同时不支持删除操作；
构成
位图（BIT 数组）+ n 个 hash 函数
m % 2^n= m & (2^n - 1 )
原理
当一个元素加入位图时，通过 k 个 hash 函数将这个元素映射到 位图的 k 个点，并把它们置为 1；当检索时，再通过 k 个 hash 函数运算检测位图的 k 个点是否都为 1；如果有不为 1 的点，那 么认为该 key 不存在；如果全部为 1，则可能存在；
为什么不支持删除操作？
-
在位图中每个槽位只有两种状态（0 或者 1），一个槽位被 设置为 1 状态，但不确定它被设置了多少次；也就是不知道 被多少个 key 哈希映射而来以及是被具体哪个 hash 函数映 射而来；
-
只要一个索引位为0就是不存在；如果都为1，是否一定存在？ 不一定，可控的（假阳率）
应用场景
布隆过滤器通常用于判断某个 key 一定不存在的场景，同时允许判断存在时有误差的情况；
常见处理场景：① 缓存穿透的解决；② 热 key 限流；
-
描述缓存场景，为了减轻数据库（mysql）的访问压力，在 server 端与数据库（mysql）之间加入缓存用来存储热点数据；
-
描述缓存穿透，server端请求数据时，缓存和数据库都不包含该数据，最终请求压力全部涌向数据库；
-
发生原因：黑客利用漏洞伪造数据攻击或者内部业务 bug 造成 大量重复请求不存在的数据；
应用分析
在实际应用中，该选择多少个 hash 函数？要分配多少空间的位图？预期存储多少元素？如何控制误差？
公式如下：
cpp
n -- 预期布隆过滤器中元素的个数，如上图 只有str1和str2 两 个元素 那么 n=2
p -- 假阳率，在0-1之间 0.000000
m -- 位图所占空间
k -- hash函数的个数
公式如下：
n = ceil(m / (-k / log(1 - exp(log(p) / k))))
p = pow(1 - exp(-k / (m / n)), k)
m = ceil((n * log(p)) / log(1 / pow(2, log(2))));
k = round((m / n) * log(2)); 变量关系
假定4个初始值： n = 4000 p = 0.000000001 m = 172532 k = 30
31的时候假阳率是最低的。
确定 n 和 p
在实际使用布隆过滤器时，首先需要确定 n 和 p，通过上面的 运算得出 m 和 k；通常可以在下面这个网站上选出合适的值； https://hur.st/bloomfilter
选择 hash 函数
选择一个 hash 函数，通过给 hash 传递不同的种子偏移值，采 用线性探寻的方式构造多个 hash 函数；
cpp
#define MIX_UINT64(v) ((uint32_t)((v>>32)^(v)))
uint64_t hash1 = MurmurHash2_x64(key, len, Seed);
uint64_t hash2 = MurmurHash2_x64(key, len, MIX_UINT64(hash1));
for (i = 0; i < k; i++) // k 是hash函数的个数
{
Pos[i] = (hash1 + i*hash2) % m; // m 是位图的 ⼤⼩
} 参考链接：0voice · GitHub