哈希 ，为 Hash 的音译，意为混乱。在计算机领域，哈希是一个统称，核心分三类：哈希函数 ，哈希值 ，哈希表 。本文主要讲解的是 哈希表。
什么是哈希表
所谓哈希表 ，是通过哈希函数 将 key 映射为数组下标，以平均O (1) 效率实现增删查、并通过冲突处理保障数据存储的键值存储结构。
哈希函数 是将任意类型的关键字，换算成合法数组下标，用来实现快速映射，并尽量减少哈希冲突的函数。
哈希表就是用 一个值 去映射 另一个值，以空间换取时间，你给它传入 key 的值，它可以直接给你返回 value 的值。
直接定址法
构建一个哈希表最简单的方法是直接定址法。直接定址法的思路和计数排序相同，就是计算 key 在结构中的位置，比如：
如果使用直接定址法，那么这里得开辟 209 个空间，且有绝大部分空间是无用的，浪费的。如果在直接定址法上使用偏移量进行优化，可以大大减少所要开辟的空间：
但是这种方法还是不行，假如有数据为 { 3，203 }，这样也是需要开大量的空间的。但是办法总比困难多，这时我们可以借助特定的哈希函数来控制范围，比如：
但是呢但是（没完了是吧！！），假如有数据为 { 12, 23, 34 } ，当我们设置除数为 11，那么通过函数计算出来的值就会全部都是 1。这就是哈希冲突。
由以上可见，直接定址法难以做到尽善尽美，那有没有别的方法来构建哈希表呢？有的兄弟，有的。在基础的定址法种，除了直接定址法，我们还有开放定址法 和链定址法。
开放定址法
开放定址法 的原理是在算出下标已被占用时，按某种规则继续在表内找下一个可用位置，直到找到空位插入。
对于查找规则，有三种比较常见的，线性探测，二次探测，双重散列。
线性探测
线性探测的规则十分简单，就是固定一个步长，找到被占用位置间隔一个步长距离的位置，如果该位置也被占用，就继续找下一个，以此类推。
核心公式：
通过线性探测的规则，我们其实不难发现它的某些弊端：
假如 a，b 为相邻两个位置，有两个值经过计算后，发现都应该插入 a 中，那么根据规则，应该一个数据放在 a，一个放在 b。那在后面的数据如果算出结果应该插入 b 中时，会因为 b 已经被占用而继续向后寻找。
随着被占用位置的增多，出现这种情况的概率会不断上升，造成 " 堆积" 问题，这会严重降低哈希表效率。
二次探测
二次探测和线性探测很像，我们来看看它的核心公式就知道了：
没错，二次探测只是在线性探测的基础上给它的步长设置为平方。这种 " 跳跃 " 的方法缓解了堆积问题，但是仍可能出现 " 二次堆积"。
双重散列
双重散列是**开放定址法里最优秀的一种。**它的步长设置根据 key 值的不同而变化：
双重散列几乎无堆积，分布最均匀。
特殊问题
扩容
我们在哈希表的负载因子到 0.7 以后进行扩容。但这个扩容可不是随便扩的，我们需要保持哈希表的大小是一个质数，如果按照以前扩 2 倍的方法，扩容之后的大小就不是一个质数了。sgi版本的哈希表使用了一个近似二倍的质数表，每次取质数表中的数据作为扩容之后的大小。
key不能取模
当 key 是类似 string 这样不能取模的类型时，我们可以通过设计一个仿函数来把 key 转换为一个可以取模的整型。实现这个仿函数的要求是尽量让 key 的每一个值都参与到计算中，这样可以让转换出来的 key 不同，也不失为降低哈希冲突概率的一份力量。
链定址法
链定址法不再是往数组中直接插入值，而是挂载一条单链表。
当计算出相同的哈希值时，不需要往后占其他的位置，而是直接在该位置的链表上开位置存放，这解决了哈希冲突，也解决了堆积问题。
但是这又带来了别的问题，当你要查找的值所处的位置的链表过长，时间效率会退化到 O(n)。