什么是哈希表

想写博客很久了，一直没有时间，也不知道从何写起，现在想想，其实早就应该写一写了，就从哈希表开始吧。哈希表在面试中，特别是一面中，是会经常问到的数据结构，对于哈希表的理解。说了这么多，我们还是来看一看到底什么是哈希吧 哈希表，也叫散列表，散列散列，就是分散排列，什么意思呢，说到这个，我们还得说说为什么会有散列的出现存在即合理，这个我想大家都听说过，在我们常见的存储结构中，有这么两种是最常用的，一个就是数组，一个就是链表，但是，福兮祸所伏，祸兮福所倚。数组：寻址快，插入删除慢链表：插入删除快，寻址慢综上所述，哈希表就是结合了二者的优点而产生的产物，它的优点就是寻址快，插入删除也快！而且，哈希表既是一种存储方法，也是一种查找方法。那么问题来了，这么好的数据结构，咋实现的呢？在Java中，哈希表的实现就是用的数据+链表。我们称之为：拉链法，也就是链表的数组。1 直接定址法

下面我们来说一说在Java中哈希表的实现方法：
首先HashMap里面实现一个静态内部类Entry，其重要的属性有 key , value, next，从属性key,value我们就能很明显的看出来Entry就是HashMap键值对实现的一个基础bean，我们上面说到HashMap的基础就是一个线性数组，这个数组就是Entry[]，Map里面的内容都保存在Entry[]里面。
2 散列函数的原则
原则：1 计算简单 2 散列地址分布均匀
计算简单大家比较好理解，我用哈希表本来就是为了快，然后你给我弄个散列函数，算了半个小时，是不是傻
至于散列地址分布均匀，这个我们一会儿再说。
3 构造方法
.1 直接定址法
也就是说啊，我们取关键字的某个线性函数值为散列地址，即：
f(key)=a*key+b(a,b为常数)
优点：简单，真的简单啊，还均匀，也不会产生冲突
缺点：适用范围太小，怎么可能所有的数据你都知道，而且还知道关键字的分布情况

.2 数字分析法
就是分析当前的key的值，如果key的数字是比较有规律的，比如说，电话号，校园卡大家都用过吧，基本上，你和你室友的电话号就差最后一位，那么，当你的电话号为key值时，你的散列函数就是用前10位，都不带好使的！
所以，数字分析法其实就是在你是先知道或者预计key的值的情况下，抽取一部分数字进行运算，作为我们的这个散列值，这个就是比较靠谱的
适用范围：适合处理关键字比较大的情况。
优点：简单
示例：
.3 平方取中法
适用于关键字比较小的情况，又不用事先知道关键字的分布
.4折叠法
折叠法时将关键字从左到右分割乘位数相等的几部分，然后将这些部分叠加求和，并按散列表长，取最后即为作为散列地址
试用范围：事先不知道关键字的分布，适合关键字位数较多的情况
.5 除留余数法
此方法是最常用的构造散列函数的方法，对于散列表长的m的散列函数公式为：
f(key)=key%p(p<=m)
这个方法不仅可以对关键字直接取膜，也可在折叠，平方取中后再取模。
哪p取多少好呢，最好是小于等于表长的最小质数或者不包含小于20质因子的合数
.6 随机数法
就是取个随机数作为散列地址了 当关键字长度不定的时候，这个比较合适，

注：大家可能会问，你说的这个都是数字，我key值是字符串呢
其实，无论是英文字符，还是中文字符，都可以当作数字来对待，至于是ASCII还是Unicode，都可以啊

4 处理散列冲突的方法
上回书我们讲到，散列方法的构造函数需要有两个条件，一个是简单，一个是分布均匀，为啥要分布均匀呢，其实就是为了避免冲突，哪啥叫冲突，冲突有什么坏处呢？

避免冲突方法
1 开放地址法：
2 再散列函数法
3 链地址法
4 公共溢出区法

1 开放地址法
线性探测法
二次探测法
随机探测法
2 再散列函数法
当发生冲突时 就换个散列函数继续计算 当然，事先你需要准备多个散列函数 但也增加了计算的时间
3 链地址法（Java中HashMap就是用这种方法实现的散列）
数组中每个元素为一个Entry类，类中有next，key，value三个重要属性，冲突一个，就将新的结点插入，然后，将其next指针指向原来的链表的头节点。这样就好了
4 公共溢出区法
就是再找块儿地存储冲突的元素。对于基本表而言，如果出现的冲突的数据量比较小的话，可以使用。

寻址代码

// 存储时:int hash = key.hashCode(); // 这个hashCode方法这里不详述,只要理解每个key的hash是一个固定的int值int index = hash % Entry[].length;Entry[index] = value;// 取值时:int hash = key.hashCode();int index = hash % Entry[].length;return Entry[index];

借鉴文档：http://blog.csdn.net/vking_wang/article/details/14166593