雜湊表定義

雜湊表（Hash table），是根據關鍵碼值(Key - value)而直接進行訪問的資料結構。也就是說，它通過把關鍵碼值對映到表中一個位置來訪問記錄，以加快查詢的速度。這個對映函式叫做雜湊函式，存放記錄的陣列叫做散列表。

HashTable(key,value)就是把key通過一個固定的演算法即雜湊函式（雜湊函式）轉換成一個整型數字，然後就將數字對陣列的長度取餘，把這個結果值作為陣列的下標，然後將value存在以該數字為下標的陣列中。而用雜湊表查詢時，可以用雜湊函式把key轉化陣列下標，並且直接定位到該空間獲取value，進行資料定位。

雜湊表的特點：

陣列的特點：定址容易，插入和刪除困難（需要移動資料）

連結串列的特點：定址困難（要遍歷），插入和刪除容易

雜湊表的特點：雜湊表有不同的實現方法，其中一種最常用的拉鍊法（連結串列的陣列），它結合了兩者的特性，定址容易，插入和刪除也容易。

拉鍊法：左側明顯是一個數組，陣列的每一個成員都包括一個指標，指向一個連結串列的投頭，這個連結串列也可以是空，也有可能有元素。我們根據元素的一些特徵把元素分配到不同的連結串列中去，也是根據這些特徵，找到正確的連結串列，再從連結串列中找出這個元素。

雜湊表的應用：

  1、主要用於資訊保安領域中加密演算法，它能把一些不同長度的資訊轉化成雜亂的128位的編碼，即雜湊值。Hash就是找到一種資料內容和資料存放地址之間的對映關係。

  2、用於高效率查詢，之前用的是二分法查詢，現在有了雜湊表，當我們知道了key值以後，就可以直接通過雜湊演算法計算這個元素在陣列中的位置，而不需要一個一個的比對查詢。

  3、雜湊表在海量資料處理中有廣泛的應用。

雜湊法：

元素特徵轉變為陣列下標的方法就是雜湊法。雜湊法當然不止一種，下面列出三種比較常用的：
1，除法雜湊法 最直觀的一種，上圖使用的就是這種雜湊法，公式：   index = value % 16 學過彙編的都知道，求模數其實是通過一個除法運算得到的，所以叫“除法雜湊法”。
2，平方雜湊法 求index是非常頻繁的操作，而乘法的運算要比除法來得省時（對現在的CPU來說，估計我們感覺不出來），所以我們考慮把除法換成乘法和一個位移操作。公式：       index = (value * value) >> 28   （右移，除以2^28。記法：左移變大，是乘。右移變小，是除。）如果數值分配比較均勻的話這種方法能得到不錯的結果，但我上面畫的那個圖的各個元素的值算出來的index都是0——非常失敗。也許你還有個問題，value如果很大，value * value不會溢位嗎？答案是會的，但我們這個乘法不關心溢位，因為我們根本不是為了獲取相乘結果，而是為了獲取index。
3，斐波那契（Fibonacci）雜湊法
平方雜湊法的缺點是顯而易見的，所以我們能不能找出一個理想的乘數，而不是拿value本身當作乘數呢？答案是肯定的。
1，對於16位整數而言，這個乘數是40503 2，對於32位整數而言，這個乘數是2654435769 3，對於64位整數而言，這個乘數是11400714819323198485
    這幾個“理想乘數”是如何得出來的呢？這跟一個法則有關，叫黃金分割法則，而描述黃金分割法則的最經典表示式無疑就是著名的斐波那契數列，即如此形式的序列：0, 1, 1, 2, 3, 5, 8, 13, 21, 34, 55, 89, 144, 233,377, 610，
 987, 1597, 2584, 4181, 6765, 10946，…。另外，斐波那契數列的值和太陽系八大行星的軌道半徑的比例出奇吻合。
    對我們常見的32位整數而言，公式：             index = (value * 2654435769) >> 28
    如果用這種斐波那契雜湊法的話，那上面的圖就變成這樣了：

適用範圍    快速查詢，刪除的基本資料結構，通常需要總資料量可以放入記憶體。
基本原理及要點    hash函式選擇，針對字串，整數，排列，具體相應的hash方法。 碰撞處理，一種是open hashing，也稱為拉鍊法；另一種就是closed hashing，也稱開地址法，opened addressing。
 

雜湊表的優缺點：

  優點： 不論雜湊表中有多少資料，查詢、插入、刪除（有時包括刪除）只需要接近常量的時間即0(1）的時間級。實際上，這隻需要幾條機器指令。雜湊表運算得非常快，在計算機程式中，如果需要在一秒種內查詢上千條記錄通常使用雜湊表（例如拼寫檢查器)雜湊表的速度明顯比樹快，樹的操作通常需要O(N)的時間級。雜湊表不僅速度快，程式設計實現也相對容易。
如果不需要有序遍歷資料，並且可以提前預測資料量的大小。那麼雜湊表在速度和易用性方面是無與倫比的。

  缺點：

  （1）它是基於陣列的，陣列建立後難於擴充套件，某些雜湊表被基本填滿時，效能下降得非常嚴重，所以程式設計師必須要清楚表中將要儲存多少資料（或者準備好定期地把資料轉移到更大的雜湊表中，這是個費時的過程）。

  （2）一個關鍵字可能對應多個雜湊地址；需要查詢一個範圍時，效果不好。

        雜湊衝突：不同的關鍵字經過雜湊函式的計算得到了相同的雜湊地址。

         好的雜湊函式=計算簡單+分佈均勻（計算得到的雜湊地址分佈均勻）

雜湊衝突的解決方案：

1、緩衝區法：建立一個緩衝區，把凡是拼音重複的人放到緩衝區中。當我通過名字查詢人時，發現找的不對，就在緩衝區裡找。

2、開放地址法：

（1）線性探測法：

（2）二次探測法：

 
 
問題例項（海量資料處理）     我們知道hash 表在海量資料處理中有著廣泛的應用，下面，請看另一道百度面試題：題目：海量日誌資料，提取出某日訪問百度次數最多的那個IP。方案：IP的數目還是有限的，最多2^32個，所以可以考慮使用hash將ip直接存入記憶體，然後進行統計。