哈希冲突（待完善

哈希表：
一个ADT数组，其实类似数学上的映射，但是其映射后的集合更加稠密，可以认为是对原先数据集合的抽象稠密有限空间存储
哈希冲突：
当两个不同的数据经过哈希函数的映射到同一个点，就发生了哈希冲突，完美的哈希函数我们希望是一一的，也就是说

哈希函数又叫做散列函数，哈希的存储结构十分利于查找(只要o(1)的时间)，如果没有键值对这种映射思想，那么普通的数据结构只能一一对比来寻找需要查找的对象，很么先这个时间是o(n)的
这边需要注意哈希函数无论如何都是1-1的，就算存在冲突我们也会想方法去往后延，使得其关键值仍然对应一个唯一的键值，如果是完美哈希，此时对于特定元素的查找耗费的时间是最少的，但是如果存在哈希冲突，那么此时哈希表就会退化成数组，此时我们会将键值逐渐递增然后去判断是否一致即可，所以可以近似将哈希的存储结构看作是一个插入，删除，查找在特定情况下都是o(1)情况的特殊ADT结构

解决哈希冲突的方法
开放地址法
线性探测：如果遇到哈希冲突，比如在h(a)=h(b)，a和b发生了哈希碰撞，此时假设a是先来的，那么此时h(b) = h(b)+1，一直循环往复，直到h(b)对应的键值唯一为止，注意hash表只是实现键值的一一对应，是为了查找删除插入的快速，因此并不是完全的放弃数据的存储（除非该hash是完美hash，并且存在可计算的逆映射，参考康拓变换）。注意区别，hash并不完全是对于数据形式的完全转换，注意也就是说我们很多时候不能真正实现1对abc的完美映射，所以很多时候仍然需要对原来的数据进行存储，方便后面hash冲突的时候进行修改
二次探测：如果遇到哈希冲突，此时h(b) = h(b) +(-) i*i;这边不同于线性探测的是此时是二次探测，也就是按照+1,-1,+4,-4,+9,-9的顺序进行寻找剩余的空间
双重散列：这时候h(k,i) = h1(k) + ih2(i)，这是用于开放寻址法的最好方法之一，因为它所产生的排列具有随机选择排列的许多特性，h1和h2被称为是辅助散列函数，为了能查找整个散列表，就必须使得h2和表的大小互素，这有两种方法可以实现：
1.让m取为2的幂，然后设计一个总产生奇数的h2
2.让m取为素数，使得h1(k) = k mod m, h2(k) = 1 + (k mod m'):注意这边的m'是略小于m的，可以为m-1

链式地址法
其实就是对散列表中的冲突的解决方法，此时不再通过向后转移，而是通过邻接链表的方式来存储具有相同键值的数据

完全散列
这里笔者偷懒，以后来填坑吧，暂时看不懂公式qwq
不过简单来讲就是在原哈希的基础上再次哈希，第一次哈希后具有相同键值的共槽数据可以在精心设计的第二次哈希后不会发生冲突

哈希暂时到这儿结束，总的来说哈希是对数据查找的一种优化手段，以后再来填补具体实现过程