Hash

一个对象或者内容，输入到一个算法执行计算得出一个唯一的值。

1. 这个过程我们称为映射；也叫hash
2. 这个算法我们称为hash算法或者hash函数；该算法是单向不可逆的，即无法通过hash值反向推导出原对象。
3. 计算出来的唯一值我们称为hash值。
4. 计算出来的hash值在一个环境下是一个固定长度的值。通常算法是将一个很大的输入映射为一个很小的固定长度的值。否则难以保存。

计算出来的hash值可能会重复，这取决于hash函数/算法的可用性和准确性。理论上，这个值必需是唯一的，但是目前研发出来的hash算法都多多少少会出现重复的情况，只是概率极低。这种重复我们称为“hash碰撞”。

 

计算出来的值我们可以称之为key，一个key映射到一个地址，该地址保存该对象或者内容。通过该key可以直接访问到对应的对象。

而保存这些对象的结构我们称为hash表，或者散列表。

通常的实现是，使用一个数组来保存这些key，而使用另外一个数组来保存对应的对象。而这些key通过某些方法保存与之对应的数组索引或者地址。

这种结构与下述场景很相似：

现在有很多房屋，每个房屋通过某种方法确定一个唯一的编号与之对应。这些房屋的钥匙存在一个箱子，箱子标有房屋的编号。想进入房屋的方法是：拿到该房屋的编号，然后去对应的箱子去拿到该该房屋的钥匙。

 

所以Hash表的访问速度非常快，总是O(1)。

 

应用场景

hash可以使用在如下场景：

1. 加密：其单向性决定的；
2. 数据验证：其结果唯一性决定的；
3. 海量数据：海量数据的关键问题不是存储空间，而是查找时间。hash表支持随机访问。也就是因为这个特性，目前市面上的许多高效的存储引擎都使用hash表来保存数据。传统的RMDB是无法做到的。

 

Hash碰撞

hash碰撞也叫hash冲突。这是hash表最关键的，也是设计hash算法最难的。

解决hash碰撞的方法有：

1. 开放寻址：
2. 链表法：

 

Hash表和二叉树

哈希表有以下几个突出的缺点：

1. 当更多的数插入时，哈希表冲突的可能性就更大。对于冲突，哈希表通常有两种解决方案：第一种是线性探索，相当于在冲突的槽后建立一个单链表，这种情况下，插入和查找以及删除操作消耗的时间会达到O(n)，且该哈希表需要更多的空间进行储存。第二种方法是开放寻址，他不需要更多的空间，但是在最坏的情况下（例如所有输入数据都被map到了一个index上）的时间复杂度也会达到O(n)。

2. 所以，在决定建立哈希表之前，最好可以估计输入的数据的size。否则，resize哈希表的过程将会是一个非常消耗时间的过程。例如，如果现在你的哈希表的长度是100，但是现在有第101个数要插入。这时，不仅哈希表的长度可能要扩展到150，且扩展之后所有的数都需要重新rehash。

3. 哈希表中的元素是没有被排序的。然而，有些情况下，我们希望储存的数据是有序的。

二叉树：

1. 二叉树不会有冲突（collision），这意味着我们能够保证二叉树的插入和查找操作一直都是O(log(n))的时间复杂度。

2. 二叉树的空间占用跟输入的输入数据一致。所以我们不需要为二叉树预先分配固定的空间。所以，你也不需要预先知道输入数据的size。

3. 所有的元素在树中是排序好的。