哈希表原理（hashTable）
哈希表原理（hashTable）：数组+链表
哈希表是一种根据关键字key来访问值value的一种数据结构。
它通过把key值映射到表中一个位置来访问记录，以加快查找的速度。这个映射函数叫做散列函数，存放记录的数组叫做散列表
1、Hash主要用于信息安全领域中加密算法，它把一些不同长度的信息转化成杂乱的128位的编码,这些编码值叫做Hash值. 也可以说，Hash就是找到一种数据内容和数据存放地址之间的映射关系。
2、查找：哈希表，又称为散列，是一种更加快捷的查找技术。我们之前的查找，都是这样一种思路：集合中拿出来一个元素，看看是否与我们要找的相等，如果不等，缩小范围，继续查找。而哈希表是完全另外一种思路：当我知道key值以后，我就可以直接计算出这个元素在集合中的位置，根本不需要一次又一次的查找！
3、Hash表在海量数据处理中有着广泛应用。
4.hashTable结合了数组和链表的优点，通过hash函数算法将key映射到数组中的某一个位置，将value值存放于一个链表，把链表地址存放在数组中；
哈希表的基本原理
哈希表的本质是数组加哈希函数。数组不难理解，那什么是哈希函数？
在哈希表中，它的作用就是将哈希表的某个key作为输入，然后经过一系列的运算后，得到数组的某个索引。一种很朴素的思路是，先用key通过哈希算法计算出一个很大的数，然后对数组长度取模，从而得到索引。
得到索引后就可以通过索引对数组执行插入或查找的操作，因为本质上是通过索引来访问数组，所以哈希表的插入和查找的效率非常高，时间复杂度都是O(1)。
哈希冲突
当不同的键生成了相同的索引的时候-----》 处理冲突------》拉链法和线性探索法。
我们不难发现哈希函数是整个哈希表的关键。所以为了更好的性能，我们希望在尽可能短的时间内，相同的key经过哈希函数的计算，可以得到相同的索引，不同的key经过哈希函数的计算，可以得到不同的索引，但在实际中往往事与愿违，不同的key小概率会计算出相同的索引，这就是哈希冲突（collision），几乎所有的哈希函数都存在这个问题。
这里介绍几个常见的解决哈希冲突的方法：
开放寻址法
开放寻址是一种思想，如果通过哈希函数计算出的索引所对应的空间已经被占用了，就再找一个还没被占用的空间将数据存进去。
常见的体现开放寻址思想的方法：
● 线性探测法 ：简单来说就是从当前被占用的空间的索引开始，向下遍历整个数组，直到找到空闲空间为止。如下图所示：
线性探测法是开放寻址法解决哈希冲突的一种方法，基本原理为，使用大小为M的数组来保存N个键值对，其中M>N，我们需要使用数组中的空位来解决碰撞冲突。
对照前面的拉链法，在该图中，”Ted Baker”有唯一哈希值153的，但是由于153被”Sandra Dee”占用了。而原先”Sandra Dee”和”John Smith”的哈希值都是152的，但是在对”Sandra Dee”进行哈希的是偶发现152已经被占用了，所以往下找发现153没有被占用，就将其存放在153。后面”Ted Baker”哈希到153上，发现被占用了，就会往下找，发现154没有被占用，所以将其存放到154上面。
开放寻址法中最简单的是线性探测法：当碰撞发生时即一个键的散列值被另外一个键占用时，直接检查散列表中下一个位置，即将索引值加1，这样的线性探测有三种结果：
<1>命中，该位置的键个被查找的键相同；
<2>未命中，键为空；
<3>继续查找，该位置的键和被查找的键不同。
● 双重哈希法：使用多个哈希函数来计算索引，如果第一个哈希函数计算得到的索引所对应的空间已被占用，就用第二个，第二个被占用就用第三个，以此类推，直到计数出没被占用的空间对应的索引。
拉链法
拉链法是一种更加常见的解决哈希冲突的方法，Java中的HashMap就是采用这种方法。
将大小为M的数组的每一个元素指向一个链表，链表中的每一个节点都存储散列值为该索引的键值对，这个就是拉链法。
”John Smith”和”Sandra Dee”通过哈希函数指向152这个索引，该索引又指向了一个链表，在链表中依次存储了这两个字符串。
该方法的基本思想就是选择足够大的M，使得所有的链表都尽可能的短小，以保证查找的效率。对采用拉链法的哈希表实现的查找分为两步，首先是根据散列值找到对应的链表，然后沿着链表的顺序找到相应的键。
在这种方法中，数组索引对应的空间并不直接存储数据，而是存储一个链表的地址，而数据存在链表中。如下图所示：
这样发生冲突时，就可将冲突的key对应的数据存在同一个链表上，当需要取数据时，就先找到key对应的链表，然后遍历链表。
重写放入hashmap中的对象数据的hashCode和equals方法，key通过hashcode算法计算value存储的索引位置，这个数组索引位置存放一个链表地址，value存放在这个链表中，当下一个添加元素相同的key找到同样的位置，会通过equals比较链表中的数据，如果相等数据不存储，因为按照对象内容重写hashCode和equals方法，不会存储相同内容的对象；重写放入hashmap中的对象数据的hashCode和equals方法，key通过hashcode算法计算value存储的索引位置，这个数组索引位置存放一个链表地址，value存放在这个链表中，当下一个添加元素相同的key找到同样的位置，会通过equals比较链表中的数据，如果相等数据不存储，因为按照对象内容重写hashCode和equals方法，不会存储相同内容的对象；
拉链法和线性探索法对比
对于拉链法，查找的效率在于链表的长度
对于线性探索法，动态调整数组的大小需要对所有的值重新进行散列并插入新的表中。
对于拉链法，查找的效率在于链表的长度，一般我们应该保证长度的M/8-M/2之间，如果链表的长度大于M/2，我们可以扩充数组长度。如果长度在0~M/8时，我们可以缩短数组的长度。对于线性探索法，动态调整数组的大小需要对所有的值重新进行散列并插入新的表中。
不管是拉链法还是散列法，这种动态调整链表或者数组的大小以提高查询效率的同时，还应该考虑动态改变链表或者数组大小的成本。散列表长度加倍的插入需要进行大量的探索，这种均摊成本很多时候需要考虑。
不管是采用拉链法还是开放寻址法解决冲突，在后面查找的时候都需要进行多次探测或者查找，在很多时候会使得哈希表的查找效率退化，而不再是常数时间。如下图描述的那样。
拉链法的链表长度不能过长，数组的长度要合适，链表的内存地址存储位置是通过key的哈希值与数组长度的取模
哈希攻击就是通过精心构造哈希函数，使得所有的键进过函数函数后都会映射到同一个或者几个索引上，将哈希表退化为一个单链表，这样哈希表的各种操作，比如插入、查找都会从O(1)退化到了链表的查找操作，这样会消耗大量的CPU资源，导致系统无法响应，从而达到拒绝服务供给（Denial of Service,DOS）的目的。
数组扩容
避免哈希冲突加剧，进而使链表的长度增加，链表的长度增加，就会使得查找的性能降低
上面说的方法只能在一定程度上解决哈希冲突，因为毕竟数组的容量有限，当频繁插入数据时，因为数组的容量有限，所以就会使哈希冲突加剧，进而使链表的长度增加，链表的长度增加，就会使得查找的性能降低，这不是我们想看到的结果，所以要对数组扩容。
那什么时候给数组扩容呢？
装载因子（已插入元素的数量除以数组容量）超过某一阈值时就进行扩容，Java中HashMap的装载因子是0.75，当然，也可以是别的值。
因为之前插入的元素都是按照原数组的长度来计算索引的，所以一旦数组扩容后，长度改变，就要重新进行计算，然后将已插入的元素移动到新的位置上，所以数组扩容不仅仅只是将容量增大而已。
