1.概念

存在的意义： 正常计算机存储都是有序的，我们通常使用数组或者链表来存储元素，一旦存储的内容数量特别多，需要占用很大的空间，而且在查找某个元素是否存在的过程中，数组和链表都需要挨个循环比较，而通过哈希计算，可以大大减少比较次数。但是会占用额外的空间，是利用空间换时间。
哈希（hash）：也叫散列，是电脑科学中一种对资料的处理方法，通过某种特定的函数/算法（称为散列函数/算法）将要检索的项与用来检索的索引（称为散列，或者散列值）关联起来，生成一种便于搜索的数据结构（称为散列表）。存储是无序的。
哈希表又叫散列表，哈希表就是通过一个映射函数f(key)将一组数据散列存储在数组中的一种数据结构。在这哈希表中，每一个元素的key和它的存储位置都存在一个f(key)的映射关系，我们可以通过f(key)快速的查找到这个元素在表中的位置。
哈希表存储的每一个单一即桶（bucket）

2.例子

已知：数组Array [14,23,67,5,89,90]，需要检查89是否存在数组里面？

答1：直接遍历整个数组array，【复杂度是 O(n)，空间复杂度O(0)】
答2：通过f(x)哈希函数，89% 10 == 9. 得到索引9，然后去hashTable[9],得到89，证明存在。【复杂度是 O(n)，空间复杂度O(n)】

已知：对象 obj = {'name':'jason','age':18,'sex':'男'，address：'深圳湾1号'}，求对象name的值

选用哈希函数计算哈希值时，可能不同的 key 会得到相同的结果，一个地址怎么存放多个数据呢？这就是冲突。

将所有关键字为同义词的结点链接在同一个单链表中。

已知：数组Array [14,23,67,5,89,90,93,3]，需要检查93是否存在数组里面？

hi=(h(key)+i) ％ m ，0 ≤ i ≤ m-1

探查时从地址 d 开始，首先探查 T[d]，然后依次探查 T[d+1]，…，直到 T[m-1]，此后又循环到 T[0]，T[1]，…，直到探查到有空余地址或者到 T[d-1]为止。

hi=(h(key)+i*i) ％ m，0 ≤ i ≤ m-1

探查时从地址 d 开始，首先探查 T[d]，然后依次探查 T[d+1^2]，T[d+2^2]，T[d+3^2],…，等，直到探查到有空余地址或者到 T[d-1]为止。

缺点：无法探查到整个散列空间。

hi=(h(key)+i*h1(key)) ％ m，0 ≤ i ≤ m-1

探查时从地址 d 开始，首先探查 T[d]，然后依次探查 T[d+h1(d)], T[d + 2*h1(d)]，…，等。

该方法使用了两个散列函数 h(key) 和 h1(key)，故也称为双散列函数探查法。

定义 h1(key) 的方法较多，但无论采用什么方法定义，都必须使 h1(key) 的值和 m 互素，才能使发生冲突的同义词地址均匀地分布在整个表中，否则可能造成同义词地址的循环计算。

该方法是开放定址法中最好的方法之一。

已知：数组Array [14,23,67,5,89,90,93,3]，需要检查93是否存在数组里面？

答2：通过f(x)哈希函数，93 % 10 == 3. 得到索引3，然后去hashTable[3],得到23，不是93，往下走 93 找到第6格，存放了93，找到。