本文已参与「新人创作礼」活动，一起开启掘金创作之路。
小引
STL中的unordered系列的关联式容器之所以效率比较高，是因为其底层使用了哈希结构，它是一种甚至优于红黑树的结构，可以使用O（1）的时间复杂度查找或者修改元素，而红黑树最优也是O（logN）。
但是哈希结构也有他的局限之处：哈希冲突，概念及解决方法我们在本篇博客中会讲解。
哈希概念
顺序结构以及平衡树中，元素关键码与其存储位置之间没有对应的关系，因此在查找一个元素时，必须经过关键码的多次比较。顺序查找时间复杂度为O(N)，平衡树中为树的高度，即O(lgN)，搜索的效率取决于搜索过程中元素的比较次数。
理想的搜索方法：可以不经过任何比较，一次直接从表中得到要搜索的元素。
如果构造一种存储结构，通过某种函数(hashFunc)使元素的存储位置与它的关键码之间能够建立一一映射的关系，那么在查找时通过该函数可以很快找到该元素，这就是哈希结构。
当向该结构中：
- 插入元素
根据待插入元素的
key值，通过此函数计算出该元素的存储位置并按此位置进行存放。 - 搜索元素 对元素的关键码进行同样的计算，把求得的函数值当做元素的存储位置，在结构中按此位置取元素比较，若关键码相等，则搜索成功。
该方式即为哈希(散列)方法，哈希方法中使用的转换函数称为哈希(散列)函数，构造出来的结构称为==哈希表==(Hash Table)(或者称散列表)
例如：数据集合{1，7，6，4，5，9}
哈希函数设置为：hash(key) = key % capacity;（ capacity为存储元素底层空间总的大小）
存储情况如下图：
用该方法进行搜索不必进行多次关键码的比较，因此搜索的速度比较快。
- 但如果插入了大于
capacity的元素，如77是否就无法正常运行了？ - 是的，使用这种简单的哈希函数设计出现这样的问题就无法应对了，因为出现了哈希冲突。
哈希冲突
不同关键字通过相同哈希哈数计算出相同的哈希地址，该种现象称为哈希冲突或哈希碰撞。
引起哈希冲突的一个原因可能是：哈希函数设计不够合理。
- 哈希函数设计原则：
哈希函数的定义域必须包括需要存储的全部关键码，而如果散列表允许有
m个地址时，其值域必须在0到m-1之间。哈希函数计算出来的地址能==均匀分布==在整个空间中（尽量避免冲突）。
哈希函数
-
直接定址法 取关键字的某个线性函数为散列地址：
Hash（Key）= A * Key + B优点：简单、均匀 。 缺点：需要事先知道关键字的分布情况 。 使用场景：适合查找比较小且连续的情况。 -
除留余数法 设散列表中允许的地址数为
m，取一个不大于m，但最接近或者等于m的质数p作为除数，按照哈希函数：Hash(key) = key% p(p <= m),将关键码转换成哈希地址。 -
平方取中法 假设关键字为1234，对它平方就是1522756，抽取中间的3位227作为哈希地址； 再比如关键字为 4321，对它平方就是18671041，抽取中间的3位671(或710)作为哈希地址 平方取中法比较适合：不知道关键字的分布，而位数又不是很大的情况
-
折叠法 折叠法是将关键字从左到右分割成位数相等的几部分(最后一部分位数可以短些)，然后将这几部分叠加求和，并按散列表表长，取后几位作为散列地址。 折叠法适合事先不需要知道关键字的分布，适合关键字位数比较多的情况
-
随机数法 选择一个随机函数，取关键字的随机函数值为它的哈希地址，即H(key) = random(key),其中random为随机数函数。 通常应用于关键字长度不等时采用此法
-
数学分析法 设有n个d位数，每一位可能有r种不同的符号，这r种不同的符号在各位上出现的频率不一定相同，可能在某些位上分布比较均匀，每种符号出现的机会均等，在某些位上分布不均匀只有某几种符号经常出现。可根据散列表的大小，选择其中各种符号分布均匀的若干位作为散列地址。例如： 假设要存储某家公司员工登记表，如果用手机号作为关键字，那么极有可能前7位都是相同的，那么我们可以选择后面的四位作为散列地址，如果这样的抽取工作还容易出现 冲突，还可以对抽取出来的数字进行反转(如1234改成4321)、右环位移(如1234改成4123)、左环移位、前两数与后两数叠加(如1234改成12+34=46)等方法。 数字分析法通常适合处理关键字位数比较大的情况，如果事先知道关键字的分布且关键字的若干位分布较均匀的情况
【小结】哈希函数设计的越精妙，产生哈希冲突的可能性就越低，但是无法避免哈希冲突。
本篇只是理论部分，下一章我们将从理论和代码讲解解决哈希冲突的常见做法。
