散列表
一、首先了解一下平衡二叉树
增删改查的时间复杂度为。
平衡的目的是增删后，保证下次搜索能稳定排除一半的数据。比如：10亿个节点，最多比较30次。
总结： 通过比较保证有序，通过每次排除一半的元素达到快速索引的目的。
二、散列表
1、组成
①哈希函数
②数组
1.1、hash函数
①：冲突情况 ：将两个或两个以上的不同key映射到同一地址。
②：映射函数：Hash（key）=addr； 所以它的作用就是完成映射关系。
1.1.1、选择hash（不需要看源码，明白怎么选择就行）
- 计算速度快
- 强随机分布 （等概率、均匀地分布整个地址空间）
- siphash主要解决字符串接近的强随机分布
- murmurhash2常用
- cityhash常用
1.1.2、hash操作
- 插入
- 查找
1.1.3、hash负载因子
- 数组存储元素的个数/数组长度。
- 用来形容散列表的存储密度；
- 负载因子越小，冲突越小，负载因子越大，冲突越大。
- 主要描述冲突程度
1.1.4、hash冲突解决方案
方法一：拉链法 （链表法）
将具有相同的addr的key，可以用链表链接。
但是负载因子要在合理范围内。
方法二：开发寻址法
- 将所有的数据直接存储在哈希数组中。如果冲突就采用某种算法来改变位置。
算法有多种思路： - 比如 i+1，i+2，i+3等等 或者 i^1,i^2,i^3等等。
但是他们会出现hash聚集，也就是近似值的hash值很接近，那么位置也接近。聚集的话，就会在一片区域内，查找，这片区域数据太多了，时间复杂从O（1）变O（n）。所以可以使用双重哈希解决。 但是负载因子要在合理范围内。
如果不在合理范围内
used：实际存储元素的个数。
方法一：扩容，used > size (避免冲突)
方法二：缩容：used < 0.1size (不能解决冲突) 操作扩容或缩容后，需要创建hash，因为算法会改变。类似顺序表的扩容操作。
2、STL中的散列表
2.1、STL中常使用的函数
unordered_map、unordered_multimap、 unordered_set，unordered_multiset这4个都是用的散列表
2.2、实现原理
三、布隆过滤器
1、背景（使用情况）
- 只想知道key存在不存在，不想知道内容。
2、构成
位图和多个hash函数。
首先假设：它是由一个二进制构成的数组，里面存储0或1，所以保密性很好。然后假设有3个哈希函数来计算，数据要存储的数组下标，（不一定是3个哈希，这里只是举例，便于理解），经过3个哈希函数得到3个下标，将③个下标的数组标位1，说明存储好了。
但是如果我们要删除的话，就会出现问题。比如：hello和你好经过hash运算都要存储在下标2的位置。那么现在我们取出了hello，2的下标改为0，但是没取出你好，就会导致误以为删除了你好。
a、优点：
①具有安全性，存储的不是数据本身。
②保密性，只看得到0和1
③速度快，哈希计算
b、缺点
①删除容易误判，可以多用1个哈希来计算
②还有一种误判，如果存储的hello明明是用另一个位图计算，但是这个位图里，能确定它存在，就会导致误以为存在了。
3、应用分析
在实际应用中，需要但是个hash函数？要分配多少空间的位图？预期存储多少元素？如何控制误差？
可以使用该网站求以下内容，bloom计算
n：预期布隆过滤器中元素的个数。
p：可以失误的概率
m：位图所占的空间
k：hash函数的个数
公式如下：
n=ceil（m/(-k/log(1-exp(log(p)/k)))）
p=pow(1-exp(-k/(m/n)),k)
m=ceil((n*log(p))/log(1/pow(2,log(2))))
k=round((m/n)*log(2));
4、分布式一致性哈希
1、哈希环
- 将节点和数据通过哈希函数映射到一个固定的范围（通常是一个环）。
- 节点和数据的位置由哈希值决定。
2、数据定位
- 数据通过哈希函数映射到环上的某个位置。
- 数据存储在顺时针方向找到的第一个节点上。
3、节点增减
- 增加节点时，只有新节点到其前驱节点之间的数据需要迁移。
- 删除节点时，只有被删除节点的数据需要迁移到其后继节点。
4、 哈希迁移
问题描述
在分布式缓存系统中，当节点增加或删除时，需要将部分数据从旧节点迁移到新节点。如果使用传统的哈希取模方法，节点的增减会导致大量数据重新映射，影响系统性能。
5、哈希偏移
在一致性哈希中，如果节点数量较少，可能会导致数据分布不均匀，某些节点负载过高，而其他节点负载较低。
5.1、虚拟节点的解决方案
- 通过引入虚拟节点，将一个物理节点映射为多个虚拟节点，分散在哈希环上。
- 虚拟节点的数量可以远大于物理节点的数量，从而使得数据分布更加均匀。
5.2、实现方式
- 为每个物理节点生成多个虚拟节点，例如在节点 IP 和端口后加上虚拟编号（如
192.168.1.1:8080:1,192.168.1.1:8080:2）。 - 对虚拟节点进行哈希映射，数据定位时找到对应的虚拟节点，再映射到物理节点。
5.3、虚拟节点优点
数据分布均匀
- 虚拟节点将物理节点的负载分散到哈希环的多个位置，避免数据倾斜。
动态扩容
- 增加物理节点时，只需为其分配虚拟节点，数据迁移量较少。
容错性
- 删除物理节点时，其虚拟节点对应的数据会迁移到其他物理节点，系统仍然保持平衡。
