哈希表深度解析

目录

一、引言

二、哈希表的基本概念：不是 “存数据”，是 “给数据找位置”

三、哈希冲突

3.1 开放定址法：冲突了？换个空位置放

3.1.1 线性探测：一步一步往后找

3.1.2 二次探测：跳着找，减少扎堆

3.2 链地址法：冲突了？挤在同一个位置的 “链表” 里

四、动态扩容与负载因子

4.1 负载因子

4.2 扩容

五、结语

---

一、引言

如果你用过手机里的联系人列表，一定有过这样的体验：想找 “张三” 的电话，不需要从 “A” 开头的名字一个个往下翻，直接在搜索框输入 “张三”，瞬间就能定位到他的联系方式 —— 这个 “秒查” 的背后，其实藏着一种高效的数据管理思路：通过一个 “关键词”（比如名字），直接找到目标信息的位置，不用逐个排查。

而在编程世界里，我们同样会遇到类似的需求：

1）记录学生的学号与成绩。

2）存储用户的账号与密码。

3）统计一篇文章里每个单词出现的次数。

如果用数组，想找某个元素得从头遍历，数据越多越慢；用链表，虽然插入删除方便，但查找效率依旧不尽如人意。有没有一种数据结构，能像查联系人那样，通过一个 “关键词” 直接 “跳” 到目标数据的位置，实现近乎 “瞬间查找” 的效果？

答案就是哈希表（Hash Table）。它既不是数组的 “升级版”，也不是链表的 “替代品”，而是一种把 “关键词” 和 “数据位置” 直接关联的聪明设计 —— 就像给每个数据都分配了一个 “专属门牌号”，只要知道门牌号（通过关键词计算得出），就能一步找到家。

接下来，我们就从哈希表的基本概念说起，聊聊它是怎么实现 “秒查” 的，遇到 “多个数据抢一个门牌号”（哈希冲突）时该怎么解决，以及数据存满了之后它如何 “扩容”。本文侧重点在于底层的原理，至于STL中的哈希表如何使用，这里就不做介绍了，可以在C++官网进行学习使用。

二、哈希表的基本概念：不是 “存数据”，是 “给数据找位置”

要理解哈希表，首先要跳出 “序列式容器” 的思维 —— 数组、链表、队列等序列式容器，是按 “插入顺序” 存储数据，访问时需按 “位置”（如下标、节点顺序）查找；而哈希表是关联式容器，核心是 “通过关键词（Key）关联数据（Value）”，存储和访问的逻辑都围绕 “Key” 展开。

以 STL 中的unordered_map为例，它的核心存储单元是<Key, Value>键值对，比如<学号"2024001", 成绩95>。哈希表的工作逻辑分两步：

1. 算 “门牌号”