散列表简介

散列表

散列表也叫哈希表，百科中给的定义是根据关键码值(Key value)而直接进行访问的数据结构。也就是说，它通过把关键码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。

给定表M，存在函数f(key)，对任意给定的关键字值key，代入函数后若能得到包含该关键字的记录在表中的地址，则称表M为哈希(Hash）表，函数f(key)为哈希(Hash) 函数。

键(key)

key是哈希表的关键码值，根据关键码值可以映射到哈希表中的记录

槽（slot/bucket）

哈希函数

哈希函数就是可以将给定的关键之key，计算出该key对应的在表中的地址的函数。
哈希函数有以下三个要去：

1. 散列函数计算得到的散列值是一个非负整数
2. 如果key1=key2,那么hash(key1)=hash(key2)
3. 如果key1!=key2,那么hash(key1)!=hash(key2)

前两条很好实现，但是想要找到一个不同的key对应的散列值不一样的散列函数，几乎是不可能的，即便像业界著名的MD5、SHA、CRC等哈希算法，也无法完全避免这种散列冲突。

散列冲突

通常我们解决散列冲突用到两种方案，开放寻址法和链表法；

开放寻址法

开放寻址法的核心思想是，如果出现了散列冲突，我们就重新探测一个空闲位置，将其插入。我们说一个比较简单的探测方法，线性探测。

当我们往散列表中插入数据时，如果某个数据经过散列函数散列之后，存储位置已经被占用了，我们就从当前位置开始，依次往后查找，看是否有空闲位置，直到找到为止。

在这种情况下的查找元素的过程有点类似于插入过程。我们通过散列函数求出要查找元素的键值对应的散列值，然后比较数组中下标为散列值的元素和要查找的元素。如果相等，则说明就是我们要找的元素；否则就顺序往后依次查找。如果遍历到数组中的空闲位置，还没有找到，就说明要查找的元素并没有在散列表中。

在这种情况下，我们的删除算法要稍微有些特别，如果我们单纯的把要删除的元素设置为空，那么当我们查找的时候，如果找到的空闲位置是后来删除的，就会导致原来的查找算法失效，本来存在的数据，会被认定为不存在。

我们可以将删除的元素，特殊标记为deleted。当我们线性探测查找的时候，遇到标记为deleted的空间，继续往下探测。

线性探测其实存在很大的问题。当散列表中插入的数据越来越多时，散列冲突的可能性就会越来越大，空闲位置就会越少，线性探测的时间就会越久。极端情况下，我们可能需要探测整个散列表，所以最坏情况下的时间复杂度为O(n)。同理，在删除和查找时，也有可能会线性探测整张散列表，才能找到要查找或者删除的数据。

对于开放寻址冲突解决方法，除了线性探测方法外，还有另外两种比较经典的方法，二次探测和双重散列

链表法

链表法是更加常用的散列冲突解决方法。在散列表中，每个“桶(bucket)”或者“槽(slot)”会对应一条链表，所有散列值相同的元素都放在相同槽位对应的链表中。

插入的时候，我们只需要通过散列函数计算出对应的散列槽位，将其插入到对应链表中即可，所以插入的时间复杂度为O(1)。当查找、删除一个元素时，我们同样通过散列函数计算出对应的槽，然后遍历链表查找或者删除。

装载因子

装载因子计算公式为：

散列表的转载因子 = 填入表中的元素个数/散列表的长度

装载因子越大，说明空闲位置越少，冲突越多，散列表的性能会下降

hash退化与拒绝服务攻击

hash退化是指当所有的key经过hash函数之后都映射到同一个槽中，hash表就会退化成链表。

当HashTable就会退化成链表，服务器有可能处理一次请求要花上十几分钟甚至几个小时的时间，一台PC机就可以搞定一台服务器，根本不用分布式攻击。如果Web应用框架采用的Hash机制存在漏洞。那么攻击者可以轻而易举的实施拒绝服务攻击。