在講哈希表之前，我們先來看看往一個數組插入數據的過程。
- 確認插入數據的下標；
- 把數據放入數組。
拿日常生活中根據身高排隊的例子來說，我們想獲取到從低到高的姓名列表。我們就是在重複這樣一個過程：
- 找到剩餘隊伍中身高最低人的姓名；
- 放入當前數組元素的末尾；
- 重複上過程。
但是這裏有很大的限制，就是我們這種情況下能夠知道一個姓名對應數組的下標是多少，很多其他情況下是無法知道的。在這種情況下使用數組處理這個場景是足夠的。
然後看看這樣一個場景，我們需要存儲一個人的姓名及其對應的身高。這個時候我們用數組會怎麼做？我們可以把數組存儲的元素改成是 (姓名, 身高)，然後我們查找一個人的身高時，遍歷數組找到姓名，然後返回身高。這種做法問題是查找時間複雜度過高，每次查找有 O(n) 的複雜度。我們能不能在 O(1) 的時間複雜度中查找到元素呢？
這時候就需要哈希表 HashTable。
什麼是哈希表
哈希表 HashTable，也叫散列表、映射、字典等等，哈希表存儲的是鍵值對 —— key、value。
也就是說，哈希表可以直接存儲 "name": height 來解決上述問題。
哈希表關鍵點有三個：
- 哈希函數
- 哈希衝突
- 裝載因子
哈希函數
接下來我們結合上圖解釋一下哈希函數。
我們現在要往哈希表中放入 ("xiaoming", 175) 這組數據。發生了什麼事情呢？
首先，數據的 key = "xiaoming" 會經過哈希表的哈希函數，轉換成數組的下標 i。然後，我們把 value = 175 存儲到 array[i] 的位置。
這裏的哈希函數要滿足幾個特性：
- 相同的 key 經過哈希函數之後的輸出一致；
- 不同的 key 經過哈希函數之後的輸出不同；
- 哈希函數產生的輸出在數組的有效範圍內。
當我們在哈希表中查詢 "xiaoming" 的身高時，哈希函數先計算該 key 對應的數組下標，然後取出數組中的數據。
這裏我們可以看到，哈希表 = 哈希函數 + 數組，哈希表其實是數組的一種擴充，是由數組演化而來的，解決數組所無法解決的問題。這裏我們也再強調一下，沒有一種最優的數據結構和算法，只有更加適合某種場景、解決某種問題的數據結構和算法。
後續我們可以看到，哈希表也可能是另外一種形式：哈希表 = 哈希函數 + 數組 + 鏈表。
哈希衝突
你可能會想到，在我們存儲過程中，雖然我們能夠通過哈希函數得到一個 key 的整數值，但是我們的數組是有限的，假設這裏的整數值爲 k，數組長度爲 n。我們通過 k % n 取餘操作拿到 k 實際的數組下標。我們就會碰到兩個整數對 n 取餘之後的下標是相等的情況。比如 3 % 2 == 5 % 2 的情況。這個時候如果數組這個位置已經放置了元素，我們該怎麼處理呢？
因爲是哈希函數輸出的值產生了衝突，所以這種情況我們稱之爲哈希衝突或者哈希值衝突。
而對應的解決辦法有兩種：
- 開放尋址法
- 鏈表法
開放尋址法
開放尋址法中有線性探測法，該方法是說在發生衝突時，我們就依次在數組中往後查找，直到找到一個空閒位置。但是這種方法，在我們插入數據越來越多時，發生衝突的可能性就越來越大，線性探測時間也就越來越長。這時哈希表的插入、查找時間複雜度會退化，最差情況是 O(n)。Java 中的 ThreadLocalMap 使用此方法來解決哈希衝突。
當我們採用線性探測法時，如何對以上問題做出優化呢？
此時我們就要引入裝填因子的概念，裝填因子 = 已有元素個數 / 散列表的總長度。首先我們確定一個裝填因子，然後當目前的因子大於我們設定的裝填因子時，我們就對數組進行擴容，以此來保證有一定的剩餘空間，進而減少線性探測時的時間複雜度。裝填因子的設置也需要根據情況來看，要對線性探測的執行效率和擴容的成本上進行平衡。本質上還是時間、空間的平衡，當我們要求哈希表執行效率更高時，我們就可以設置更小的裝填因子，增大剩餘的數組空間，有利我們更快的進行線性探測；當我們內存比較緊張時，就需要設定更大的裝填因子。
還有一種開放尋址法是雙重散列。當一個哈希函數輸出的下標值發生衝突時，採用另外一種哈希函數來重新計算下標值，直到找到空閒的位置。
鏈表法
鏈表法另闢蹊徑，它把數組存儲的元素改爲鏈表，當發生衝突時不再嘗試把數據存入到數組中，而是存儲到同一下標的鏈表之中。上圖展示了鏈表法的哈希表結構。這時我們發現 哈希表 = 哈希函數 + 數組 + 鏈表。Java 中的 LinkedHashMap 使用了鏈表法解決衝突問題。
當我們插入數據時，相當於在鏈表中插入元素的時間複雜度 O(1)。當我們查詢時，取決於對應鏈表的長度 m，時間複雜度爲 O(m)。
但是對於黑客來說，這種方法存在一個致命漏洞。黑客可以不斷的往哈希表中放入 key 對應下標相同的數據，這會導致數組中只有該位置有長長的鏈表，進而導致查詢時間十分漫長，對你的程序產生攻擊的效果。我們稱之爲哈希表碰撞攻擊。
所以一個能夠產生均勻下標值的哈希函數十分重要。除了採用更優的哈希函數，我們還可以對鏈表做優化，比如說改造成紅黑樹解決查找過慢的問題。其實 Java 8 中就做了這個優化。
經過以上分析，我們知道開放尋址法更加適合數據量比較小、裝填因子較小的場景，這也是 Java 中 ThreadLocalMap 使用開放尋址法的原因；鏈表法比較適合存儲數據量比較大、對象比較大的情況。
什麼是好的哈希表
結合上述內容，我們知道一個好的哈希表要有以下特性：
- 快速的查詢、插入、刪除
- 性能穩定，不能夠退化的太嚴重
- 內存佔用合理
要保證以上特性，需要做到：
- 哈希函數的輸出比較均勻
- 合適的裝填因子大小，高性能的動態擴容
- 合適的哈希衝突解決方法
總結
我們除了要了解哈希表是存儲鍵值對的數據結構之外，還要掌握插入、刪除、搜索一個數據的發生過程是怎樣的。另外我們也要掌握哈希表的三個關鍵要素：哈希函數、衝突解決方法、裝填因子。最後，我們要根據自己的實際場景，通過調整確定三個關鍵要素，選擇合適的哈希表或者實現自己的哈希表。
實踐
最後，推薦大家做一下 Leetcode 上的題目。可以先用自己的思路寫一下代碼，然後結合使用哈希表的方式再寫一份代碼。最後比較這兩者的時間空間複雜度。