HASH GAME - Online Skill Game GET 300哈希表是最常用的数据结构之一，对于其用法，大家都非常熟悉，这里详细探讨一下其原理。哈希表的底层实际上是基于数组来存储的，当插入键值对时，并不是直接插入该数组中，而是通过对键进行Hash运算得到Hash值，然后和数组容量取模，得到在数组中的位置后再插入。取值时，先对指定的键求Hash值，再和容量取模得到底层数组中对应的位置，如果指定的键值与存贮的键相匹配，则返回该键值对，如果不匹配，则表示哈希表中没有对应的键值对。这样做的好处是在查找、插入、删除等操作可以做到

　　为什么用数组实现？哈希表最核心的一点是关键操作的时间复杂度是O(1)，比如查找，插入，删除等操作。那么在基础数据结构中，什么类型能实现查找为O(1)的复杂度呢？很明显，就是数组了，数组通过下标访问元素，时间复杂度就是O(1)。那么问题来了，怎么将哈希表中的key映射到数组中呢？也就是如何将key映射为数组的下标？这就需要通过Hash函数来实现。通过哈希函数将将key进行哈希运算，然后和数组容量取模，就可以完成key到数组下标的映射了。当然，这是原理方面的分析，具体工程实现上，还需要考虑很多其他因素，比如如何解决Hash冲突，如何扩容，如何实现哈希函数等。关于具体工程实现，已经有非常多开源的hash表实现了，比如在redis数据库中，就实现了自己的hash表，在Rust语言中，标准库中也有HashMap的实现，都可以进行参考学习。

　　影响Hash碰撞（冲突）发生的除了Hash函数本身意外，底层数组容量也是一个重要原因。很明显，极端情况下如果数组容量为1，哪必然发生碰撞，如果数组容量无限大，哪碰撞的概率非常之低。所以，哈希碰撞还取决于负载因子。负载因子是存储的键值对数目与数组容量的比值，比如数组容量100，当前存贮了90个键值对，负载因子为0.9。负载因子决定了哈希表什么时候扩容，如果负载因子的值太大，说明存储的键值对接近容量，增加碰撞的风险，如果值太小，则浪费空间。

　　删除操作，主要麻烦的地方在于解决冲突问题。对外部拉链法，删除一个元素比较简单，直接在该项链表中删除保存该元素的节点即可。而对于其他方法则需要解决冲突问题（除非在少数情况下使用的是理想哈希函数）。以开放定址法中线性探测为例。删除一个元素并不能简单的直接删除，因为直接删除后，其冲突的元素进行查找时会查找不到该元素，因为根据查找算法，第一个哈希地址位置被删除后就会认为该元素不存在，而实际上该元素因发生冲突地址在下一个位置。所以并不能直接删除，解决这个问题的一个办法是删除时将关键字留在表中，并用标记指示它们是无效的元素，那么后来的搜索就不会过早被终止。当插入一个新的关键字时，覆盖掉作为占位标记的无效关键字。而然对于大量的删除和少量的插入这种情况，表会由于已删除的记录过多而超载，从而使搜索时间增加（因为开放定址法在查找时需要测试已删除的记录），因此，表应该在删除的记录达到一定数量后进行清洗，将未删除的记录移入已删除记录占据的单元。没有被这个过程覆盖的单元则将无效元素的标记更改为自由单元。