【散列表】
散列表用的是数组支持按照下标随机访问数据的特性，所以散列表其实就是数组的一种扩展，由数组演化而来。可以说，如果没有数组，就没有散列表。
散列函数，可以把它定义成hash(key)，其中 key 表示元素的键值，hash(key) 的值表示经过散列函数计算得到的散列值。
散列函数设计的基本要求：
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 hash(key1) == hash(key2)；
3. 如果 key1 ≠ key2，那 hash(key1) ≠ hash(key2)。
散列冲突
再好的散列函数也无法避免散列冲突。常用的散列冲突解决方法有两类，开放寻址法（open addressing）和链表法（chaining）。
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。三种探测方法是：线性探测（Linear Probing）、二次探测（Quadratic probing）、双重散列（Double hashing）。
【哈希】
哈希算法的定义：将任意长度的二进制值串映射为固定长度的二进制值串，这个映射的规则就是哈希算法，而通过原始数据映射之后得到的二进制值串就是哈希值。常见的例如：MD5、SHA。
设计一个优秀的哈希算法需要满足的几点要求：
- 从哈希值不能反向推导出原始数据（所以哈希算法也叫单向哈希算法）；
- 对输入数据非常敏感，哪怕原始数据只修改了一个 Bit，最后得到的哈希值也大不相同；
- 散列冲突的概率要很小，对于不同的原始数据，哈希值相同的概率非常小；
- 哈希算法的执行效率要尽量高效，针对较长的文本，也能快速地计算出哈希值。
哈希算法的七个常见应用：
- 安全加密：MD5、SHA、DES、AES。很难根据哈希值反向推导出原始数据；散列冲突的概率要很小（因为无法做到零冲突）。
- 唯一标识：哈希算法可以对大数据做信息摘要，通过一个较短的二进制编码来表示很大的数据。
-
- 海量的图库中，搜索一张图是否存在
- 数据校验：校验数据的完整性和正确性。
- 散列函数：对哈希算法的要求非常特别，更加看重的是散列的平均性和哈希算法的执行效率。
- 负载均衡：利用哈希算法替代映射表，可以实现一个会话粘滞的负载均衡策略。
-
- 在同一个客户端上，在一次会话中的所有请求都路由到同一个服务器上。
- 数据分片：通过哈希算法对处理的海量数据进行分片，多机分布式处理，可以突破单机资源的限制。
-
- 如何统计“搜索关键词”出现的次数？
- 如何快速判断图片是否在图库中？
- 分布式存储：利用一致性哈希算法，可以解决缓存等分布式系统的扩容、缩容导致数据大量搬移的难题。
-
- 如何决定将哪个数据放到哪个机器上？
- 一致性哈希算法