我们知道数组的特点是寻址容易，插入和删除困难；而链表的特点是：寻址困难，插入和删除容易。那么我们能不能综合两者的特性，做出一种寻址容易，插入删除也容易的数据结构？答案是肯定的，这就是我们要提起的散列表，也可以称为哈希表。散列表常常适用于要求查找性能高，并且数据元素之间无逻辑关系的场景中，例如Redis中的字典的底层就是利用散列表实现的。除此之外，散列表还被用在数字签名和文件校验中。
01—散列表（哈希表）散列表（Hash table，也叫哈希表），是根据键（Key）而直接访问在内存存储位置的数据结构，用函数思想描述的话，就是关键字为 
存放在
的位置上，其中对应关系 f 称为散列函数，按这个思想建立的表为散列表。理想散列表（哈希表）是一个包含关键字的具有固定大小的数组，它能够以常数时间执行插入，删除和查找操作。但是理想终究逃不过现实，现实中往往由于数组单元有限或者散列函数设计不合理，都会会出现两个不同的关键字映射到同一个单元，从而导致散列冲突。
02—散列函数的设计从上述分析可以得到两个核心点：一方面是需要一个优秀的散列函数，另外一方面我们需要一个合理的解决散列冲突的方案。这一节先介绍一下如何根据场景选择合适的构造散列函数的方法。2.1 标准一个优秀的散列函数的标准 = 计算简单 + 分布均匀
2.2 构造散列函数的方法
（1）直接寻址法（直接定址法）：说明：f(key)=a*key+b （a,b都是常数）优点：简单、均匀，不会产生冲突缺点：需要知道关键字的分布，现实中不常用适用场景：适合查找表较小且连续的情况（2）数字分析法说明：抽取关键字中的一部分来计算存储位置，这个方法大部分人不太能从字面含义理解，下面举一个栗子：以11位的手机号作为关键字。
手机号一共11位，前3位是网络识别号，对应不同运营商的子品牌；中间4位表示归属地；最后4位是用户号。不同手机号前7位相同的可能性很大，所以可以选择后4位作为散列地址，或者对后4位反转（1234 -> 4321）、循环右移（1234 -> 4123）、循环左移等等之后作为散列地址。适用场景：数字分析法通常适合处理关键字位数比较长的情况，如果事先知道关键字的分布且关键字的若干位分布比较均匀，就可以考虑这个方法。（3）平方取中法说明：将关键字先平方，然后截取中间x位作为存储位置适用场景：适合用于不知道关键词分布，且位数不长的情况（4）折叠法说明：将关键字拆分成若干部分后累加起来，根据散列表表长取总和的后若干位作为存储位置适用场景：适用于不知道关键字分布，且位数较长的情况（5）除留余数法说明：f(key)=key mod p (p<=m)，m是散列表表长，p取小于等于m的最小质数或者不包含小于20质因子的合数，以减少冲突的情况（6）随机数法说明：f(key)=random(key)注意random的随机种子需要是固定的，以便查询的时候能够根据key重新找到存储位置适用场景：适用于关键字长度不等的情况
算法专题 之 散列表（下）将对散列冲突的解决方案，以及散列表和二叉树的选择进行详细介绍。
