问题引入：如何实现一个工业级的散列表？

主要要求：

1. 设计一个合适的散列函数；
2. 定义装载因子阈值，并且设计动态扩容策略；
3. 选择合适的散列冲突解决方法。

对于动态散列表来说，不管我们如何设计散列函数，选择什么样的散列冲突解决方法。随着数据的不断增加，散列表总会出现装载因子过高的情况。这个时候，我们就需要启动动态扩容。

散列表碰撞攻击原理：

如果精心构造数据，使得所有的数据经过散列函数之后，都散列到同一个槽里。当使用的是基于链表的冲突解决方法，散列表就会退化为链表，查询的时间复杂度就从 O(1) 急剧退化为 O(n)。如果散列表中有 10 万个数据，退化后的散列表查询的效率就下降了 10 万倍。如果之前运行 100 次查询只需要 0.1 秒，那现在就需要 1 万秒。因为查询操作消耗大量 CPU 或者线程资源，导致系统无法响应其他请求，从而达到拒绝服务攻击（DoS）的目的这

如何设计一个可以应对各种异常情况的工业级散列表，来避免在散列冲突的情况下，散列表性能的急剧下降，并且能抵抗散列碰撞攻击？

好的散列函数：

• 首先，不能太复杂。过于复杂的散列函数会消耗很多计算时间，影响到散列表性能。
• 其次，散列函数生成的值要尽可能随机并且均匀分布，避免或者最小化散列冲突，并且散列到每个槽里的数据也会比较平均，不会出现某个槽内数据特别多的情况。

装载因子过大了怎么办？

• 对于动态散列表来说，数据集合是频繁变动的，无法预估将要加入的数据个数，无法事先申请一个足够大的散列表。随着数据加入，装载因子慢慢变大。当装载因子大到一定程度之后，散列冲突就会变得不可接受。这个时候如何处理呢？—— “动态扩容”吗？
• 如何做数组、栈、队列的动态扩容的。针对散列表，当装载因子过大时，也可以进行动态扩容，重新申请一个更大的散列表，将数据搬移到这个新散列表中。假设每次扩容我们都申请一个原来散列表大小两倍的空间。那经过扩容之后，新散列表的装载因子就下降为原来的一半。
• 针对数组的扩容，数据搬移操作比较简单。但是，针对散列表的扩容，数据搬移操作要复杂很多。因为散列表的大小变了，数据的存储位置也变了，所以我们需要通过散列函数重新计算每个数据的存储位置。

对于支持动态扩容的散列表，插入操作的时间复杂度是多少呢？插入一个数据，最好情况下，不需要扩容，最好时间复杂度是 O(1)。最坏情况下，散列表装载因子过高，启动扩容，重新申请内存空间，重新计算哈希位置，并且搬移数据，所以时间复杂度是 O(n)。用摊还分析法，均摊情况下，时间复杂度接近最好情况，就是 O(1)。实际上，对于动态散列表，随着数据的删除，散列表中的数据会越来越少，空闲空间会越来越多。

• 当散列表装载因子超过某个阈值时需要进行扩容。装载因子阈值需要选择得当。如果太大，会导致冲突过多；如果太小，会导致内存浪费严重。装载因子阈值的设置要权衡时间、空间复杂度。如果内存空间不紧张，对执行效率要求很高，可以降低负载因子的阈值；相反，如果内存空间紧张，对执行效率要求又不高，可以增加负载因子的值，甚至可以大于 1。

如何避免低效的扩容？

大部分情况下，动态扩容的散列表插入一个数据都很快，但是在特殊情况下，当装载因子已经到达阈值，需要先进行扩容，再插入数据。这个时候，插入数据就会变得很慢，甚至会无法接受。如果散列表当前大小为 1GB，要想扩容为原来的两倍大小，那就需要对 1GB 的数据重新计算哈希值，并且从原来的散列表搬移到新的散列表很耗时

如果我们的业务代码直接服务于用户，尽管大部分情况下，插入一个数据的操作都很快，但是，极个别非常慢的插入操作，也会让用户崩溃。这个时候，“一次性”扩容的机制就不合适了。为了解决一次性扩容耗时过多的情况，将扩容操作穿插在插入操作的过程中，分批完成。当装载因子触达阈值之后，只申请新空间，但并不将老的数据搬移到新散列表中。当有新数据要插入时，将新数据插入新散列表中，并且从老的散列表中拿出一个数据放入到新散列表。每次插入一个数据到散列表，都重复上面的过程。经过多次插入操作之后，老散列表中数据就一点一点全部搬移到新散列表中。这样没有了集中的一次性数据搬移，插入操作就都变得很快了。

如何选择冲突解决方法？

开放寻址法和链表法在实际的软件开发中都非常常用。Java 中 LinkedHashMap 就采用了链表法解决冲突，ThreadLocalMap 是通过线性探测的开放寻址法来解决冲突。

这两种冲突解决方法各有什么优势和劣势，又各自适用哪些场景？

1. 开放寻址法

优点：

• 开放寻址法不需要拉很多链表。散列表中的数据都存储在数组中，可以有效地利用 CPU 缓存加快查询速度。
• 序列化起来比较简单。链表法包含指针，序列化起来就没那么容易。序列化很多场合都会用到。

缺点：

• 用开放寻址法解决冲突的散列表，删除数据的时候比较麻烦，需要特殊标记已经删除掉的数据。在开放寻址法中，所有的数据都存储在一个数组中，比起链表法来说冲突的代价更高。
• 使用开放寻址法解决冲突的散列表，装载因子的上限不能太大。比链表法更浪费内存空间。

总结一下“”当数据量比较小、装载因子小的时候，适合采用开放寻址法。这也是 Java 中的ThreadLocalMap使用开放寻址法解决散列冲突的原因。

2. 链表法：

优点：

• 链表法对内存的利用率比开放寻址法要高。链表结点可以在需要的时候再创建，并不需要事先申请。这也是链表优于数组的地方。
• 链表法比起开放寻址法，对大装载因子的容忍度更高。开放寻址法只能适用装载因子小于 1 的情况。接近 1 时，就可能会有大量的散列冲突，导致大量的探测、再散列等，性能会下降很多。链表法只要散列函数的值随机均匀，即便装载因子变成 10，也就是链表的长度变长，虽然查找效率有所下降，但是比起顺序查找还是快很多。

缺点：

• 链表因为要存储指针，所以对于比较小的对象的存储，是比较消耗内存的，还有可能会让内存的消耗翻倍。
• 链表中的结点是零散分布在内存中，不是连续的，对 CPU 缓存是不友好的，这方面对于执行效率也有一定的影响。

当然，如果我们存储的是大对象，存储的对象的大小远远大于一个指针的大小（4个字节或者 8 个字节），那链表中指针的内存消耗在大对象面前就可以忽略了。实际上对链表法稍加改造，可以实现一个更加高效的散列表。将链表法中的链表改造为其他高效的动态数据结构，比如跳表、红黑树。这样，即便出现散列冲突，极端情况下，所有的数据都散列到同一个桶内，那最终退化成的散列表的查找时间也只不过是 O(logn)。这样也就有效避免了前面讲到的散列碰撞攻击。

工业级散列表举例分析-hashmap

Java 中的 HashMa是怎么应用：

1. 初始大小HashMap 默认的初始大小是 16，默认值是可以设置的，如果事先知道大概的数据量有多大，可以通过修改默认初始大小，减少动态扩容的次数，这样会大大提高 HashMap 的性能。

2. 装载因子和动态扩容最大装载因子默认是 0.75，当 HashMap 中元素个数超过 0.75*capacity（capacity 表示散列表的容量）的时候，就会启动扩容，每次扩容都会扩容为原来的两倍大小。

3. 散列冲突解决方法HashMap 底层采用链表法来解决冲突。即使负载因子和散列函数设计得再合理，也免不了会出现拉链过长的情况，一旦出现拉链过长，则会严重影响 HashMap 的性能。在 JDK1.8 版本中，对 HashMap 做进一步优化引入了红黑树。而当链表长度太长（默认超过 8）时，链表就转换为红黑树。可以利用红黑树快速增删改查的特点，提高 HashMap 的性能。当红黑树结点个数少于 8 个的时候，又会将红黑树转化为链表。因为在数据量较小的情况下，红黑树要维护平衡，比起链表来，性能上的优势并不明显。

4. 散列函数散列函数的设计并不复杂，追求的是简单高效、分布均匀。

int hash(Object key) {  int h = key.hashCode()； return (h ^ (h >>> 16)) & (capicity -1); //capicity表示散列表的大小 }

其中，hashCode() 返回的是 Java 对象的 hash code