# 散列表

核心：散列表的效率并不总是 $O(1)$，仅仅是在理论上能达到 $O(1)$。实际情况中，恶意攻击者可以通过精心构造数据，使得散列表的性能急剧下降。

如何设计一个工业级的散列表？

## 散列函数

* 不能过于复杂——避免散列过程耗时
* 散列函数的结果要尽可能均匀——最小化散列冲突

## 装载因子过大怎么办

动态扩容。涉及到 rehash，效率可能很低。

![](https://static001.geekbang.org/resource/image/67/43/67d12e07a7d673a9c1d14354ad029443.jpg)

如何避免低效扩容？

——将 rehash 的步骤，均摊到每一次插入中去：

* 申请新的空间
* 不立即使用
* 每次来了新的数据，往新表插入数据
* 同时，取出旧表的一个数据，插入新表

![](https://static001.geekbang.org/resource/image/6d/cb/6d6736f986ec4b75dabc5472965fb9cb.jpg)

## 解决冲突

开放寻址法，优点：

* 不需要额外空间
* 有效利用 CPU 缓存
* 方便序列化

开放寻址法，缺点：

* 查找、删除数据时，涉及到 `delete` 标志，相对麻烦
* 冲突的代价更高
* 对装载因子敏感

链表法，优点：

* 内存利用率较高——链表的优点
* 对装载因子不敏感

链表法，缺点：

* 需要额外的空间（保存指针）
* 对 CPU 缓存不友好

——将链表改造成更高效的数据结构，例如跳表、红黑树

## 举个栗子（JAVA 中的 HashMap）

* 初始大小：16
* 装载因子：超过 0.75 时动态扩容
* 散列冲突：优化版的链表法（当槽位冲突元素超过 8 时使用红黑树，否则使用链表）