散列函数
冲突解决办法
直接寻址技术，顾名思义，为每一个关键字分配一个槽，适用于全域数量较少，并且对内存并不要求的情况下，这种方法可以保证了其每一个操作的时间复杂度都是O(1)。
但是很明显的是，当全域特别大的时候，这意味着我们要创建一个内容特别大的数组，如果关键字较少则会造成空间的浪费，于是我们想出了使用散列表，控制数组的长度，通过使用散列函数（除法散列法、乘法散列法、全域散列法等），找出关键字对应到各自相应的槽，也就是说，如果我们能够平均的分配关键字到相应的槽，避免冲突，则可以实现直接寻址技术一样的效果，同时还大大的减少了内存。
理想情况下，冲突可以完全避免，但是现实中，我们可以通过散列函数尽量的避免冲突，尽可能的使其随机化，同时还是会不可避免的发生冲突，此时我们还可以通过拉链法或者开放寻址法来解决冲突。
通过取 k 除以 m 的余数，将关键字映射到m个槽中。
乘法包括两个步骤，先是将关键字 k 乘以一个常数A（0 < A < 1），然后取其小数部分，乘以m后向下取整。
表示随机的选择一种散列函数，将关键字映射到散列函数，然后通过计算返回槽的位置。
链表法则是通过在每个槽的后面加上链表，如果发生了冲突，则将其依次加入的链表中（可能存在一个排序的问题），链表可以是单链表也可以是双链表，不过使用双链表更容易删除一些。
缺点：需要额外的指针空间。
除了链表法，还有另外一种方式更加的灵活，它用大小为M的数组去保存N个键值对（M>N），所有的元素都会保存在散列表中，我们需要依靠数组中的空位来解决碰撞冲突，比如说当发生冲突的时候，我们直接检查在散列表中冲突位置的下一个位置，如果发现仍然会造成冲突，则继续往下面找（可以循环，表尾可到表头），直到找到一个空白元素。这种方式的好处在于，不用存储指针从而节省空间，使得可以用同样的空间来提供更多的槽，潜在的减少冲突，提高检索效率。不过需要注意的是，它的装载因子（哈希表保存的元素数量和哈希表容量的比）不应该设置的太大，否则很容易发生哈希冲突，最好设置其不要超过0.5（即元素数量要小于哈希表的容量的一半）。
开放寻址法包括几种方法：线性探查，二次探查，双重探查；
线性探查
顾名思义，其是一个线性递增的过程，如果当前发生冲突，则会递增的找下一个，如果最后一个仍然找不到，那么则又会从头开始查找，以此类推。但是这会存在一个问题，叫做一次群集，随着连续被占用的槽增加，那么它查找的时间也会不断的增加。
二次群集
和之前不同的是，在开始的槽的位置上发生冲突以后，其不再是线性的递增，而是通过一个偏移量（1,2,3...的二次方地址处），这在一定程度下缓解了基本群集的问题，但是依旧存在问题，比如在具有相同偏移量的位置发生冲突，那么就和之前的一样，槽会发生连续被占用的情况，甚至是该相对偏移量下的所有槽都被占用情况，此时再使用偏移量则会找不到空白的槽。
key1：hash(key)+0
key2：hash(key)+1^2
key3：hash(key)+2^2
双重探测
这可能是最好的方法之一，因为它不再像是线性和二次固定的增加偏移，而是会变化的去寻找下一个位置。即下一个探测的位置以关键字的另一个散列函数值作为增量。其公式为：
h(k, i) = (h1(k) + ih2(k)) mod m
