HASH 的感性认识算法
先看数组存储数据是怎么样的。数组
如今有一个数组，它里面每一个单元存储的是数据的地址数据结构
这叫指针数组吧，假设它有100个单元函数
咱们称他为p[100]学习
如今我想把一百个数据（地址）放到里面优化
咱们想把某个数据放到p的第几个单元彻底是由设计
咱们决定的，能够说想怎么放就怎么放3d
是一种乱放，既然是乱放，那么查找起来就比较耗时。指针
哈希表是怎么存储数据的呢？code
哈希表一样是一个指针数组。
一样须要存储100个数据，须要的就不是100个单元了，由于哈希表要把某个数据存放在某个单元不是随机的一个过程，而是算出来的，这个算法叫哈希函数
好比要存储一个数据对
张三 1882356
李四 23456789
王五 58856456
张三通过哈希函数算出来的值是138，那么哈希表最少须要138个单元，由于张三对应的数据1882356要存储在指针数组的p[138]的位置上。
李四通过哈希函数算出来的值是500，那么2356789这个数据就要存放在p[500]这个位置上。
因此你明白了，"数据的地址放在指针数组的哪一个单元格是算出来的，是有迹可寻的，并非想放在哪里就放在哪里"
那查找的时候就好查找了，你要查找张三对应的数据，
直接把张三用哈希函数算一下，获得138，哦 张三的数据就在p[138]这个位置上，因此一下就找到了。
哈希表是一个key- value的数据对，p是一个指针数组，用来存放value的地址，那么key和value的关系是下面这样的。
p[f(key)]=&value
能够看出哈希表有时候会浪费很大空间的，好比上面张三 李四 王五那个例子 若是按照哈希表存储要定义一个500个大小的指针数组。怎么解决这个问题呢？我再看看书。
2018/09/03 ： 优化hash函数能够解决浪费很大空间解决冲突这个问题。
HASH的理性认识
8/03 为何会有哈希表，人们存储数据时，想找到一种查找，插入和删除、更新复杂度都不是很大的方法，因而哈希表应运而生。
- 数组存储空间是连续的，占用内存严重，占用空间很大，但数组的二分查找时间复杂度小。
- 寻址容易，插入和删除困难。
- 链表存储区间离散，占用内存小，空间复杂度小，可是时间复杂度很大。
- 寻址困难，插入和删除容易。
- 哈希表
- 寻址容易 插入和删除也容易的数据结构
hash table的实现，最经常使用的是拉链法，能够理解为“链表的数组
从上图咱们能够发现哈希表是由数组+链表组成的，一个长度为16的数组中，每一个元素存储的是一个链表的头结点。那么这些元素是按照什么样的规则存储到数组中呢。通常状况是经过hash(key)%len得到，也就是元素的key的哈希值对数组长度取模获得。好比上述哈希表中，12%16=12,28%16=12,108%16=12,140%16=12。因此十二、2八、108以及140都存储在数组下标为12的位置。
HashMap的存取
HashMap的功能是经过“键(key)”可以快速的找到“值”。下面咱们分析下HashMap存数据的基本流程：
一、 当调用put(key,value)时，首先获取key的hashcode，int hash = key.hashCode();
二、 再把hash经过一下运算获得一个int h.
hash ^= (hash >>> 20) ^ (hash >>> 12); // >>>是无符号的右移运算， 高位直接补零，低位移除。>>表示带符号的右移运算， 高位若是符号位为正补零，符号位负补一，低位直接移除
hash = hash ^ (hash >>> 20) ^ (hash >>> 12)； ^表明异或运算
int h = hash ^ (hash >>> 7) ^ (hash >>> 4);
为何要通过这样的运算呢？这就是HashMap的高明之处。先看个例子，一个十进制数32768(二进制1000 0000 0000 0000)，通过上述公式运算以后的结果是35080(二进制1000 1001 0000 1000)。看出来了吗？或许这样还看不出什么，再举个数字61440(二进制1111 0000 0000 0000)，运算结果是65263(二进制1111 1110 1110 1111)，如今应该很明显了，它的目的是让“1”变的均匀一点，散列的本意就是要尽可能均匀分布。那这样有什么意义呢？看第3步。
三、 获得h以后，把h与HashMap的承载量（HashMap的默认承载量length是16，能够自动变长。在构造HashMap的时候也能够指定一个长 度。这个承载量就是上图所描述的数组的长度。）进行逻辑与运算，即 h & (length-1)，这样获得的结果就是一个比length小的正数，咱们把这个值叫作index。其实这个index就是索引将要插入的值在数组中的 位置。第2步那个算法的意义就是但愿可以得出均匀的index，这是HashTable的改进，HashTable中的算法只是把key的 hashcode与length相除取余，即hash % length，这样有可能会形成index分布不均匀。还有一点须要说明，HashMap的键能够为null，它的值是放在数组的第一个位置。
四、 咱们用table[index]表示已经找到的元素须要存储的位置。先判断该位置上有没有元素（这个元素是HashMap内部定义的一个类Entity， 基本结构它包含三个类，key，value和指向下一个Entity的next）,没有的话就建立一个Entity<K,V>对象，在 table[index]位置上插入，这样插入结束；若是有的话，经过链表的遍历方式去逐个遍历，看看有没有已经存在的key，有的话用新的value替 换老的value；若是没有，则在table[index]插入该Entity，把原来在table[index]位置上的Entity赋值给新的 Entity的next，这样插入结束。
大学学过记忆最深入的是除留余数发
假设哈希表长为m，p为小于等于m的最大素数，则哈希函数为
h（k）=k % p ，其中%为模p取余运算。
例如，已知待散列元素为（18，75，60，43，54，90，46），表长m=10，p=7，则有
h(18)=18 % 7=4 h(75)=75 % 7=5 h(60)=60 % 7=4
h(43)=43 % 7=1 h(54)=54 % 7=5 h(90)=90 % 7=6
h(46)=46 % 7=4
此时冲突较多。为减小冲突，可取较大的m值和p值，如m=p=13，结果以下：
h(18)=18 % 13=5 h(75)=75 % 13=10 h(60)=60 % 13=8
h(43)=43 % 13=4 h(54)=54 % 13=2 h(90)=90 % 13=12
h(46)=46 % 13=7
这就是hash表会浪费空间的缘由，若是hash算法比较优秀，能够节省空间。请参考如上的改进后的hash table。
改进后的hash table以下如所示
-----------------------------------------2019年4月17日21:23:30-------------------------------------------------
-----------------------------------------链地址法(即拉链法)解决冲突-------------------------------------------------
咱们先复习数据结构里的一个知识点：在一个长度为n（假设是10000）的线性表（假设是ArrayList）里，存放着无序的数字；若是咱们要找一个指定的数字，就不得不经过从头至尾依次遍从来查找，这样的平均查找次数是n除以2（这里是5000）。
咱们再来观察Hash表（这里的Hash表纯粹是数据结构上的概念，和Java无关）。它的平均查找次数接近于1，代价至关小，关键是在Hash表里，存放在其中的数据和它的存储位置是用Hash函数关联的。
咱们假设一个Hash函数是x*x%5,( * & %的优先级是从左至右)固然实际状况里不可能用这么简单的Hash函数，咱们这里纯粹为了说明方便，而Hash表是一个长度是11的线性表。若是咱们要把6放入其中，那么咱们首先会对6用Hash函数计算一下，结果是1，因此咱们就把6放入到索引号是1这个位置。一样若是咱们要放数字7，通过Hash函数计算，7的结果是4，那么它将被放入索引是4的这个位置。这个效果以下图所示。
这样作的好处很是明显。好比咱们要从中找6这个元素，咱们能够先经过Hash函数计算6的索引位置，而后直接从1号索引里找到它了。
不过咱们会遇到“Hash值冲突”这个问题。好比通过Hash函数计算后，7和8会有相同的Hash值，对此Java的HashMap对象采用的是”链地址法“的解决方案。效果以下图所示。
具体的作法是，为全部Hash值是i的对象创建一个同义词链表。假设咱们在放入8的时候，发现4号位置已经被占，那么就会新建一个链表结点放入8。一样，若是咱们要找8，那么发现4号索引里不是8，那会沿着链表依次查找。
虽然咱们仍是没法完全避免Hash值冲突的问题，可是Hash函数设计合理，仍能保证同义词链表的长度被控制在一个合理的范围里。
在学习gp的hashjoin时，有一个值得关注的问题就是，若是hash table过大，内存中都放不下这个映射表时怎么办？