Hash冲突解决方案

1. 链地址法（Separate Chaining，又称拉链法）

• 原理：
  每个哈希桶（数组中的元素）维护一个链表（或红黑树），所有哈希到同一位置的键值对以链表形式存储。

• 实现方式：

  • 链表：冲突的元素直接追加到链表中（如 Java 8 之前的 HashMap）。

  • 红黑树：当链表长度超过阈值时，转为红黑树以提高查询效率（如 Java 8 后的 HashMap）。

• 优点：

  • 实现简单，冲突处理直观。

  • 适合高负载因子（元素多，空间少）的场景。

• 缺点：

  • 链表过长时查询效率下降（时间复杂度退化为 O(n)）。

  • 需要额外存储指针，空间开销略大。

• 应用场景：

  • Java HashMap、Python dict（内部优化版本）、Go 语言哈希表。

2. 开放寻址法（Open Addressing）

• 原理：
  所有元素直接存储在哈希表的数组中，当发生冲突时，按照某种探测策略（如线性探测、二次探测）寻找下一个空闲位置。

• 探测策略：

  • 线性探测（Linear Probing）：
    依次检查下一个位置 (hash(key) + i) % capacity，直到找到空槽。

    • 缺点：容易导致“聚集”（Clustering），即连续被占用的位置形成长块，降低插入和查询效率。

  • 二次探测（Quadratic Probing）：
    探测步长为二次函数，如 (hash(key) + i²) % capacity，减少聚集问题。

  • 双重哈希（Double Hashing）：
    使用第二个哈希函数计算步长，如 (hash1(key) + i * hash2(key)) % capacity。

• 优点：

  • 无需额外数据结构，内存利用率高。

  • 适合数据量较小或内存敏感的场景。

• 缺点：

  • 负载因子较高时（接近 1），性能急剧下降。

  • 删除操作复杂（需标记为“已删除”而非直接清空）。

• 应用场景：

  • Redis 哈希表（结合渐进式 rehash）、C++ std::unordered_map（某些实现）。

3. 再哈希（Rehashing）

• 原理：
  当发生冲突时，使用第二个哈希函数重新计算位置，直到找到空闲槽。

• 特点：

  • 需要预定义一组哈希函数（如双重哈希）。

  • 可以有效减少聚集问题，但计算成本较高。

• 应用场景：

  • 对哈希质量要求较高的场景，如分布式系统中的一致性哈希。

4. 公共溢出区（Overflow Area）

• 原理：
  将哈希表分为两部分：

  • 主表：正常存储无冲突的元素。

  • 溢出区：所有冲突的元素统一存储在溢出区（通常是一个链表或另一个数组）。

• 优点：

  • 主表结构简单，查询速度快。

• 缺点：

  • 溢出区可能成为性能瓶颈（尤其是冲突较多时）。

• 应用场景：

  • 早期数据库索引、文件系统目录管理。