前言
假如给你上万数据，然后让你判断，这些数据中是否有某一数据A？该如何进行呢？如果是一一进行判断，就显得很慢。如果是先将其有序化，然后再进行判断的话，判断速度倒是快了很多，但是排序这一过程也是会消耗时间的。
这时候，哈希结构就出现了。它能让你一次（理想情况下）完成判断，即理想情况下时间复杂度为O(1)。
hash表
哈希表其实就是key与value的对应关系，本质依托于哈希函数。将key输入到hash函数中，输出一个哈希后的结果，此结果作为存放value的依据。
一个好的哈希函数应该具有以下特点：
1.对于不同的输入，应当有不同的输出；（尽可能少的哈希冲突）
2.对于输入的微小变化，应当在输出端有较大变化；
常见的哈希函数有除法哈希，斐波那契哈希等。（菲波那切哈希简言之就是根据key的不同长度，乘上一个特定的数，然后最终结果左移28bit，至于这些特定的数，听说和黄金分割数有很大的关系）
hash冲突
哈希冲突其实是很难避免的，比如我的哈希函数是对10取模，那么当key输入是1和11和21，其实对应的value都是一样的，为1.那么我们该如何解决哈希冲突呢？
链地址法
其实很好理解，我放张图就好了。
那么当遇到key经过哈希后得到的value有不少情况时，就按照链表查下去即可。
开放地址法
开放地址法其实也很容易理解，即：通过哈希将key计算得到对应的值，后发现此数已经存在于数组中，则可以通过顺延的方式将数据插入到下一个位置。
线性探测再散列：在当前位置做如下偏移：1，-1,2，-2,3，-3…
二次探测再散列：sqrt(1), -sqrt(1),sqrt(2),-sqrt(2)…
开放地址法的删除可就有点讲究了，可不是那么随便就直接删除了。因为如此一来，咱们探测的路，可能就断了。因此咱们的处理都是在这个要删除的地方做一个标记，表示这是已经被删除的。再探测的时候呢，如果发现这个地方做了“已经被删除”的标记，则跳过它，继续探测下面的。
那么这个地方就不能用了么？答案显然是可以用。咋用呢？很简单，当一个新的数据准备插入的时候，先按照查询那一套，尽可能的转一圈，看看自己之前是不是已经插入过了，如果没有的话，就把刚刚路上遇到的第一个带有“已经被删除”的地方插入新的数据，同时将“已经被删除”标记删除。
再哈希法
再哈希法其实就是准备多个哈希函数。将一个key输入到hashFunc1中，得到哈希值，发现里面有东西了，那就继续用第二个哈希函数…直到没有冲突产生。那么其查找方式也就很清楚了对吧，而删除操作同理不能直接删除，要做标记的。
rehash
rehash的意思是说，当哈希表的负载达到极限时，哈希表会成倍的扩充容量，然后将哈希表中的所有元素重新执行哈希过程，放入新的表中。一般会创建一张新的哈希表，其bucket桶的数量翻倍，为新的哈希表分配内存空间，然后逐个将旧的表中的元素再次计算一次哈希值并放入新的表中，删除旧的表，完成操作。
rehash的条件是啥呢？咱们讲redis下：
hashtable元素总个数 / 字典的链个数 = 每个链平均存储的元素个数(load_factor)
服务器目前没有在执行BGSAVE命令或者BGREWRITEAOF命令，load_factor >= 1，dict就会触发扩大操作rehash
服务器目前正在执行BGSAVE命令或者BGREWRITEAOF命令，load_factor >= 5，dict就会触发扩大操作rehash
load_factor < 0.1，dict就会触发缩减操作rehash
哈希表中桶的个数为何是质数
桶的概念我刚刚没有介绍，其实就是链地址法中的链表，只不过链表没法停下来，如果哈希冲突严重的话会耗时很大，而桶的话就固定了冲突的最大容量。
桶是质数，其实在线性地址探测上，可以确保不会出现死循环，能遍历到所有的桶元素。（因为质数无法被除了1和自身以外的其他数整除，也就不会造成死循环）
代码实现
由于链地址法实在是太简单了，所以咱们实现一个开放地址法，用线性探测方法。
仔细想了一下，也真的好简单，直接用vector<pair<bool, pair<int, void*> > >即可，过了。当然你喜欢用tuple也很不错。