一，哈希概念
哈希搜素：可以不经过任何比较，一次直接从表中得到搜素的元素。
二，散列
HASH（key） = key%m
哈希方法中使用的转换函数成为散列函数，构造出来的结构成为哈希表。
插入元素时：根据插入元素的关键码，计算出存储的位置。
搜素元素时：对元素的关键码进行同样的计算，把求得的函数值当做元素存储的位置，在结构中按此位置取元素比较，若关键码相同，搜素成功。
三，哈希冲突
上面的散列方式，有个很大的问题，当数据多的时候HASH（key) 会重复，这时候就不好插入了。
四，闭散列
闭散列，是用来解决哈希冲突的一种方法。
线性探测：当HASH（key)重复时，去探测下一个位置，如果下一个位置为空的话，插入。
二次探测：当HASH（key) 重复时，去找空位置，具体函数为，H1 = （H0+i^2）%m,其中H0是第一个关键码，m是表的大小，
H1是新位置。
闭散列：这样的闭散列处理哈希冲突时不能随便删除已有的元素，若直接删除元素会影响其他元素的搜素，而且，当数据过多的时候，效率会很低。
解决方法：可以定义一个结构体，把它的状态也放进去，（存在，删除，空），至于效率的问题可以采用负载因子解决，
负载因子：a = 填入表中的元素个数/散列表长度，只要负载因子超过0,7就增容。
五，开散列
开散列:也叫哈希桶，当哈希冲突时，我们可以在当前位置挂一个结点，用来存储它的值。
问题：同样它也存在效率的问题，我们可以用素数表（经过别人大量测过的素数），来增容，在它下面挂红黑树，或者用联合解决。
六，多阶哈希
多阶哈希：是通过多个数组来解决哈希冲突的，当一阶有数据的时候，就去下面的阶去找空位置。下面的这段是别人，我懒的画了。那么这个表的大小是如何获得的呢？举个列子，假如每阶最多有1000个元素，一共10阶，则算法选择十个比1000小的最大素数，从大到小排列，以此作为各阶的元素个数. 通过素数集中的算法得到的10个素数分别是： 997 991 983 977 971 967 953 947 941 937. 可见虽然是锯齿数组，各层之间的差别并不是很多.
开散列和闭散列都有自己的优缺点， 现在我们考虑多阶哈希和开链法比较起来优势和劣势：
1.hash冲突处理的非常简单. 开链法其实都是找到位置他们的查找时间复杂度常规情况下都是O(1). 开链极端才会O(N)
2.有多个桶，使得空间利用率很高，多阶哈希并不需要一个很大的桶来减少冲突.
3.开链法的增容做的事情将所有节点都要重新挂. 但是多阶哈希可以动态增长空间，不断加入新的一阶，且对原来的数据没有影响.
4.不过相对来说，多阶哈希是提前开辟好空间，而哈希桶是来一个添加一个,所以多阶哈希比较占用空间.
当然多阶哈希也会有自己不足的地方，比如每次查询就必须固定N次的HASH处理，而且在极端的情况下，如果N次HASH后，得到的每一个
位置都被人占用了，那么存在不能插入的可能. 不过这种可能性非常之低，并且空间利用率往往都已经在80%以上了.
七，一致性哈希
一致性哈希是，1997年，哈弗大学提出来的，主要解决英特网的热点问题。多用于后台服务器中，当一台机器坏时，如果用普通的哈希，会导致，所有数据要转移，服务器会崩溃掉，其他可以看这篇博客，挺详细的。
其中一致性哈希满足两个点：单调性，和平衡性。