3.1 hashcode和equals
hashTable java 代码（非常重要）
hashCode
定义：jdk根据对象的地址或者字符串或者数字算出来的int类型的数值
和equals进行比较
dfdsf
3.2 链接法代码（hash非常重要的部分）
算是小型的设计题
底层的hashMap是由数组和链表来实现的，就是上面说的拉链法。首先当插入的时候，会根据key的hash值然后计算出相应的数组下标，计算方法是index = hashcode%table.length，（这个下标就是上面提到的bucket），当这个下标上面已经存在元素的时候那么就会形成链表，将后插入的元素放到尾端，若是下标上面没有存在元素的话，那么将直接将元素放到这个位置上。
当进行查询的时候，同样会根据key的hash值先计算相应的下标，然后到相应的位置上进行查找，若是这个下标上面有很多元素的话，那么将在这个链表上一直查找直到找到对应的元素。
3-3 开放定址法代码实现 (19:01)
3-4 HashTable 源码分析 (18:06)
3-5 HashMap 源码分析 (43:44)
3-6 HashSet 源码分析 (08:26)
3-7 LinkedHashMap 简介
百度CTO王海峰：百度地图已成为AI时代刻画真实世界的重要基础设施
双向指针
如果面试中出现linkedhashmap，比如题目：LRU leetcode 146 这种题目在design设计题中经常出现的
LinkedHashMap
1、继承hashMap hashmap+linkedlist
2、Entry
3、有顺序/遍历按照先后插入输出
LinkedHashMap是Hash表和链表的实现，并且依靠着双向链表保证了迭代顺序是插入的顺序。
3-8 Leetcode 实战练习题（待完成）
非常重要的一道题，背都要背下来
设计题的中的大类的一个小类
凡是涉及到O(1)基本都是HashMap
当写put和get时候，永远要当空，从put开始写
put
之前有
之前没有
满
没满
第一个
非第一个
设计题一般都是难度为medium的题型，不是很难
public class LRUCache {
class Node {
int key;
int value;
Node next;
Node pre;
public Node(int key, int value) {
this.key = key;
this.value = value;
}
}
private HashMap<Integer, Node> map;
private int capacity;
private Node head;
private Node tail;
public LRUCache(int capacity) {
map = new HashMap<>();
this.capacity = capacity;
head = null;
tail = null;
}
public int get(int key) {
Node node = map.get(key);
if (node == null) {
return -1;
}
if (node != tail) {
if (node == head) {
head = head.next;
} else {
node.pre.next = node.next;
node.next.pre = node.pre;
}
tail.next = node;
node.pre = tail;
node.next = null;
tail = node;
}
return node.value;
}
code modify
public void put(int key, int value) {
Node node = map.get(key);
if (node != null) {
node.value = value;
if (node != tail) {
if (node == head) {
head = head.next;
} else {
node.pre.next = node.next;
node.next.pre = node.pre;
}
tail.next = node;
node.pre = tail;
node.next = null;
tail = node;
}
} else {
Node newNode = new Node(key, value);
if (capacity == 0) {
Node temp = head;
head = head.next;
temp.next = null;
map.remove(temp.key);
capacity++;
}
if (head == null && tail == null) {
head = newNode;
} else {
tail.next = newNode;
newNode.pre = tail;
newNode.next = null;
}
tail = newNode;
map.put(key, newNode);
capacity--;
}
}
}
3-9 Bloom Filter 布隆过滤器
判断一个元素在集合中的有无：HashSet
如果数据量特别大？
答：位运算方法
新的算法-》布隆过滤器（Bloom Filter）
让每一个字符通过k个hash fucntion并在对应位置置为1
判断每个位置是否为1，如果为1，则认为存在于这个集合中，如果有一个不为1，则认为一定不再这个集合中
缺点：存在一定的误差
3-10 Bloom Filter 布隆过滤器代码实现
不支持remove
解决方法：利用计数排序
3-11 做题须知
HashMap / HashSet :
get() & put)() 的时间复杂度：O(1)
containsKey(value)的时间复杂度：O(1)
containsValue is O(n)
because without the key it doesn't know where it is and the algorithm has to go over all the values stored in the map.