| 内容 | 1.Hash存储方式 |
| 2.Hash处理冲突的方式 | |
| 3.队列存储的基本特征 | |
| 4.如何使用链表来实现栈 |
1.Hash 基础
1.1Hash的概念和基本特征
哈希（Hash）也称为散列，就是把任意长度的输入，通过散列算法，变换成固定长度的输出，这个输出值就是散列值。
很多人可能想不明白，这里的映射到底是什么意思 ，为啥访问的时间复杂度为O(1)？
我们只要看存的时候和读的时候分别怎么映射的就知道了。
我们现在假设数组array存放的是1到15这些数字，现在要存在一个大小是7的Hash表中，该如何存储呢？
我们存储的位置计算公式是：
index=number 模7
这个时候我们将1到6存入的时候，如图所示
这个没有疑问吧，就是简单的取模，然后继续7到13，结果就是这样： 
最后再存14到15:
这个时候我们会发现有些数据被存到了同一个位置了。接下来，我们看看如何取出来。
假如我要测试13在不在这个结构里，则同样使用上面的公式来进行，很明显13模7=6.我们直接访问array[6]，我们直接访问array[6]这个位置，很明显是在的，所以返回true。
假如我要测试20在不在这个结构里，则同样使用上面的公式来进行，很明显20模7=6.我们直接访问array[6]，我们直接访问array[6]这个位置，但是只有6和13，所以返回false。
理解这个例子我们就理解了Hash是如何进行最近基本的映射，还有就是为什么访问的时间复杂度O(1)。
1.2碰撞处理方法
上面的例子中，我们发现有些在Hash中很多位置可能要存储两个甚至更多个元素，很明显单纯的数组是不行的，这种两个不同的输入值，根据同一散列函数计算出的散列值相同的现象叫做碰撞。
那该怎么解决呢？常见的方法有：
开放定址法(Java里的Threadlocal)、链地址法(Java里的ConcurrentHshMap）、再哈希法（布隆过滤器）、建立公共溢出区。后两者用的比较少，这里着重看前两个。
1.2.1开放地址法
开放地址法就是一旦发生了冲突，就去寻找下一个空的散列地址，只要散列表足够大，空的散列地址总能找到，并将记录存入。
例如上面7，8，9的时候，7没有问题，就可以直接存到索引为0位置，8本来应该存到索引为1的位置，但是已经满了，所以继续向后找，索引3的位置是空的，所以8存到3的位置，同理9存到索引6位置。
这里 你是否有一个疑惑：这样鸠占鹊巢的方法会不会引起混乱？
比如再存入3和6的话，本来自己的为孩子好好的，但是被外来户占领了，该如何处理呢？
这个问题直到我在学习java里的ThreadLocal才揭开。具体过成可以学习下一个相关内容，我们这里只说一下基本思想。
ThreadLocal有一个专门存入元素的TheadLocalMap，每次在get和set元素的时候，会先将目标位置前后的空间搜索一下，将标记为null的位置回收，这样大部分不用的位置就受回来了。
1.2.2链地址法
将哈希表的每个单元作为链表的头结点，所有哈希地址为i的元素构成一个同义词链表。即发生冲突 时就把该关键字链在以该单元为头结点的链表的尾部。例如：
这种处理方法的问题就是处理起来代价还是比较高的，落地还要进行很多优化，例如在Java里的ConcurrentHashMap中就使用了这种方式，其中涉及元素尽量均匀、访问和操作速度要快、线程安全、扩容等很多问题。
我们来看一下下面这个Hash结构，下面的图有两处非常明显的错误，请你想想是啥
数组的长度即是2的n次幂，而他的size又不大于数组长度的75%。
HashMap的实现原理是先要找到要存放数组的下标，如果是空的就存进去，如果不是空的就判断key值是否一样，如果一样就替换，如果不一样就以链表的形式存在链表中(从JDK8开始，根据元素数量选择使用链表还是红黑树存储）。
2.队列基础知识
2.1队列的概念和基本特征
队列的特点是节点的排队次序和出队次序按入队时间先后确定，即先入队者先出队，后入队者后出队，即我们常说的FIFO(first in first out)先进先出。
队列实现方式也是两个形式，基于数组和基于链表。对于基于链表，会有点麻烦。我们将其放在黄金挑战里再看，这里只看一下基于链表实现的方法。
2.2实现队列。
基于链表实现队列还是比较好处理的，只要在尾部后插入元素，在front删除处元素就行了。
package com.yugutou.charpter5_queue_map.level1;
public class LinkQueue {
private Node front; // 队头指针
private Node rear; // 队尾指针
private int size; // 队列中元素个数
public LinkQueue() {
this.front = new Node(0); // 构造函数中初始化队头指针
this.rear = new Node(0); // 构造函数中初始化队尾指针
}
/**
* 入队
*/
public void push(int value) {
Node newNode = new Node(value); // 创建一个新节点
Node temp = front; // 从队头开始遍历队列，寻找最后一个节点
while (temp.next != null) {
temp = temp.next;
}
temp.next = newNode; // 将新节点插入到队尾
rear = newNode; // 更新队尾指针
size++;
}
/**
* 出队
*/
public int pull() {
if (front.next == null) {
System.out.println("队列已空");
}
Node firstNode = front.next; // 找到队头节点
front.next = firstNode.next; // 将队头指针指向下一个节点
size--;
return firstNode.data; // 返回队头节点的值
}
/**
* 遍历队列
*/
public void traverse() {
Node temp = front.next; // 从队头节点开始遍历队列
while (temp != null) {
System.out.print(temp.data + "\t"); // 打印节点的值
temp = temp.next; // 移动指针到下一个节点
}
}
static class Node {
public int data; // 节点的值
public Node next; // 指向下一个节点的指针
public Node(int data) {
this.data = data;
}
}
// 测试main方法
public static void main(String[] args) {
LinkQueue linkQueue = new LinkQueue(); // 创建队列对象
linkQueue.push(1); // 向队列中添加元素
linkQueue.push(2);
linkQueue.push(3);
System.out.println("第一个出队的元素为:" + linkQueue.pull()); // 从队列中取出第一个元素
System.out.println("队列中的元素为:");
linkQueue.traverse(); // 遍历队列并打印所有元素
}
}
