散列表，哈希表，hash表，Hashtable 都是同一个概念
1. 散列表来源于数组，它借助散列函数对数组这种数据结构进行扩展，利用的是数组支持按照下标随机访问元素的特性。
2. 散列函数，即通过一个方法让hash(key)尽可能均匀的分布到预置容器长度内，但几乎不可能避免散列冲突。散列函数的设计不能太复杂。过于复杂的散列函数，势必会消耗很多计算时间，也就间接地影响到散列表的性能。其次，散列函数生成的值要尽可能随机并且均匀分布，这样才能避免或者最小化散列冲突，而且即便出现冲突，散列到每个槽里的数据也会比较平均，不会出现某个槽内数据特别多的情况。
3. 解决散列冲突的办法，一是寻址法（核心思想是：如果出现散列冲突，就重新探测一个空闲位置，将其插入），二是更常用的链表法（插入的时候，我们需要通过散列函数计算出对应的散列槽位，将其插入到对应的链表中即可）。
4. 装载因子（load factor）散列表的装载因子=填入表中的元素个数 / 散列表的长度， 装载因子越大，说明空闲位置越少，冲突越多，散列表的性能会下降。
一般如果装载因子达到阈值，需要对散列表动态扩容，同时也会涉及到数据的搬迁，因为散列表的大小变了，数据的存储位置也变了，所以我们需要通过散列函数重新计算每个数据的存储位置。
5. 工业级散列表的要求
a. 合理的散列函数，简单，不占用太多cpu时间，让hash(key)尽量少发生碰撞
b. 合适的初始值，比如java中HashMap,默认是16个，如果知道数据量多少，可以指定合适的初始值，避免频繁搬迁数组
c. 合适的装载因子，比如0.75阈值只有启动动态扩容
d. 散列冲突解决，链表法，但数据量很大是，java会采用红黑树结构来加快查询和删除，提高性能，但数据量少于8个时，又退化为简单的链表结构。
6. 应用
a. 负载均衡
b. 数据分片
c. 如何快速判断图片是否在图库中？
d. 分布式存储
原文：https://www.cnblogs.com/roy1/p/13568836.html