哈希表数据结构

一般的线性表、树，数据在结构中的相对位置是随机的，即和记录的关键字之间不存在确定的关系，因此，在结构中查找记录时需进行一系列和关键字的比较。这一类查找方法建立在“比较“的基础上，查找的效率依赖于查找过程中所进行的比较次数。

若想能直接找到需要的记录，必须在记录的存储位置和它的关键字之间建立一个确定的对应关系f，使每个关键字和结构中一个唯一的存储位置相对应，这就是哈希表。

哈希表是一种数据结构，它可以提供快速的插入操作和查找操作。
哈希表是基于数组结构实现的，所以它也存在一些缺点：
数组创建后难于扩展，某些哈希表被基本填满时，性能下降得非常严重。
这个问题是哈希表不可避免的，即冲突现象：对不同的关键字可能得到同一哈希地址。
所以在以下情况下可以优先考虑使用哈希表：
不需要有序遍历数据，并且可以提前预测数据量的大小。


以下为本人看过的一个很好的例子，形象的说明为什么在比较两个对象时，必须要重载equals和hasCode方法。
1.hashcode是用来查找的，如果你学过数据结构就应该知道，在查找和排序这一章有
例如内存中有这样的位置
0     1     2     3     4     5     6     7    
而我有个类，这个类有个字段叫ID,我要把这个类存放在以上8个位置之一，如果不用hashcode而任意存放，那么当查找时就需要到这八个位置里挨个去找，或者用二分法一类的算法。
但如果用hashcode那就会使效率提高很多。
我们这个类中有个字段叫ID,那么我们就定义我们的hashcode为ID％8，然后把我们的类存放在取得得余数那个位置。比如我们的ID为9，9除8的余数为1，那么我们就把该类存在1这个位置，如果ID是13，求得的余数是5，那么我们就把该类放在5这个位置。这样，以后在查找该类时就可以通过ID除8求余数直接找到存放的位置了。

2.但是如果两个类有相同的hashcode怎么办那（我们假设上面的类的ID不是唯一的），例如9除以8和17除以8的余数都是1，那么这是不是合法的，回答是：可以这样。那么如何判断呢？在这个时候就需要定义   equals了。
也就是说，我们先通过   hashcode来判断两个类是否存放某个桶里，但这个桶里可能有很多类，那么我们就需要再通过   equals   来在这个桶里找到我们要的类。
那么。重写了equals()，为什么还要重写hashCode()呢？
想想，你要在一个桶里找东西，你必须先要找到这个桶啊，你不通过重写hashcode()来找到桶，光重写equals()有什么用啊