散列：原理
桶bucket：直接存放或间接指向一个词条（即词条的引用）
桶数组bucket array/散列表hash table，容量为M，即散列表长度
N < M << R
空间 = O(N+M)=O(N)
定址/杂凑/散列：
根据词条的key（未必可比较）
直接确定散列表入口
散列函数：hash(): key->&entry 将关键码转为词条或它的入口
电话簿
可能会出现冲突
二、散列：散列函数
无法杜绝的冲突
两项基本任务
近似的单射，往往可行
评价标准与设计原则
除余法
数据通常具有局部性Locality，典型的现象是数据序列中的数据项大多按某一步长单调变化（while、for）
如果数据序列的步长为S，S与M的最大公因子gcd(S, M)=G
当且仅当G=1时，数据序列的足迹能够遍布整个散列表
因为可能有不同的程序， 每个程序每次的运行对应的步长S未必相等，也就是说M相对于几乎任何S，最大公因子都只能是1。这意味着M是个素数。
MAD法
除余法的缺陷：
- 不动点：无论表长M取值如何，总有hash(0)=0
- 零阶均匀：[0, R)的关键码，平均分配至M个桶；但相邻关键码的散列地址也必相邻
一阶均匀：邻近的关键码，散列地址不再邻近
更高阶的均匀性呢？
当然，特定场合下，未必需要高阶的均匀性
更多散列函数
总之，越是随机越是没有规律越好
（伪）随机数法
多项式法
四、散列：排解冲突
事先预案
多槽位
独立链
开放地址
线性试探
懒惰删除
平方试探
优点、缺点及疑惑
装填因子，须足够小
双向平方试探
查找链，彼此独立？
4k+3
双平方定理
五、桶/计数排序
