插入元素后才判断该不该扩容，有可能无效扩容（插入后如果扩容，如果没有再次插入■★■◆，就会产生无效扩容）

　　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，那如果装载因子过大怎么办★■■■◆◆，这个时候我们需要动态扩容，重新申请一个更大的散列表，将数据搬移到这个新的散列表中■★■◆■。假设每次扩容我们都申请一个原来散列表大小两倍的空间。如果原来散列表的装载因子是0■◆.8，那经过扩容之后，新散列表的装载因子就下降为原来的一半，变为0.4，针对数组的扩容，数据搬移操作比较简单■★◆■◆，但是散列表扩容需要，重新通过散列函数计算每个数据的存储位置。插入一个数据■■，最好情况下，不需要扩容■◆■◆。

　　3■■◆◆、如果key1！=key2◆★，那么经过hash后得到的哈希值也比不相同即：

　　，扩容：newsize = oldsize*2★★■◆，size一定为2的n次幂

　　1◆■★. 散列函数如果输入的关键字是整数，则一般合理方法是直接返回对表大小取模（Key mod TableSize）的结果■◆，除非 Key 碰巧具有一些不太理想的特质。如，表的大小为 10◆◆★■，而关键字都是 10 的倍数★★★■，显然此时都会被散列在 0 的位置■◆◆■。为了避免上述情况的发生★◆，好的方法是保证表的大小是素数（除了 1 和自身没有其他的因子）★★◆。当输入的关键字是随机整数时，散列函数不仅算起来简单而且关键

　　计算index方法：index = hash & (tab.length – 1)

　　通过把整个Map分为N个Segment，可以提供相同的线程安全，但是效率提升N倍，默认提升16倍★■◆★。(读操作不加锁，由于HashEntry的value变量是 volatile的■★■■，也能保证读取到最新的值。)

　　基于链表的散列冲突处理方法比较适合存储大对象，大数据量的散列表，而且，比开放寻址法◆★■■◆◆，更加灵活，支持更多的优化策略，比如用红黑树替代链表。

　　散列表(Hash table,也叫哈希表),是根据关键码值(Key value)而直接进行访问的数据结构。也就是说■■◆★◆，它通过把关键码值映射到表中一个位置来访问记录■★◆■★，以加快查找的速度。这个映射函数叫做散列函数■◆■，存放记录的数组叫做散列表。 常用的方法 链地址法■◆◆★:数组和链表来实现(HashMap) ★■★◆..◆◆★★■.

　　Hashtable的synchronized是针对整张Hash表的，即每次锁住整张表让线程独占，ConcurrentHashMap允许多个修改操作并发进行，其关键在于使用了锁分离技术

　　扩容针对整个Map，每次扩容时，原来数组中的元素依次重新计算存放位置，并重新插入

　　3）双重检测◆★■★◆◆，所谓双重检测，意思就是不仅要使用一个散列函数，我们使用一组散列函数hash1（key），hash2（key），hash3（key），我们先用第一个散列函数，如果计算得到的储存位置已经被占用了，我们可以再用第二个散列函数，以此类推★★◆◆★，直到找到空闲的存储位置。

　　总之◆■，不管采用哪种探测方法，当散列表中空闲位置不多的时候，散列冲突的概率就会大大提高■◆◆◆，为了尽可能保证散列表的操作效率，一般情况下◆★■，我们会尽可能保证散列表中有一定比例的空闲位置★★◆★◆。我们用装载因子（load factor）来表示空位的多少，装载因子=散列表中元素的个数/散列表的长度。

　　信息收集是网络安全领域的一个重要环节，旨在了解目标系统的结构、配置和潜在的安全漏动。以下是一些常见的信息收集命令和HASH信息收集的方法，以及它们的作用和利用方式：常见信息收集命令IP配置信息收集命令:ipconfig /all作用: 显示网络适配器和网络配置的详细信息，包括IP地址、子网掩码■◆★◆★、网关■■◆◆、DNS服务器等。利用: 有助于了解当前网络环境，便于后续的网络探测和公鸡。网络扫描命令

　　这是一种常用的哈希函数构造方法★★■，这个方法是先取关键字的平方，然后根据可使用空间的大小，选取平方数是中间几位为哈希地址。

　　结构化数据■★、非结构化数据与半结构化数据文章的开始，聊一下结构化数据、非结构化数据与半结构化数据■★■◆■，因为数据特点的不同，将在技术上直接影响存储引擎的选型。首先是结构化数据，根据定义结构化数据指的是由二维表结构来逻辑表达和实现的数据，严格遵循数据格式与长度规范■■◆★，也称作为行数据，特点为◆★■◆：数据以行为单位，一行数据表示一个实体的信息，每一行数据的属性是相同的。例如■★★：因此关系型数据库完美契合结构化数据的特点★★，关

　　除留余数法此方法为最常用的构造散列函数方法，对于散列表长为m的散列函数公式为：

　　例如 ，220，分为5段，123★★，203，241，112，20，两种方式如下：

　　1、散列函数不能太复杂，太复杂势必要消耗在很多的时间在计算哈希值上，也会间接影响散列表性能

　　当一个表太过大时，经常会出现查询性能低，所以我们经常对大表进行拆分成小表，本文讲介绍其中的一种拆分方法--hash散列分表。

　　散列函数就是一个函数（方法），能够将给定的key转换为特定的散列值，我们可以表示为：hashValue=hash（key）；

　　对于索引查找◆★■★■，或者连续表查找，都要进行关键字和查找值的比较■◆，有没有不用比较，通过关键字，按一定的计算，得到关键字对应的地址★★◆★◆★，那就是散列表查找★◆■■。存储位置=F(关键字)；散列技术是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，使得每个关键字key对应一个存储位

　　:★■:★★★★: hljs-rightDATE: March 30, 2024◆★:::hook function监视中间结果◆■： 检查模型的中间输出或激活，并对其进行记录或可视化。梯度操作： 拦截和修改模型的梯度，例如，添加噪音以实现隐私保护■★★★■，或者裁剪梯度以防止梯度爆炸。特征提取： 在网络的中间层获取特征表示◆◆◆，以用于其他任务■◆■◆★，如迁移学习或特征可视化■★◆◆★。模型修改： 动态修改模型的参数◆■★，例如冻结某些层

　　1◆★、散列函数计算得到的散列值必须是大于等于0的正整数★★■◆★，因为hash值需要作为数组的下标★◆★。

　　数据结构面试之十三——Hash表(散列表)题注■★★：《面试宝典》有相关习题，但思

　　hash就是找到一种数据内容和数据存放地址之间的映射关系Hash Table的查询速度非常的快◆★，几乎是O(1)的时间

　　相比开放寻址法，它简单的多★★◆■★，在散列表中，数组的每个下标位置我们可以称之为“桶”或者“槽”，每个桶会对应一条链表，所有散列值相同的的元素我们都放到相同槽位对应的链表中★◆◆★◆，

　　散列结构，散列表(Hash Table)又名哈希表/Hash表是根据键（key）直接访问在内存存储位置的数据结构■★◆■★，利用了数组支持按照下标进行随机访问数据的特性。由数组演变而来的，存的时候，我们这有键key★■，通过一定散列函数的计算方式，我们把它映射到数组中的某一个位置上进行存储，这样一种关系。取的时候，同一个key根据hash进行运算的结果也是一样的，这样就可以快速找到数组中存储的位置。

　　2）二次检测，所谓的二次检测跟线性检测的原理一样★★■■，只不过线性检测每次检测的步长是1，每次检测的下标一次是：hash（key）+0■■，hash（key）+1★★◆，hash（key）+2，hash（key）+3....◆★★.◆★◆■★..★■◆，所谓的二次检测指的是每次检测的步长变为原来的二次方◆◆，即每次检测的下标为

　　Linux软件安装全攻略 文章目录Linux软件安装全攻略一◆★■◆★★、跳出windows的思维二、软件的实质与安装三、Linux界两大软件管理器PRM和DPKG四，列举常用软件安装方法 一、跳出windows的思维出于对友好和易用性的考虑，window基本只提供了最简单而直观的管理方式。用习惯了windows，会对软件的管理形成一个固定而片面的认识。比如：一提到软件安装就想到install.exe,然后一

　　一、开放寻址法：核心思想是■◆◆■★★，一旦出现散列冲突★★■■★★，我们就重新去寻址一个空的散列地址

　　设计的因素有关键字的长度、特点、分布、还有散列表的大小等★■◆★，散列函数各式各样。

　　两个不同的关键字（key），由于散列表函数值相同，因而被映射到同一个表位置上★◆◆★◆，该现象称为散列冲突或者哈希碰撞★★◆■★。

　　摘要：本章介绍了散列表（hash table）的概念、散列函数的设计及散列冲突的处理★■■■◆■。散

　　有些方法需要跨段，比如size()和containsValue()，它们可能需要锁定整个表而而不仅仅是某个段◆■★，这需要按顺序锁定所有段，操作完毕后，又按顺序释放所有段的锁

　　PDF是图片没目录咋办1■◆■■◆. 前言最近找了些pdf书籍看，但是没有目录（导航■★★◆，一点就去对应页码）很是苦恼★◆★■★■，怎么才能添加目录呢？？◆■◆■★？以下是我的解决这个问题的过程。2★■◆◆★. 直奔主题2.1 尝试1：pdf合并试图将图片文档的目录转出成word，然后再生产pdf，和原PDF合并，，，我也不知道我为什么会这么想，但是不能成功！！！根本不会有相关的导航！★★★■■◆！2.2 尝试2：手动添加书签我使用的是wps，打开pdf在

　　HashMap冲突解决方法比较考验一个开发者解决问题的能力◆■★★★。下文给出HashMap冲突的解决方法以及原理分析◆■★◆★，无论是在面试问答或者实际使用中，应该都会有所帮助在Java编程语言中，最基本的结构就是两种■★◆★■■，一种是数组，一种是模拟指针(引用)，所有的数据结构都可以用这两个基本结构构造，HashMap也一样。当程序试图将多个 key-value 放入 HashMap 中时，以如下代码片段为例★■◆◆★：HashMa

　　1）线性检测，我们往散列表中插入数据时■◆◆◆，如果某个数据经过散列函数散列之后■◆■◆，存储位置上被占用了★■◆★，我们就从当前位置开始，依次往后查找★■★★◆，看是否有空闲位置，直到找到为止。

　　这种方法的原理是通过取平方扩大差别，平方值的中间几位和这个数的每一位都相关，则对不同的关键字得到的哈希函数值不易产生冲突★◆★■■■，由此产生的哈希地址也较为均匀。

　　在jdk1■★.7中★■★■，HashMap使用的是数组+单链表方式■◆◆■■★，当put方法，存值计算的过程中，有个hash函数计算key的hash值■★★◆，然后根据hash值，映射到对应的数组当中，数组中存储的是k，v的键值对entry，假如说我们某个key 经过hash函数的计算，得到的hash值产生了冲突◆★★■■◆，这个时候数组后面采用链表方式，往链表的头部追加一个元素◆■◆■■。在jdk1★★■◆◆.8中HashMap 当出现hash冲突，首先要看链表的长度是否大于等于8★★，如果长度是大于等于8，这个时候就要把链表转换成一个红黑树的结构，但同时发现如果红黑树的结构小于等于6的时候，这个时候我们又把它转成单链表★★★■■。

　　★◆◆■，实现线程安全的方式是在修改数据时锁住整个HashTable，效率低◆★◆■■◆，ConcurrentHashMap做了相关优化

　　使用线性检测的方式存在很大的问题，那就是当散列表中的数据越来越多的时候，散列冲突发生的可能性就越来越大，空闲的位置就越来越少了，那么线性检测的时间就会越来越长，在极端情况下我们可能要遍历整个数组，所以最坏的情况时间复杂度为O（n）★■，因此对于开放寻址解决冲突还有另外两个经典的检测方法◆★■★：二次检测、双重检测

　　散列表(hash table)：是表示集合和字典的另一种有效方法，它提供了一种完全不同的存储和搜索方地址空间中。散列函数中用的最多的是...

　　2、散列表函数计算得出的哈希值尽可能的能随机并且均匀的分布■★◆，这样能够将散列冲突最小化。

　　基本思想★■★◆：记录的存储位置与关键字之间存在对应关系■◆★★。对应关系——hash函数。Loc(i) = H(keyi)选取

　　当Map中元素总数超过Entry数组的75%◆◆，触发扩容操作◆◆，为了减少链表长度，元素分配更均匀

　　哈希表/散列表，是根据关键字（key）直接访问在内存存储位置的数据结构■★◆★。构造哈希表的常用方法：直接地址法---取关键字的某个线性函数为散列地址，Hash(Key) = Key或Hash(key) = A*Key + B,A,B为常数。除留余数法---取关键值被某个不大于散列表长m的数p除后的所得的余数为散列地址■★■◆★。Hash(key) = key % p■★★◆■。 若采用直接地址法（H

　　计算index的方法★■■★◆：index = (hash & 0x7FFFFFFF) % tab.length

　　总结一下★◆◆★◆，当数据量比较小，装载因子小的时候，适合采用开放寻址法，这也是java中的ThreadLocalMap使用开放寻址法解决散列冲突的原因。

　　扩容◆★◆：段内扩容（段内元素超过该段对应Entry数组长度的75%触发扩容，不会对整个Map进行扩容）■■■■★，插入前检测需不需要扩容，有效避免无效扩容

　　（如果你自认为是一个熟练的程序员，请直接略过“预备知识”这个章节，看下一章节） （注◆★★■■：在本文中★■，凡是提及◆◆■★★■“散列★★■◆”或“哈希”或“h

　　hash（key）=a*key+b，其中a★◆■，b为常量，由于这样的限制，在显示应用中，直接寻址法简单，但是却并不常用。

　　一，散列函数、散列表散列函数是把一个集合映射到另外一个集合◆■■，使得数据更加规整■◆★、有序◆◆◆★、紧缩★■★★■。例如，把字符串映射到整数★■■★，把平面上的整点映射到整数，把离散的整数映射到紧缩的整

　　有时关键码所含的位数很多，采取平方取中法计算太复杂★◆◆，则可将关键码分割成位数相同的几部分■★■，