不是hash沖突的解決方式的是哪一種？

不是hash的解決方法的是：分支限界法

哈希的解決方法有：開放定址法；再哈希法；鏈地址法

hash索引和b索引區別？

Hash索引與B樹索引的區別

由于Hash索引結構和B樹不同，因此在索引使用上也會有差別：

（1）Hash索引不能進行范圍查詢，而B樹可以。

這是因為Hash索引指向的數據是無序的，而B樹的葉子節點是個有序的鏈表。

（2）Hash索引不支持聯合索引的最左側原則（即聯合索引的部分索引無法使用），而B樹可以。

對于聯合索引來說，Hash索引在計算Hash值的時候是將索引鍵合并后再一起計算Hash值，所以不會針對每個索引單獨計算Hash值。因此如果用到聯合索引的一個或多個索引時，聯合索引無法被利用。

（3）Hash索引不支持OrderBY排序，而B樹支持。

因為Hash索引指向的數據是無序的，因此無法起到排序優化的作用，而B樹索引數據是有序的，可以起到對該字段OrderBy排序優化的作用。

（4）Hash索引無法進行模糊查詢。而B樹使用LIKE進行模糊查詢的時候，LIKE后面前模糊查詢（比如%開頭）的話可以起到優化的作用。

（5）Hash索引在等值查詢上比B樹效率更高。

不過也存在一種情況，就是索引列的重復值如果很多，效率就會降低。這是因為遇到Hash時，需要遍歷桶中的行指針來進行比較，找到查詢的關鍵字非常耗時。所以Hash索引通常不會用到重復值多的列上，比如列為性別，年齡等。

ash算法？

常見hash算法的原理

　　散列表，它是基于快速存取的角度設計的，也是一種典型的“空間換時間”的做法。顧名思義，該數據結構可以理解為一個線性表，但是其中的元素不是緊密排列的，而是可能存在空隙。

　　散列表（Hashtable，也叫哈希表），是根據關鍵碼值（Keyvalue）而直接進行訪問的數據結構。也就是說，它通過把關鍵碼值映射到表中一個位置來訪問記錄，以加快查找的速度。這個映射函數叫做散列函數，存放記錄的數組叫做散列表。

　　比如我們存儲70個元素，但我們可能為這70個元素申請了100個元素的空間。70/1000.7，這個數字稱為負載因子。我們之所以這樣做，也是為了“快速存取”的目的。我們基于一種結果盡可能隨機平均分布的固定函數H為每個元素安排存儲位置，這樣就可以避免遍歷性質的線性搜索，以達到快速存取。但是由于此隨機性，也必然導致一個問題就是。所謂，即兩個元素通過散列函數H得到的地址相同，那么這兩個元素稱為“同義詞”。這類似于70個人去一個有100個椅子的飯店吃飯。散列函數的計算結果是一個存儲單位地址，每個存儲單位稱為“桶”。設一個散列表有m個桶，則散列函數的值域應為［0，m-1］。

　　解決是一個復雜問題。

　　主要取決于：

　　（1）散列函數，一個好的散列函數的值應盡可能平均分布。

　　（2）處理方法。

　　（3）負載因子的大小。太大不一定就好，而且浪費空間嚴重，負載因子和散列函數是聯動的。

　　解決的辦法：

　　（1）線性探查法：后，線性向前試探，找到最近的一個空位置。缺點是會出現堆積現象。存取時，可能不是同義詞的詞也位于探查序列，影響效率。

　　（2）雙散列函數法：在位置d后，再次使用另一個散列函數產生一個與散列表桶容量m互質的數c，依次試探（dn*c）%m，使探查序列跳躍式分布。