这也就意味着，当元素个数小于容器的大小时，则每一个元素都能够找到自己唯一的一个地址来存放自己。由此引出了直接寻址法。这种思想，在 LeetCode 387 题'字符串中的第一个唯一字符'中有所体现。
class Solution {
public:
int firstUniqChar(string s) {
int count[26] = {0};
for(auto e : s) {
count[e-'a']++;
}
for(int i = 0; i < s.size();i++) {
if(count[s[i] - 'a'] == 1) return i;
}
return -1;
}
};
将每一个字符出现的次数存储到大小为 26 的数组中，找到次数为 1 的字符。但我们的哈希表如果使用上述方式实现，必然会造成效率低下。而 C++ 的大佬们，早已实现各种方法的哈希表，让我们来看看。
一、哈希概念
哈希 (hash) 又称散列，是一种组织数据的方式。从译名来看，有散乱排列的意思。本质就是通过哈希函数把关键字 Key 跟存储位置建立一个映射关系，查找时通过这个哈希函数计算出 Key 存储的位置，进行快速查找。
1.1 哈希冲突
两个不同的 key 可能会映射到同一个位置去，这种问题我们叫做哈希冲突，或者哈希碰撞。
哈希冲突的产生原因
哈希冲突是指不同的键通过哈希函数计算后，得到了相同的哈希值，从而被映射到哈希表中相同的位置。产生哈希冲突的原因主要有以下几点：
（一）哈希函数的局限性
哈希函数的设计至关重要，但再好的哈希函数也无法完全避免冲突。理想情况下，哈希函数应该能够将不同的键均匀地分布到哈希表的各个位置，但实际上，由于键的集合通常是无限的，而哈希表的大小是有限的，这就导致了不同键产生相同哈希值的情况。例如，对于简单的取模哈希函数 hash(key) = key % table_size，当键是 5 和 10，且哈希表大小为 5 时，它们的哈希值都是 0，从而产生冲突。
（二）键的分布特性
键本身的分布特性也会影响哈希冲突的发生。如果键的分布较为集中，即大量键的特征相似，那么它们通过哈希函数计算后更容易产生相同的哈希值。比如，在一个存储用户信息的哈希表中，如果用户 ID 是连续的整数，且哈希表大小较小，那么相邻的用户 ID 很可能产生冲突。
1.2 负载因子
假设哈希表中已经映射存储了 N 个值，哈希表的大小为 M，那么负载因子 = N/M。负载因子有些地方也翻译为载荷因子/装载因子等，它的英文为 loadfactor。负载因子越大，哈希冲突的概率越高，空间利用率越高；负载因子越小，哈希冲突的概率越低，空间利用率越低。
1.3 将关键字转为整数
我们将关键字映射到数组中位置，一般是整数好做映射计算，如果不是整数，我们要想办法转换成整数，这个细节我们在后面代码实现中再进行细节展示。下面哈希函数部分我们讨论时，如果关键字不是整数，那么我们讨论的 Key 是关键字转换成的整数。
