哈希表支持一種最有效的檢索方法：散列。
從根來上說，一個哈希表包含一個數組，通過特殊的索引值（鍵）來訪問數組中的元素。
哈希表的主要思想是通過一個哈希函數，在所有可能的鍵與槽位之間建立一張映射表。哈希函數每次接受一個鍵將返回與鍵相對應的哈希編碼或哈希值。鍵的數據類型可能多種多樣，但哈希值的類型只能是整型。
計算哈希值和在數組中進行索引都只消耗固定的時間，因此哈希表的最大亮點在於它是一種運行時間在常量級的檢索方法。當哈希函數能夠保證不同的鍵生成的哈希值互不相同時，就說哈希表能直接尋址想要的結果。但這只是理想狀態，在實際運用過程中，能夠直接尋址結果的情況非常少。
通常與各種各樣的鍵相比，哈希表的條目數相應較少。因此，絕大多數的哈希函數會將一些不同的鍵映射到表中相同的槽位上。當兩個鍵映射到一個相同的槽位上時，它們就產生了沖突。一個好的哈希函數能最大限度的減少沖突，但沖突不能完全消除，我們仍要想辦法處理這些沖突。
鏈式哈希表的描述
鏈式哈希表從根本上說是由一組鏈表構成。每個鏈表都可以看做是一個“桶”，我們將所有的元素通過散列的方式放到具體的不同的桶中。插入元素時，首先將其鍵傳入一個哈希函數（該過程稱為哈希鍵），函數通過散列的方式告知元素屬於哪個“桶”，然后在相應的鏈表頭插入元素。查找或刪除元素時，用同們的方式先找到元素的“桶”，然后遍歷相應的鏈表，直到發現我們想要的元素。因為每個“桶”都是一個鏈表，所以鏈式哈希表並不限制包含元素的個數。然而，如果表變得太大，它的性能將會降低。
解決沖突
當哈希表中兩個鍵散列到一個相同的槽位時，這兩個鍵之間將會產生沖突。鏈式哈希表解決沖突的方法非常簡單：當沖突發生時，它就將元素放到已經准備好的“桶”中。但這同樣會帶來一個問題，當過多的沖突發生在同一槽位時，此位置的“桶”將會變得越來越深，從而造成訪問這個位置的元素所需要的時間越來越多。
在理想情況下，我們希望所有的“桶"以幾乎同樣的速度增長，這樣它們就可以盡可能的保持小的容量和相同的大小。換句話說，我們的目標就是盡可能的均勻和隨機地分配表中的元素，這種情況在理論上稱為 均勻散列，而在實際中，我們只能盡可能近似達到這種狀態。
如果想插入表中的元素數量遠大於表中的“桶‘的數量，那么即使是在一個均勻散列的過程中，表的性能也會迅速下降。在這種情況下，表中所有的”桶“都變得越來越深。因此，我們必須要特別注意一個哈希表的負載因子，其定義為：
a=n / m
其中n是表中的元素的個數，m是桶的個數。在均勻散列的情況下，鏈式哈希表的負載因子告訴我們表中的”桶“能裝下元素個數的最大值。
例如，有一個鏈式哈希表，其”桶“的數量是m=1699，元素的數量n=3198，其負載因子a=3198/1699=2。所以在這種情況下，當查找元素時，可能每個”桶“里面的元素個數不超過兩個。當有一個表的負載因子小於1時，這個表每個位置所包含的元素不超過1個。當然，由於均勻散列是一個理想的近似的情況，因此在實際情況中我們往往會檢索超過負載因子建議的數值。如何達到更接近於均勻散列的情況，最終取決於如何選擇哈希函數。
選擇哈希函數
一個好的哈希函數旨在均勻散列，也就是，盡可能以均勻和隨機的方式散布一個哈希表中的元素。定義一個哈希函數，它將鍵k映射到哈希表中的位置x。x稱為k的哈希編碼，正式的表述為：
h(k) = x
一般來說，大多數的散列方法都假設k為整數，這樣k能夠很容易地以數學方式修改，從而使得h能夠更均勻地將元素分布在表中。當k不是一個整數時，我們也可以很容易的將它強制置轉換為整型。
如何強制轉換一組鍵，很大程度上取決於鍵本身的特點。所以，在一個特定的應用中，盡可能地獲取鍵的特性尤為重要。例如，如果我們想對程序中的標識符進行散列，會發現程序中有很多相似的前綴和后綴，因為開發人員傾向於將變量聲明為類似sampleptr、simpleptr和sentryptr的名字。我們可以將鍵嚴格按照鍵的開頭和結尾字符來強制轉換，但這顯然不是一個好辦法，因為對於一個k會有多個整數與之對應。另一方面，我們不妨隨機地從4個位置來選擇字符，然后隨機地改變它們的順序，並將它們封裝到一個4字節的整數中。要記住，無論用什么樣的方法來強制轉換鍵，目的都是盡可能選擇一個能將鍵均勻、隨機地分布到表中的哈希函數。
取余法
一種簡單地將整型k映射到m槽位的散列方法是計算k除以m所得到的余數。我們稱之為取余法，正式的表述為：
h(k) = k mod m
如果有m=1699個位置，而要散列的鍵k = 25657，通過這種方法得到哈希編碼為25657 mod 1699 = 172。通常情況下，要避免m的值為2的冪。這是因為假如m=2p ,那么h僅僅是k的p個最低階位。通常我們選擇的m會是一個素數，且不要太接近於2的冪，同時還要考慮存儲空間的限制和負載因子。
例如，如果我們想往一個鏈式哈希表中插入n=4500個左右的元素，會選擇m=1699（m是一個介於210~211之間的素數）。由此可以計算出它的負載因子a=4500/1699約等於2.6，根據均勻散列表述，這說明表中每個“桶”大概能容納2~3個元素。
乘法
與取余法不同的是乘法。它將整型k乘以一個常數A（0<A<1）；取結果的小數部分；然后再乘以m取結果的整數部分。通常情況下，A取0.618，它由5的開平方減1再除以2得到。這個方法稱為乘法，正式的表述為：
h(k) = m(kA mod 1)， 其中A約等於0.618
這個方法有個優點是，對於表中槽位個數m的選擇並不需要像取余法中那么慎重。例如：如果表有m=2000個位置，散列的鍵k=6341，那么得到的哈希編碼為2000X（6341X0.618 mod 1) = 2000X(3918.738 mod 1)=2000X0.738=1476。
在鏈式哈希表中，如果期待插入的元素個數n不超過4500個，可以讓m=2250。這樣得到的負載因子a=4500/2250=2，根據均勻散列的規則，在每個“桶”中存儲的元素個數一般不超過兩個。同時，這個散列方法可以讓我們更加靈活地選擇m，以便獲取我們可以接受的最大“桶”深。
示例1列舉了一個能夠較好的處理字符串的哈希函數。它通過一系列的位操作將鍵強制轉換為整數。所有這些整數都是通過取余法得到的。這個哈希函數針對哈希字符串執行的很好。
示例1：一個適用於處理字符串的哈希函數
/*hashpjw.c*/ #include "hashpjw.h" unsigned int hashpjw(const void *key) { const char *ptr; unsigned int val; /*通過一系列的位操作，將鍵強制轉換為整數*/ val=0; ptr=key; while(*ptr != '\0') { unsigned int tmp; val = (val << 4) + (*ptr); if(tmp = (val & oxf0000000)) { val = val ^ (tmp >> 24); val = val ^ tmp; } ptr++; } /*在實際操作中，使用實際大小代替PRIME_TBLSIZ*/ return val % PRIME_TBLSIZ; }
另外一篇文章中，我們將詳細討論鏈式哈希表的接口定義與實現分析。