不是hash冲突的解决方式的是哪一种？
不是hash的解决方法的是：分支限界法
哈希的解决方法有：开放定址法；再哈希法；链地址法
hash索引和b索引区别？
Hash索引与B树索引的区别
由于Hash索引结构和B树不同，因此在索引使用上也会有差别：
（1）Hash索引不能进行范围查询，而B树可以。
这是因为Hash索引指向的数据是无序的，而B树的叶子节点是个有序的链表。
（2）Hash索引不支持联合索引的最左侧原则（即联合索引的部分索引无法使用），而B树可以。
对于联合索引来说，Hash索引在计算Hash值的时候是将索引键合并后再一起计算Hash值，所以不会针对每个索引单独计算Hash值。因此如果用到联合索引的一个或多个索引时，联合索引无法被利用。
（3）Hash索引不支持OrderBY排序，而B树支持。
因为Hash索引指向的数据是无序的，因此无法起到排序优化的作用，而B树索引数据是有序的，可以起到对该字段OrderBy排序优化的作用。
（4）Hash索引无法进行模糊查询。而B树使用LIKE进行模糊查询的时候，LIKE后面前模糊查询（比如%开头）的话可以起到优化的作用。
（5）Hash索引在等值查询上比B树效率更高。
不过也存在一种情况，就是索引列的重复值如果很多，效率就会降低。这是因为遇到Hash时，需要遍历桶中的行指针来进行比较，找到查询的关键字非常耗时。所以Hash索引通常不会用到重复值多的列上，比如列为性别，年龄等。
ash算法？
常见hash算法的原理
散列表，它是基于快速存取的角度设计的，也是一种典型的“空间换时间”的做法。顾名思义，该数据结构可以理解为一个线性表，但是其中的元素不是紧密排列的，而是可能存在空隙。
散列表（Hashtable，也叫哈希表），是根据关键码值（Keyvalue）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。
比如我们存储70个元素，但我们可能为这70个元素申请了100个元素的空间。70/1000.7，这个数字称为负载因子。我们之所以这样做，也是为了“快速存取”的目的。我们基于一种结果尽可能随机平均分布的固定函数H为每个元素安排存储位置，这样就可以避免遍历性质的线性搜索，以达到快速存取。但是由于此随机性，也必然导致一个问题就是。所谓，即两个元素通过散列函数H得到的地址相同，那么这两个元素称为“同义词”。这类似于70个人去一个有100个椅子的饭店吃饭。散列函数的计算结果是一个存储单位地址，每个存储单位称为“桶”。设一个散列表有m个桶，则散列函数的值域应为［0，m-1］。
解决是一个复杂问题。
主要取决于：
（1）散列函数，一个好的散列函数的值应尽可能平均分布。
（2）处理方法。
（3）负载因子的大小。太大不一定就好，而且浪费空间严重，负载因子和散列函数是联动的。
解决的办法：
（1）线性探查法：后，线性向前试探，找到最近的一个空位置。缺点是会出现堆积现象。存取时，可能不是同义词的词也位于探查序列，影响效率。
（2）双散列函数法：在位置d后，再次使用另一个散列函数产生一个与散列表桶容量m互质的数c，依次试探（dn*c）%m，使探查序列跳跃式分布。