概述
关联容器（比如dict,map）的设计总会极大地关注键的“搜索效率”。一般来说，关联容器的实现都会基于设计良好的数据结构。
比如C++的STL中的map基于RB-tree(红黑树，一种平衡二叉树)实现，能够提供良好的搜索效率，其时间复杂度为O(logN)。
Pyhton中的是PyDictObject对象(dict)，该对象被大量的使用，所以对搜索的效率要求极其苛刻。
因此，PyDictObject没有如map一样使用平衡二叉树，而是采用了散列表，理论上，散列表能提供O(1)的搜索时间复杂度。
散列表
散列表的目的：加速键的搜索过程。
散列函数
散列函数的优劣将直接决定所实现的散列表的搜索效率的高低。
散列冲突
装载率为“已使用空间/总空间”，当装载率大于2/3时，散列冲突发生的概率就会大大增加。
解决冲突的办法：
- 拉链法（开散列法）
- 开地址法（毕散列法）
Pyhton中使用“开地址法（开放定址法）”：
当发生冲突时，Python通过一个二次探测函数计算下一个候选位置。当候选位置可用时，将待插入元素放到候选位置上；如果不可用，则再次使用二次探测函数，获得下一个候选位置，直到找到一个可用的位置。
探测序列、伪删除。
存储实现原理
参见：Python源码剖析
操作实现原理
参见：Python源码剖析
