引自：http://zhidao.baidu.com/link?url=QDq4V0J-uP0HKtWo1gF6DLD-yWb0OiwoSUe8brpWphvthqXtQSnnAktjDR36noYnf_84mI2n4OeLq_xF_2PXsa
这个问题有点难度，不是很好说清楚。 我来做一个比喻吧。 
我们有很多的小猪，每个的体重都不一样，假设体重分布比较平均(我们考虑到公斤级别)，我们按照体重来分,划分成100个小猪圈。 
然后把每个小猪，按照体重赶进各自的猪圈里，记录档案。 好了，如果我们要找某个小猪怎么办呢？我们需要每个猪圈，每个小猪的比对吗？ 
当然不需要了。 我们先看看要找的这个小猪的体重，然后就找到了对应的猪圈了。 
在这个猪圈里的小猪的数量就相对很少了。 
我们在这个猪圈里就可以相对快的找到我们要找到的那个小猪了。 对应于hash算法。 
就是按照hashcode分配不同的猪圈，将hashcode相同的猪放到一个猪圈里。 
查找的时候，先找到hashcode对应的猪圈，然后在逐个比较里面的小猪。 所以问题的关键就是建造多少个猪圈比较合适。 如果每个小猪的体重全部不同（考虑到毫克级别)，每个都建一个猪圈，那么我们可以最快速度的找到这头猪。缺点就是，建造那么多猪圈的费用有点太高了。 如果我们按照10公斤级别进行划分，那么建造的猪圈只有几个吧，那么每个圈里的小猪就很多了。我们虽然可以很快的找到猪圈，但从这个猪圈里逐个确定那头小猪也是很累的。 所以，好的hashcode，可以根据实际情况，根据具体的需求，在时间成本(更多的猪圈，更快的速度)和空间本(更少的猪圈，更低的空间需求)之间平衡。

摘抄这个为了方便理解hadoop分布式

Hash算法原理