理解为什么哈希表需要扩容、常见的扩容策略及如何实现
装载因子 = 元素数 / 桶数。当装载因子过高时，碰撞概率急剧上升，查找效率从 O(1) 退化到 O(n)。Java HashMap 默认在 0.75 时触发扩容。
哈希表的核心优势是 O(1) 平均查找。扩容通过增加桶的数量，将元素重新分布，降低碰撞概率，保持性能稳定。
扩容的 rehash 操作是一次性开销，但换来了长期稳定的查询性能。这是一种典型的"空间换时间"策略。
每次扩容为原来的 2 倍（newSize = oldSize × 2）。
Java HashMap、Go map、Python dict 等均采用此方案。优点是实现简单、扩容次数少、index = hash & (n-1) 位运算高效。
每次扩容到下一个质数（8 → 17 → 37 → 79...）。
Redis dict 默认使用。质数模运算使哈希分布更均匀，减少聚集效应，但需要维护质数表。
每次扩容增加固定数量（如 +8、+16），或者不一次性完成，而是分批迁移旧数据。
优点是避免单次扩容的停顿时间，Redis 和 Go 的 map 都采用渐进式 rehash。
每次插入时检查 装载因子 = count / buckets >= 阈值（通常 0.75），超过阈值则触发扩容。
根据所选策略确定新大小（2x、下一个质数、+N），创建新的空桶数组。
遍历每个旧桶中的每个元素，用新的桶数重新计算 newIndex = hash(key) % newSize，插入到对应的新桶中。
将桶数组指针指向新数组，释放旧数组内存。如果是渐进式 rehash，则逐步完成迁移。