使用2的指数倍扩容，针对单个表扩容其实并不频繁，比如100W个节点，最多扩容20次，2^20 > 100W。只是在表的前期会相对频繁，1、2、3、5、9条记录插入会触发扩容，所以要避免小表的频繁创建插入。
预先填充方式
a = os.clock()
for i = 1, 1000000 do
local tab = {["1"] = 1, ["2"] = 2, ["3"] = 3, ["4"] = 4, ["5"] = 5}
end
b = os.clock()
print(“timediff:”, b - a)
timediff: 0.53
动态扩容方式
a = os.clock()
for i = 1, 1000000 do
local tab = {}
tab["1"] = 1
tab["2"] = 2
tab["3"] = 3
tab["4"] = 4
tab["5"] = 5
end
b = os.clock()
print(“timediff:”, b - a)
timediff: 1.68
分析：可以看到预填充方式可以避免频繁的表扩容，cpu消耗是动态扩容的1/3。使用预填充的方式，在创建tab时，会直接分配一个8个元素的Node节点的内存，存放数据。而采用动态扩容的方式，第一次分配1个元素，然后随着数据的插入，会扩容到2个元素的内存，把原来数据重新hash到新分配的内存，释放老内存。同理，随着数据的插入，继而扩容到4个元素、扩容到8个元素...
2、rehash导致内存消耗演示
tab = {}
text = "diff mem"
collectgarbage("stop")
before = collectgarbage("count");
for i = 1, 100 do
tab[10000 + i] = i
local cur = collectgarbage("count")
print(text, cur - before)
before = cur ;
end
因为hashtable数据分配是0、1、2、4、8、16、32这些内存大小，所以在插入数据时分别在1、2、3、5、9、17、33时内存不够触发扩容，如上红色标记的点。可以看到在红色标记的点上，内存会有大幅扩大，而且基本是上一次大幅扩容的2倍关系。
问题一：在上述截图中，为什么在10、18、34这些地方出现了额外的内存消耗？