本文共 1602 字，大约阅读时间需要 5 分钟。

哈希算法

1. 将任意长度的二进制值串，映射为固定长度的二进制值串，这个映射的规则就是哈希算法，映射的值就是哈希值；

从哈希值不能反向推导出原始数据	原始数据只修改了一个 Bit，新得到哈希值与原哈希值也应该大不相同	散列冲突的概率要很小，即不同的原始数据，映射得到的哈希值相同的概率要非常小	哈希算法的执行效率要尽量高效，要快速地计算出哈希值	举例：		MD5("我今天讲哈希算法！") = 425f0d5a917188d2c3c3dc85b5e4f2cb		MD5("我今天讲哈希算法")   = a1fb91ac128e6aa37fe42c663971ac3d		// 哈希值长度一致，原始数据相差小，哈希值完全不同		MD5(一篇4000字文章)，也能很快得到哈希值

2. 应用场景：安全加密、唯一标识、数据校验、散列函数、负载均衡、数据分片、分布式存储；

安全加密

1. 常用的加密算法，MD5，SHA，DES，AES，加密要求哈希算法，不能反推原始数据的要求比较高，并且哈希冲突也得尽量小；

哈希值长度越大，哈希冲突的概率越小，但可能加密时间越长，需要做一个平衡

唯一标识

1. 图片搜索中，不能依靠图片名称搜索，原始的方案是，用图片的二进制码串和图库的所有图片码串进行一一对比，但码串可能非常大，比对效率很低；

2. 为此，可以给每个图片生成一个信息摘要，即唯一标识，如将图片码串，取前100字节，中间100字节，尾部100字节，然后通过哈希算法，生成一个哈希串，作为唯一标识，图片搜索时，先比对唯一标识，只有当唯一标识匹配时，再进行全量比对来确认是否完全一致；

为加快搜索效率，可以将图片唯一标识，和图片在图库路径，存放在散列表中，这样查找效率高

数据校验

1. 因为哈希算法，原始数据发生一丁点改变，最终生成的哈希值就大不相同，因此哈希值就可以用来数据校验，保证原始数据发生了改变，校验就会不通过；

散列函数

1. 散列函数，就是哈希算法，不过它对哈希冲突的要求没有那么高，更关注的是散列是否均匀，散列函数的计算是否高效；

负载均衡

1. 如果负载均衡策略是会话粘滞，就可以通过哈希算法，对客户端 IP 地址或者会话 ID 计算哈希值，将哈希值与服务器列表的大小进行取模运算，得到的值就是应该被路由到的服务器编号；

2. 这种方案，比起维护一张 ip 地址和服务器地址的列表，进行查找更方便，尤其在面临服务器上下线的场景；

数据分片

1. 当面对海量数据，需要并发处理时，可以先对数据进行分片，但要保证分片的关键字，在单机上处理的结果累加，就是整体处理的结果；

如 1 亿张图片，将其哈希值和路径，存放在散列表，单台机器内存不够，需要进行分片，可以根据哈希值对机器个数求模取		余，表示要存放的机器

分布式存储

1. 当数据进行分布式存储后，节点扩缩容，都涉及数据的搬移，如果单纯的哈希取余，节点上线，会有大量数据需要重新映射，为此引入一致性哈希，是指将数据的最小哈希值和最大哈希值，划分为多个小区间，每个节点维护一部分区间，这样节点上下线，数据映射不会大量改变；

2. 一致性哈希，借助虚拟环和虚拟节点，

应用

1. 用户密码的存储，可以通过哈希算法 SHA 进行加密后存储，不过如果是简单密码，生成的哈希值，很容易被猜到，因此，可以在用户密码的基础上，加盐后进行 SHA 加密；

2. 分块 ( 索引 ) 查找，要求块间是有序的，即一个块中的元素，都要比另一个块中元素，大或者小，首先将每个块中最大值，和对应的起始位置，组成一个有序序列，然后通过二分查找，确定元素所在的块，最后在块内，进行顺序查找；

3. 排序二叉树，查找元素，时间复杂度 O(h)，h 是树的最大高度，对于平衡二叉树，h = log2N，查找过程，从根元素开始，每次确定左边，或者右边，进行查找；

4. 哈希表，查找元素，时间复杂度，O(1)，因为元素的存储位置，和元素值直接相关；

算法操作

1. word 实现

转载地址：http://qsfin.baihongyu.com/