1. 什么是哈希算法？
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，而通过原始数据映射之后得到的二进制值串就是哈希值。
哈希算法历史悠久，业界著名的哈希算法也有很多，比如 MD5、SHA 等。在我们平时的开发中，基本上都是拿现成的直接用。
怎样算是优秀的哈希算法？
- 从哈希值不能反向推导出原始数据（所以哈希算法也叫单向哈希算法）；
- 对输入数据非常敏感，哪怕原始数据只修改了一个 Bit，最后得到的哈希值也大不相同；
- 散列冲突的概率要很小，对于不同的原始数据，哈希值相同的概率非常小；
- 哈希算法的执行效率要尽量高效，针对较长的文本，也能快速地计算出哈希值。
哈希算法的应用非常非常多，包括安全加密、唯一标识、数据校验、散列函数、负载均衡、数据分片、分布式存储等。
2. 应用一：安全加密
常用的加密哈希算法：
- MD5（MD5 Message-Digest Algorithm，MD5 消息摘要算法）
- SHA（Secure Hash Algorithm，安全散列算法）
- DES（Data Encryption Standard，数据加密标准）
- AES（Advanced Encryption Standard，高级加密标准）
对用于加密的哈希算法来说，有两点格外重要。第一点是很难根据哈希值反向推导出原始数据，第二点是散列冲突的概率要很小。
基于鸽巢原理，哈希算法无法避免散列冲突。一般情况下，哈希值越长的哈希算法，散列冲突的概率越低。即便哈希算法存在散列冲突的情况，但是因为哈希值的范围很大，冲突的概率极低，所以相对来说还是很难破解的。
越是复杂哈希算法越难破解，但同样计算时间也就越长。所以，选择哈希算法的时候，要权衡安全性和计算时间来决定用哪种哈希算法。
3. 应用二：唯一标识
给每张图片取一个唯一标识，或者说信息摘要，就可以从海量图库中快速搜索一张图片。
哈希算法可以对大数据做信息摘要，通过一个较短的二进制编码来表示很大的数据。
4. 应用三：数据校验
BT 下载的文件经过哈希算法校验，用于校验数据的完整性和正确性。
5. 应用四：散列函数
散列函数对哈希算法的要求非常特别，更加看重的是散列的平均性和哈希算法的执行效率。
6. 应用五：负载均衡
利用哈希算法替代映射表，可以实现一个会话粘滞的负载均衡策略。
我们可以通过哈希算法，对客户端 IP 地址或者会话 ID 计算哈希值，将取得的哈希值与服务器列表的大小进行取模运算，最终得到的值就是应该被路由到的服务器编号。 这样就可以把同一个 IP 过来的所有请求，都路由到同一个后端服务器上。
7. 应用六：数据分片
通过哈希算法对处理的海量数据进行分片，多机分布式处理，可以突破单机资源的限制。
- 如何统计“搜索关键词”出现的次数？
可以先对数据进行分片，然后采用多台机器处理的方法，来提高处理速度。具体的思路是这样的：为了提高处理的速度，我们用 n 台机器并行处理。从搜索记录的日志文件中，依次读出每个搜索关键词，并且通过哈希函数计算哈希值，然后再跟 n 取模，最终得到的值，就是应该被分配到的机器编号。
- 如何快速判断图片是否在图库中？
通过同样的哈希算法，计算这个图片的唯一标识，然后与机器个数 n 求余取模。假设得到的值是 k，那就去编号 k 的机器构建的散列表中查找。
8. 分布式存储
利用一致性哈希算法，可以解决缓存等分布式系统的扩容、缩容导致数据大量搬移的难题。
假设我们有 k 个机器，数据的哈希值的范围是 [0, MAX]。我们将整个范围划分成 m 个小区间（m 远大于 k），每个机器负责 m/k 个小区间。当有新机器加入的时候，我们就将某几个小区间的数据，从原来的机器中搬移到新的机器中。这样，既不用全部重新哈希、搬移数据，也保持了各个机器上数据数量的均衡。
