哈西算法上
1.哈西算法要求
i.对输入数据非常敏感，原始数据修改一点点，hash值就会变
注:可用头尾校验
ii.散列冲突概率非常小，相同值发生冲突概率小
注:可用散列函数(散列只是哈西一个应用而已)
iii.单向哈西，不能由哈西值推回原值
注:可用安全加密
iiii.哈西执行效率高，针对长文本，也能快速计算哈西值
注:可用快速查询
2.MD5哈西算法
MD5(" 今天我来讲哈希算法 ") = bb4767201ad42c74e650c1b6c03d78fa
MD5("jiajia") = cd611a31ea969b908932d44d126d195b
注:MD5哈西值是128位Bit长度，为方便表示全转16进制
MD5(" 我今天讲哈希算法！") = 425f0d5a917188d2c3c3dc85b5e4f2cb
MD5(" 我今天讲哈希算法 ") = a1fb91ac128e6aa37fe42c663971ac3d
注:一点不同，得到哈西值不同，而且很难反向推出原值
3.哈西应用
i.安全加密
最常用加密的是MD5，SHA
注:越复杂，越难破解的加密算法，需要计算的时间越长
ii.唯一标识
海量图库搜索一张图片是否存在？
注:不能单纯用名字搜索，可能同名，最笨的方式是找二进制码串，因为任何文件都可以在计算中表示成二进制码串，但太费时，故可以给每个图片一个唯一标识，将二进制码串选择300字节通过哈西算法得到唯一标识几，若想继续提高效率，可以将标识=路径对存在散列表
iii.数据校对
BT下载软件如迅雷，采用p2p协议，多个机器并行下载一个文件2GB的不同文件块100块(每块约20MB)，所有文件块下完后，再组成完整电影文件，网络传输中如何校验每个文件块安全，完整，正确呢？
注:每个文件块取哈西值，存在种子文件中，因为哈西算法对数据非常敏感，有一点不同就会变值，当下载完后，再次求哈西值比对就行(抓住开始和结尾对比就行)
iiii.散列函数
哈西应用之一就是散列函数，散列函数对于散列算法计算得到的值，是否能反向解密也并不关心，更加关注散列后的值是否能平均分布
注:散列函数的来源是哈西算法
4.CSDN账号密码泄露
i.对密码进行加密，采用SHA算法(MD5号称已被破解)，但这样也不是万事大吉了
注:因为黑客还可以猜密码再比对，因为很多人密码设置非常简单，很容易被猜中，这就是字典攻击，维护一个常用密码字典表，常用值算哈西值，然后比对加密后值
ii.为避免字典攻击，加入一个盐，跟用户密码组合到一起，拿组合后的字符串算哈西值
注:加盐，可以头部尾部中间加，加的盐还可以是随机的，增加密码难度，所有的安全只是增加攻击成本而已，不存在绝对安全
5.区块链加密
区块链是由一个个区块组成，每个区块分为区块体和区块头，区块头存自己和上一个去块头哈西值，采用SHA256哈西算法，计算非常耗时，如果本区间被篡改，则后面所有区块都不对，都需要全部重新计算，短时间几乎是做不到的
哈西算法下
上面讲了4个应用，安全加密，数据校验，唯一标识，散列函数，这部分讲负载均匀，数据分片，分布式存储
1.哈西应用
i.负载均匀
负载均匀算法很多，比如轮询，随机，加权轮询等，如何实现一个会话粘滞的负载均匀算法呢？
也就是同一个客户端请求全部路由到同一个服务器上
注:最简单做法，维护一张客户端ip和服务器ip映射关系表，但维护映射表成本太大，完全可以用哈西算法解决，客户端ip/id哈西加密，然后哈西值和服务器列表大小取模运算(取模实质就是在模内分配)，得到的值就是服务器编号值
再注:前者映射表空间换时间，后者哈西算法时间换空间
ii.数据分片
问题一:如何统计搜索关键词出现的次数
假设有1T日志文件，需要快速统计出每个关键词被搜索次数，怎么办？
注:难点有二，一待数据量太大，二一台机子很慢。
对应思路就是一数据分片，二分到n台机器并行。
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。这样，哈希值相同的搜索关键词就被分配到了同一个机器上。也就是说，同一个搜索关键词会被分配到同一个机器上。每个机器会分别计算关键词出现的次数，最后合并起来就是最终的结果。
关键点:不同值的哈西值是不同的等价相同哈西值是相同的，取模运算实质是模内编号，这样实现了数据分派到不同机子
问题二:如何快速判断图片是否在图片库中
假设一亿张照片，前面是建散列表实现，现在这完全突破了单机极限，怎么处理？
注:数据分片，分配到不同机子，分机处理，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。
关键点:估算建立散列表需要多少台机器
散列表每个单元:
哈西值128bite=16Byte
存储路径上限256Byte，假设平均128Byte
总计152Byte
注:散列对象两个部分，key=value
一个机器能存多少单元:
假设机器内存2GB，散列装载因子0.75，一台机器可存2GB*0.75/152=1千万左右，估算共需10几台机器
注:这也是多机分布式处理
iii.分布式存储
为了提高数据的读取、写入能力，一般都采用分布式的方式来存储数据，比如分布式缓存。我们有海量的数据需要缓存，就需要将数据分布在多台机器上。
问题一该如何决定将哪个数据放到哪个机器上呢？
注:借用前面数据分片的思想，即通过哈希算法对数据取哈希值，然后对机器个数取模，这个最终值就是应该存储的缓存机器编号。
问题二如何进行机器扩容呢？
注:简单加个机器，会产生雪崩效应，因为所有数据都需要全部重新计算，重新搬到新机器上，之前的缓存全部失效，请求就会直接去数据库请求，然后数据库崩溃
关键点:可以采用一致性哈西算法，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。
注:将哈西值分片
2.课后思考
哈希算法还有很多其他的应用，比如网络协议中的 CRC 校验、Git commit id 等等。
