哈希算法

哈希算法

前言

本文章，用作学习、记录，整理、借鉴于：https://www.juejin.im/post/6874708801208254478

基本介绍

哈希概念

散列（hashing）是电脑科学中一种对资料的处理方法，通过某种特定的函数/算法（称为散列函数/算法）将要检索的项与用来检索的索引（称为散列，或者散列值）关联起来，生成一种便于搜索的数据结构（称为散列表），也译为散列，旧译哈希（误以为是人名而采用了译音）。它也常作一种咨询安全的实作方法，用一串资料中经过散列算法计算出的资料指纹，经常用来识别档案与资料是否有被篡改，以保证档案与资料确实是由原创者所提供。

哈希函数

根据设定的哈希函数H（key）和处理冲突方法将一组关键字映象到一个有限的地址空间上的算法，也称为散列算法、杂凑算法。

常见的哈希算法：
1、MD4

MD4(RFC 1320)是MIT的Ronald L.Rivest在1990年设计的，MD是Message Digest(消息摘要)的缩写。它适用在32位字长的处理器上用告诉软件实现——它是基于32位操作数的位操作来实现的。

2、MD5

MD5(RFC 1321)是Rivest于1991年对md4的改进版本。它对输入仍以512位分组，其输出是4个32位字的级联，与md4相同。MD5比MD4来的复杂，并且速度较之要慢一点，但更安全，在抗分析和抗差分方面表现更好。

3、SHA-1

SHA1是由NIST NSA设计为同DSA一起使用的，它对长度小于264的输入，产生长度为160bit的散列值，因此抗穷举性更好。SHA-1设计时基于和MD4相同原理，并且模仿了该算法。

哈希表

哈希表，大概意思就是Hash table,也叫哈希表，它是通过hash算法得来的，通常而言，是一个固定长度的数组。
假设关键字为value，那么其值存在与hash(value)的存储位置上，不需要比较就可以直接拿到所查记录，称这个对应关系为散列函数，按这个思想建立的表为散列表。
总的来说，哈希表就是一种映射关系代表，可以根据这个映射关系由（关键字）找到值。

如何解决哈希冲突

哈希冲突：由于哈希算法被计算的数据是无限的，而计算后的结果范围有限，因此总会存在不同的数据，经过计算后得到的值相同，这就是哈希冲突。

1、链地址法

每个数组单元中存储的不再是单个数据，二十一条链条，用的更多，java的HashMap,它解决hash冲突使用的就是链地址法。

一般而言，链表的长度是规定最长为8。

2、开放地址法

这种方法解决冲突的思路是，寻找空白的单元格来添加重复的数据。

那么这种方法有具体的探测方法：

• 线性试探法
• 二次探测
• 再哈希法

线性探测法

线性探测法的地址增量di=1,2…,m-1,其中，i为探测次数。该方法一次探测下一个地址，知道有空的地址后插入，若整个空间都找不到空余的地址，则产生溢出。

二次探测

二次探测法的地址增量序列为di=2，-4，8，-16，…，q^2， q^2（q<=m/2）。二次探测能有效避免“聚集”现象，但是不能够探测到哈希表上所有的存储单元，但是至少能够探测到一半。

再哈希法

把关键字用另外一个哈希函数，再做一次哈希化，用这次哈希化的结果作为步长。

建立公共溢出区

将哈希表分为基本表和溢出表两部分，凡是和基本表发生冲突的元素，一律填入溢出表（注意：在这个方法里面是把元素分开两个表来存储）。

哈希应用

安全加密

日常用户密码加密通常使用的都是md5、sha等哈希函数，因为不可逆，而且微小的区别加密之后的结果差距很大，所以安全性更好。

唯一标识

比如URL字段或者图片字段要求不能重复，这个时候可以通过对相应字段值做md5处理，将数据统一为32位长度从数据库索引构建和查询角度效果更好，此外，还可以对文件之类的二进制数据做md5处理，作为唯一标识，这样判定重复文件的时候更快捷。

数据校验

比如从网上下载的很多文件（尤其是p2p站点资源），都会包含一个MD5值，用于校验下载数据的完整性，避免数据在中途被劫持篡改。