左神算法课总结（hash函数及应用）

1. hash函数

Hash（哈希），又称“散列”。

散列（hash）英文原意是“混杂”、“拼凑”、“重新表述”的意思。

在某种程度上，散列是与排序相反的一种操作，排序是将集合中的元素按照某种方式比如字典顺序排列在一起，而散列通过计算哈希值，打破元素之间原有的关系，使集合中的元素按照散列函数的分类进行排列。

在介绍一些集合时，我们总强调需要重写某个类的 equlas() 方法和 hashCode() 方法，确保唯一性。这里的 hashCode() 表示的是对当前对象的唯一标示。计算 hashCode 的过程就称作 哈希。

hash函数性质：

1. 输入为任意长字符串，输出为固定长字符串。
2. 输入确定，输出随之确定。特定输入对应唯一输出。（有可能两个输入对应一个输出 ——hash碰撞）
3. 随着输入域增大，输出域均匀增大，（这种均匀性越好，hash函数越好）
   参考：https://blog.csdn.net/boke14122621/article/details/71773131

2. 设计RandomPool结构

【题目】 设计一种结构，在该结构中有如下三个功能：
insert(key)：将某个key加入到该结构，做到不重复加入。
delete(key)：将原本在结构中的某个key移除。 getRandom()：
等概率随机返回结构中的任何一个key。
【要求】 Insert、delete和getRandom方法的时间复杂度都是O(1)

做法：
insert和getRandom：
构造map<key ,integer> map1 ，map<integer, key> map2 。当第一个插入o1，就在map1.add(o1,1)，map2.add(1,o1)。 当希望进行get时，通过数字进行random，得到的就是等概率的。(保证0 - inreger 是连续的就可以保证等概率）

delete：
删掉后存在空缺，这些洞影响了 0 - inreger 是连续的。 做法：拿最后一条记录和空缺进行交换，size – 。

3. 布隆过滤器

参考：https://www.jianshu.com/p/2104d11ee0a2

例：建立100亿大小的黑名单

做法：
设置k个哈希函数，对于每个黑名单上的url，分别对k个哈希函数进行计算，得到的hashcode % m （m就是布隆过滤器的大小），对这个位置置1，这样一个url会对k个位置进行置1。

后面对全部 url 重复上述操作，使之加入布隆过滤器

当需要检验一个url在不在黑名单上时，分别对k个哈希函数进行计算，得到的每个位置假设全部为1，那么就认为它在黑名单上，否则若存在某个哈希函数结果不为1，认为不在。（有误杀率p，宁可错杀三千不可放过一个）

布隆过滤器只与数据量大小有关，与每个数据项大小无关

知道数据量大小n，和误杀率p 就能确定一个布隆过滤器

有关公式：
m = n * lnP / (ln2)^2； m是布隆过滤器的大小（开的bit数组），p是预期失误率
k = ln2 * m/n ; 哈希函数的个数。
真实误杀率为 (1 - e ^ (- nk / m ) ) ^ k