Python番外(0004): 怎么理解哈希(hash)

1. 什么是哈希

Hash，一般翻译为散列、杂凑，或者音译为哈希，是把任意长度的输入（又叫做预映射pre-image）通过散列算法变换成固定长度的输出，该输出就是散列值。这种转换是一种压缩映射，也就是，散列值的空间通常远小于输入空间。

如果说咱们常见的加/减/乘/除是最简单的算法，那么哈希算法无非是一个更为复杂一点的算法，它可以输入字符串、数据、文件等，经过哈希运算之后，变成一个固定长度的输出，也就是哈希值。

哈希算法有一个很大的特点，就是不能从结果反向推算出输入，所以又称为不可逆的算法。

2. 哈希特性

• 不可逆

  给定一个输入，可以通过哈希算法得到哈希值，但是没办法从哈希值反向推算出该哈希值对应的输入是什么。

  从这个角度看，哈希算法可以作为一种加密算法。

• 计算快

  20G的高清电影和一个5K的文本文件复杂度相同，计算量都很小，可以在很短的时间内得出结果。

3. 哈希的用途

• 密码

  我们日常使用的各种电子密码本质上都是基于hash的，你不用担心支付宝的工作人员会把你的密码泄漏给第三方，因为你的登录密码是先经过 hash+各种复杂算法得出密文后 再存进支付宝的数据库里的。

• 文件完整性校验

  通过对文件进行hash，得出一段hash值 ，这样文件内容以后被修改了，hash值就会变。 MD5 Hash算法的”数字指纹”特性，使它成为应用最广泛的一种文件完整性校验和(Checksum)算法，不少Unix系统有提供计算md5 checksum的命令。

• 数字签名

  数字签名技术是将摘要信息用发送者的私钥加密，与原文一起传送给接收者。接收者只有用发送者的公钥才能解密被加密的摘要信息，然后用HASH函数对收到的原文产生一个摘要信息，与解密的摘要信息对比。如果相同，则说明收到的信息是完整的，在传输过程中没有被修改，否则说明信息被修改过，因此数字签名能够验证信息的完整性。

4. 基于Hash的数据类型有哪些

Python 中基于hash的2个数据类型是字典(dict)和集合(set)。字典的查询速度快，集合的去重特定，都是利用hash来实现的。

4.1 为什么字典查询速度快，且基本不受字典大小的影响

在创建字典时，Python会对字典的每个key进行哈希运算，得到一段固定长度的哈希值。然后，把这些哈希值按照大小排序，存放在一个列表里。

当我们使用key去查询字典时，Python先把key哈希运算得到哈希值，然后利用这个哈希值在刚才的有序列表里进行快速查找，找到了key的哈希值在有序列表里的位置，就能定位到该key对应的value所在的位置。

4.2 集合为什么能去重

在我们向集合(set)中存放数据时，都是先经过哈希运算，然后通过得出的哈希值来确定应该存在集合(set)里的哪个位置。如果这个位置已经有值，那么判断新旧值是否相等，如果相等，那就不做额外的操作；如果不相等（或者没有旧值），那么就把新值存在这里。

参考资料：路飞学城