HASH算法

1基本原理

我先提一个简单的问题，在一个一百万首歌中，如何快速找出你要的那一首歌？当然歌名必须相同，也许你会想，只有一百万，全部查找一遍不就好了？问题是，一首歌的名字也有长度，每次必须从头到尾扫描一遍，最后就会很慢了。Hash 算法就可以解决这个问题，也就是一个优化时间复杂度的算法。

Hash 算法的基本原理就是，把一个字符串（或是一串数）压缩为一个数，具体压缩的方法为一个给定的哈希函数。比如定义 a 对应 1，b 对应 2，c 对应 3；每个位置上生成一个随机数，字符串的哈希值即为每个字符对应的数 × 随机数之和。如果两个字符串完全相同，哈希值也应该相同；但如果两个字符串不同，哈希值相同的概率就极低了。

另外，通过哈希函数可以把字符串轻松转成一个数值，但如果知道数值转化为字符串，就非常困难了。因此哈希函数是单向的。

这相当于一个 “ 赌 ” 的游戏，即赌字符串不同，哈希值就不会相同。为了使概率极低，需要把随机数生成得越大越好，即哈希函数十分重要。如果把哈希函数设计得过于简单，那非常容易就会出现矛盾。

2滚动哈希（Rolling Hash）

我再提出一个问题，如何快速判断一个长度为 m 的字符串，是另一个长度为 n 的字符串的子串？其中 n 比较大，m 比较小，如果枚举所有较长字符串中的所有长度为 m 的子串，再一一判断，是会超时的。用哈希的想法是，将长度为 m 的字符串，转化为一个哈希值，然后与子串比较哈希值。

不过这样做有一个问题，每一个子串的哈希值不还是要 O(m) 扫描一遍求吗？其实你会发现，如果枚举起点，固定终点，每次仅往后挪了一格。此时如果重新计算哈希值，会有大量重复，因此不划算。

按照我们之前举过的例子定义哈希函数，每次挪动一格，只需删除起点处格子的哈希值，增加终点处格子的哈希值，即可达到目的。现在问题又来了，挪动一格位置加一的同时，随机数没有改变呀？其实解决方案并不困难，只要 “ 随机数 ” 为 m 的幂次即可，即每往后挪动一个，中间的格子集体乘以 m。这样相当于一个 m 进制数，更可以保证哈希值的唯一性，如下图所示。

其实比较子串的算法有不止一种，比如 KMP 算法。上述的做法就是大名鼎鼎的 Rabin - Karp 算法，其中的 Rabin 是不是很眼熟呢？就是 Miller-Rabin 算法中的 Rabin 哦，点击下面的链接回顾这个判断质数的算法：

一分钟算法——Miller-Rabin 质数判断法

用类似滚动哈希的方法，可以避免重复，大大增加效率，用哈希的思想来解决判断子串等问题。

3后记

最后来谈谈哈希算法的具体应用，主要用于 “ 压缩 ”。在上世纪打仗发电报时，通常用哈希来进行 “ 确认 ”（类似加密，哈希即那个时候发明）。比如德国的潜水艇与德国指挥部用相同的哈希函数，为了防止电报被敌方收到后，修改再发送，因此只要在传送时附上这个字符串的哈希值，然后与收到的比对一下即可。如果不同，说明这条消息是不正确的，不能听从指令。当然，为了防止敌方破译密码，可能会每天修改一次哈希函数。

说到加密，就有必要提一提令我影响深刻的电影《U-571》了，这部精彩紧张的电影让生活在现代的我，也能感受到当时打仗的激烈和密码机的重要。欢迎阅读我的 “ 科普 ” 电影介绍：

电影《U-571》中的物理

读到这里，是不是觉得哈希算法相当有用呢？不止歌曲搜索，在各种搜索网站，比如百度，用到的底层思想都是哈希算法。不然在成千上万的网页中，怎么会快速找出关键词呢。