hash

hash定义

hash也称散列、哈希。把任意长度的输入通过散列算法变换成固定长度的输出，该输出就是散列值。

hash算法

• 加法、乘法、除法等
• 位运算
• 除留余数h(k) = k % m
• 平方取中法。取关键字平方后的中间几位作为散列地址。

hash算法的特点

• 不可逆，从hash值不可以反向推导出原始的数据，既散列算法的不可逆性。
• 计算高效
• 分布均匀，hash算法的冲突概率要小

hash 冲突

由于hash的原理是将输入空间的值映射成hash空间内，而hash值的空间远小于输入的空间。根据抽屉原理，一定会存在不同的输入被映射成相同输出的情况。那么作为一个好的hash算法，就需要这种冲突的概率尽可能小。

影响冲突的因素

• 散列函数是否均匀；
• 处理冲突的方法；
• 散列表的装填因子。
  散列表的装填因子定义为：α= 填入表中的元素个数/散列表的长度，如果大于某个值，可以再开辟一份更大空间

解决冲突

开放地址法

M个数组要存储N个元素（M>N），当发现冲突的时候，就去寻找下一个空的散列表地址，就以当前地址为基准，根据再寻址的方法（探查序列），去寻找下一个地址，若发生冲突再去寻找，直至找到一个为空的地址为止。

链地址法

使用一个链表数组，当发生冲突时，依次将数据添加到链表的后面。

再hash法

当发生哈希冲突时使用另一个哈希函数计算地址值，直到冲突不再发生。这种方法不易产生聚集，但是增加计算时间，同时需要准备许多哈希函数。

建立一个公共溢出区

采用一个溢出表存储产生冲突的关键字。如果公共溢出区还产生冲突，再采用处理冲突方法处理。

hash 用途

数据校验

对于大文件传输，会分成多个小块进行传输，如果传输出现错误，可以通过文件传输前后的hash值对比出来

信息加密

客户端对用户输入密码进行hash加密，服务器端保存用户密码的hash值，进行对比

一致性hash

问题

在处理分布式系统中负载均衡问题，可以使用hash算法将多个用户请求到一台服务器上，每台服务器处理一部分请求，实现负载均衡。使用除留余数h(k) = k % m作为hash函数，不具有伸缩性，当添加删除一个服务器时，每个服务器的id变化很大，导致用户请求缓存无效。

一致性hash

所谓一致性hash是对2^32取模，将整个Hash空间组织成一个虚拟的圆环。
将服务器和用户请求都进行相同的hash，用户请求以当前hash值沿着顺时针查找，分配到的第一个服务器上。

虚拟节点

但是这样还会出现负载不均衡的情况，一个服务器处理请求特别多。添加虚拟节点，是实际节点（实际的物理服务器）在hash环上的复制品，一个实际节点可以对应多个虚拟节点。虚拟节点越多，hash环上的节点就越多，数据被均匀分布的概率就越大。