哈希学习笔记

1、散列思想

散列表用的是数组支持按照下标随机访问数据的特性，所以散列表其实就是数组的一种扩展，由数组演化而来。可以说，如果没有数组，就没有散列表。

2、散列函数

它是一个函数。我们可以把它定义成hash(key)，其中 key 表示元素的键值，hash(key) 的值表示经过散列函数计算得到的散列值。

三点散列函数基本要求：

• 散列函数计算得到的散列值是一个非负整数；
• 如果 key1 = key2，那 hash(key1) == hash(key2)；
• 如果 key1 ≠ key2，那 hash(key1) ≠ hash(key2)。 再好的散列函数也无法避免散列冲突

3、散列冲突

3.1 开放寻址法

开放寻址法的核心思想是，如果出现了散列冲突，我们就重新探测一个空闲位置，将其插入 。

• 线性探测 ： 往散列表中插入数据时，如果某个数据经过散列函数散列之后，存储位置已经被占用了，从当前位置开始，依次往后查找，看是否有空闲位置，直到找到为止 。

• 二次探测 ： 跟线性探测很像，线性探测每次探测的步长是 1，而二次探测探测的步长就变成了原来的“二次方”。

• 双重散列 ： 不仅要使用一个散列函数。我们使用一组散列函数， 如果计算得到的存储位置已经被占用，再用第二个散列函数，依次类推，直到找到空闲的存储位置

3.2 链表法

链表法是一种更加常用的散列冲突解决办法，相比开放寻址法，它要简单很多。

在散列表中，每个“桶（bucket）”或者“槽（slot）”会对应一条链表，所有散列值相同的元素我们都放到相同槽位对应的链表中 。

3.3 适用场景

• 当数据量比较小、装载因子小的时候，适合采用开放寻址法。这也是 Java 中的ThreadLocalMap使用开放寻址法解决散列冲突的原因。
• 基于链表的散列冲突处理方法比较适合存储大对象、大数据量的散列表，而且，比起开放寻址法，它更加灵活，支持更多的优化策略，比如用红黑树代替链表。

4、优化散列表

4.1 设计合适的散列函数

• 散列函数的设计不能太复杂 ；
• 散列函数生成的值要尽可能随机并且均匀分布 ；
• 综合考虑各种因素：关键字的长度、特点、分布、还有散列表的大小

4.2 优化装载因子过大

装载因子越大，说明散列表中的元素越多，空闲位置越少，散列冲突的概率就越大 。

• 没有频繁插入和删除的静态数据集合来说，直接初始化合适的散列表长度。
• 对于动态散列表来说，数据集合是频繁变动的 ，进行动态扩容。随着数据的删除，散列表中的数据会越来越少，空闲空间会越来越多，可以选择动态缩容。

为了解决一次性扩容耗时过多的情况，我们可以将扩容操作穿插在插入操作的过程中，分批完成。当装载因子触达阈值之后，我们只申请新空间，但并不将老的数据搬移到新散列表中 。

4.3 Java HashMap 举例分析

• **初始大小：**HashMap 默认的初始大小是 16， 事先知道大概的数据量有多大， 修改默认初始大小，减少动态扩容的次数 ；
• **装载因子和动态扩容：**最大装载因子默认是 0.75；
• **散列冲突解决方法：**采用链表法来解决冲突， 在 JDK1.8 版本中， 做进一步优化，引入了红黑树。

5、 哈希算法

任意长度的二进制值串映射为固定长度的二进制值串( 哈希值 )，这个映射的规则就是哈希算法 。 业界著名的哈希算法也有很多，比如 MD5、SHA 等。

• 从哈希值不能反向推导出原始数据（所以哈希算法也叫单向哈希算法）；
• 对输入数据非常敏感，哪怕原始数据只修改了一个 Bit，最后得到的哈希值也大不相同；
• 散列冲突的概率要很小，对于不同的原始数据，哈希值相同的概率非常小；
• 哈希算法的执行效率要尽量高效，针对较长的文本，也能快速地计算出哈希值。

哈希算法的应用：

• 安全加密：最常用于加密的哈希算法是MD5、SHA、DES、AES
• 唯一标识： 比如给每一个图片取一个唯一标识，或者说信息摘要
• 数据校验： 文件下载，网络传输是不安全的，下载的文件块有可能是被宿主机器恶意修改过的 。
• 散列函数
• 负载均衡： 负载均衡算法有很多，比如轮询、随机、加权轮询等
• 数据分片：
• 分布式存储