左神算法讲堂笔记 06 Hash算法

1、哈希函数和哈希表

当通过put方法存入对象时，会调用key对象的hashCode()方法计算出hashcode，通过hashcode找到bucket位置保存entry对象。获取对象时，通过key计算出hashcode，找到bucket位置，HashMap采用链表解决碰撞，因此遇到冲突时，就访问bucket位置上链表的每个点，直到key对象的equals()相等。

jdk1.8后，当链表长度大于8，后面的数据存入红黑树

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：
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。

delete：
删掉后存在洞，这些洞影响性能，无法保证o( 1 )。 做法：拿最好一个值和洞进行交换，size – 。

3、布隆过滤器

有失误率，宁可错杀三千不可放过一个。
现在有100亿个黑名单，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。
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位1，那么就认为它在黑名单上，否则，认为不在。

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。

4、一致性哈希（负载均衡）

转自：http://www.zsythink.net/archives/1182

需求： 有多台后端服务器，希望进行负载均衡。举个例子：现在有3台服务器，那么读取图片的请求会均衡的负载在三台服务器上。
错误做法：一种做法是对请求进行哈希计算，计算结果对服务器数量去模，例如3台服务器，取模结果为0,1,2。这种做法存在致命的缺点，当服务器数量进行变化，模的底数变了，那么哈希计算出来的值就发送了改变。那么在实际中的体现是这样的：用户A的读取个人资料请求一直交给01服务器处理，现在请求被提交到了02服务器，那么就读取到错误的信息。
矫正数据：收集原来的请求哈希值对应的服务器，转存到新的哈希值计算的服务器上。代价是非常大的。

一致性哈希解决：对每台服务器的IP地址（唯一标识）进行哈希算法，得到一个值。 根据这个值可以在环上进行划分区域，这样每台服务器掌管一段区间。 当请求发过来时，把请求通过哈希函数进行计算，得到环上的一个位置， 然后通过二分算法找到离他最近的一个服务器的位置（超过容器大小，就从0开始），这个请求就交给了某台服务器。

矫正数据：添加或减少服务器时，矫正的代价只有一个结点的数据搬运到另一个结点的数据而已。

不过服务器IP在环上的映射并不均衡。很容易映射成这种情况。

那么解决方案就是：通过虚拟节点进行哈希计算，使它们均匀的分布在环上。 请求和虚拟节点进行匹配。 虚拟节点和物理服务器之间是多对一的关系。虚拟节点再发请求发送到自己对应的服务器上即可。