算法之哈希

---

哈希算法历史悠久，业界著名的哈希算法也有很多，比如 MD5、SHA 等。在开发中，基本上都是拿现成的直接用。

什么是哈希算法

不管是“散列”还是“哈希”，这都是中文翻译的差别，英文其实就是“Hash”。哈希算法的定义：任意长度的二进制值串映射为固定长度的二进制值串，这个映射的规则就是哈希算法，而通过原始数据映射之后得到的二进制值串就是哈希值。哈希算法需要满足以下要求：

1：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）；
2：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；
3：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；
4：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。

通过MD5加密算法来说明一下，分别对“哈希算法”和“jiajia”这两个文本，计算 MD5 哈希值，得到两串看起来毫无规律的字符串。可以看出来，无论要哈希的文本有多长、多短，通过 MD5 哈希之后，得到的哈希值的长度都是相同的，而且得到的哈希值看起来像一堆随机数，完全没有规律。

MD5("哈希算法") = bb4767201ad42c74e650c1b6c03d78fa
MD5("jiajia") = cd611a31ea969b908932d44d126d195b

两个非常相似的文本，“哈希算法！”和“哈希算法”。这两个文本只有一个感叹号的区别。如果用 MD5 哈希算法分别计算它们的哈希值，你会发现，尽管只有一字之差，得到的哈希值也是完全不同的。

MD5("哈希算法！") = 425f0d5a917188d2c3c3dc85b5e4f2cb
MD5("哈希算法") = a1fb91ac128e6aa37fe42c663971ac3d

哈希算法的应用

哈希算法的应用非常非常多，最常见的分别是安全加密、唯一标识、数据校验、散列函数等。

安全加密

最常用于加密的哈希算法是 MD5（MD5 Message-Digest Algorithm，MD5 消息摘要算法）和 SHA（Secure Hash Algorithm，安全散列算法）。

对用于加密的哈希算法来说，有两点格外重要。第一点是很难根据哈希值反向推导出原始数据，第二点是散列冲突的概率要很小。 因为加密的目的就是防止原始数据泄露，所以很难通过哈希值反向推导原始数据，这是一个最基本的要求。不管是什么哈希算法，只能尽量减少碰撞冲突的概率，**理论上是没办法做到完全不冲突的。**这是为什么呢？

先看个例子：如果有 10 个鸽巢，有 11 只鸽子，那肯定有 1 个鸽巢中的鸽子数量多于 1 个，换句话说就是，肯定有 2 只鸽子在 1 个鸽巢内。（鸽巢原理）

为什么哈希算法无法做到零冲突？ 哈希算法产生的哈希值的长度是固定且有限的。比如前面举的 MD5 的例子，哈希值是固定的 128 位二进制串，能表示的数据是有限的，最多能表示 2^128 个数据，而要哈希的数据是无穷的。基于鸽巢原理，如果我们对 2^128+1 个数据求哈希值，就必然会存在哈希值相同的情况。所以，一般情况下，哈希值越长的哈希算法，散列冲突的概率越低。 不过，即便哈希算法存在散列冲突的情况，但是因为哈希值的范围很大，冲突的概率极低，所以相对来说还是很难破解的。

唯一标识

如果要在海量的图库中，搜索一张图是否存在，不能单纯地用图片的元信息（比如图片名称）来比对，因为有可能存在名称相同但图片内容不同，或者名称不同图片内容相同的情况。那该如何搜索呢？可以给每一个图片取一个唯一标识，或者说信息摘要。比如，我们可以从图片的二进制码串开头取 100 个字节，从中间取 100 个字节，从最后再取 100 个字节，然后将这 300 个字节放到一块，通过哈希算法（比如 MD5），得到一个哈希字符串，用它作为图片的唯一标识。 通过这个唯一标识来判定图片是否在图库中。

散列函数

散列函数是设计一个散列表的关键。它直接决定了散列冲突的概率和散列表的性能。不过，相对哈希算法的其他应用，散列函数对于散列算法冲突的要求要低很多。即便出现个别散列冲突，只要不是过于严重，都可以通过开放寻址法或者链表法解决。