哈希算法

哈希表（k，v）数组，根据相应的哈希算法计算key的下标，返回值就是v存储的数组下标哈希算法:f(K) -> int即为v需要存储的数组下标哈希算法：%16查找，添加元素：O(1)哈希冲突解决办法：哈希算法计算的两个不同对象的哈希值相等的情况eg：1%16==17%16a、开放定址法寻找下一个为null的数组下标，而后将冲突元素存储b、载散列法再次使用一个不同的哈希算法再次计算一次c、链地址法（拉链法）：HashMap使用此方法来解决哈希冲突将所有冲突元素按照链表存储O(1+n)HashMap允许key，value为nullHashtable，key和value都不能为空 空指针异常TreeMap，由于必须实现排序，所以key不能为空，value可以 空指针异常跟据线程安全性：HashMap、TreeMap采用异步处理，线程不安全，性能较高Hashtable采用synchronized同步方法，线程安全，性能较低（锁的是整个哈希表，读读互斥）内部属性负载因子loadFactor，默认为0.75f实际容量 int threshold树化阈值 int TREEIFY――THRESHOLD = 8解除树化阈值 un = 6HashMap采用懒加载策略，第一次put时初始化哈希表 7.HashMap源码解析（负载因子，树化策略，内部hash实现，resize策略..） 8

中兴、华为、大疆、海康……当美国祭出技术封锁的大旗时，中国的本土企业相继面临生存挑战。而作为下一代信息技术主战场的区块链，中美大国之间的博弈从未停止过。 由于中美区块链发展的同步性、区块链技术本身的开源性以及区块链与生俱来的全球性，美国很难扼制中国在区块链技术方面的进步，而从区块链产品形态来看，中国在许多领域取得领先。 核心技术美国初创中国不落伍 通常认为区块链技术是中本聪发明的，而目前为止，中本聪究竟是日本人、澳大利亚人还是美国人仍有争议，中本聪本人也并未将该技术在某国申请专利。 即便如此，从技术角度来观察，美国是区块链技术的主要创造国已经在世界范围内形成共识。区块链并不是一项技术，而是一组技术的集合，而这组技术却都可以查证是由美国人率先发明。美国人在区块链技术上取得了先机，中美两国虽不在同一起跑线上，但是历史也充分证明了中国在科技创造上的无限潜能。 在区块链核心技术哈希算法和分布式计算这两项关键领域，中国取得的成就足以比肩美国，甚至颠覆了行业现状把全球区块链技术往前推进一大步。 哈希算法准确地说，它不能称之为是算法，它是美国国家标准暨技术学会定义的加密散列函数族中的一员。目前区块链常用的SHA系列哈希算法标准大都由该学会设计。包括SHA-1、SHA-224、SHA-256、SHA-384，和SHA-512等。另外，该学会也将其他的哈希算法纳入标准，比如SHA

本篇是iOS逆向开发的递进篇-关于哈希算法、数字签名及对称加密等，下面我们着重讲解此内容，希望对大家有所帮助！！！ 一、哈希 1.1 基本内容 哈希表也称为散列表（Hash table），是根据关键码值（key，value），直接进行访问的数据结构。通过把关键码映射到表中的一个位置来进行访问记录，用来加快查找速度。映射函数也称之为散列函数，存放记录数组称为散列表。 假设没有内存限制，直接可以将键作为数组的索引，那么所有的查找仅仅需要一次即可完成。但是这种理想的情况也不会一直出现，因为牵扯到内存问题。从另一个角度来说，如果没有时间来限制，我们也可以使用无序数组并进行顺序查找，这样也会使用较少的内存。 使用哈希查找算法分为两个步骤： 使用Hash函数将被要查找的键转化为数组中的一个索引。理想情况下，不同的键都可以转为不同的索引值。但这仅仅是理想情况下，在实际的开发运算中，我们还是要处理两个或者多个键值散列到同个索引值的情况。 要处理碰撞冲突的过程。 目前本人博客关于讲述哈希思想查找元素的博客有： https://www.cnblogs.com/guohai-stronger/p/11506990.html ，还会持续更新此类算法思想有关的题目。 1.2 哈希函数的两种解决碰撞的方式 1.2.1 拉链法（separate chaining） 拉链法简单说就是链表+数组

哈希是密码学的基础，理解哈希是理解数字签名和加密通信等技术的必要前提。 一. 基本含义： 哈希，英文是 hash ，本来意思是”切碎并搅拌“，有一种食物就叫 Hash ，就是把食材切碎并搅拌一下做成的。哈希函数的运算结果就是哈希值，通常简称为哈希。哈希函数有时候也翻译做散列函数。 根据维基百科的定义，哈希函数要做的事情是 给一个任意大小的数据 生成出一个 固定长度 的数据，作为它的映射。所谓映射就是一一对应。一个可靠的哈希算法要满足三点。 第一是安全，给定数据 M 容易算出哈希值 X ，而给定 X 不能算出 M ，或者说哈希算法应该是一个单向算法。 第二是独一无二，两个不同的数据，要拥有不相同的哈希。 第三是长度固定，给定一种哈希算法，不管输入是多大的数据，输出长度都是固定的。 但是仔细想一下，如果哈希的长度是固定的，也就是取值范围是有限的，而输入数据的取值范围是无限的，所以总会找到两个不同的输入拥有相同的哈希。所以，哈希函数的安全性肯定是个相对概念。如果出现了两个不同输入有相同输出的情况，就叫碰撞，collision 。不同的哈希算法，哈希位数越多，也就基本意味着安全级别越高，或者说它的”抗碰撞性“就越好。 二. 哈希算法的主要作用： 再来说说哈希函数的主要作用。哈希的独一无二性，保证了如果数据在存储或者传输过程中有丝毫损坏，那么它的哈希就会变

/* * 哈希算法MD5和SHA1的C#实现 * * * 夏春涛 Email:xChuntao@163.com * Blog:http://bluesky521.cnblogs.com * 运行环境：.net2.0 framework */ /* * 关于哈希函数： * 哈希函数将任意长度的二进制字符串映射为固定长度的小型二进制字符串。 * 加密哈希函数有这样一个属性：在计算上不大可能找到散列为相同的值的两个 * 不同的输入；也就是说，两组数据的哈希值仅在对应的数据也匹配时才会匹配。 * 数据的少量更改会在哈希值中产生不可预知的大量更改。 * * MD5 算法的哈希值大小为 128 位。 * SHA1 算法的哈希值大小为 160 位。 */ using System; using System.Collections.Generic; using System.Text; using System.Security.Cryptography; namespace MD5_App { class Program { static void Main(string[] args) { string strSrc = "How are you?"; Console.WriteLine("原文：" + strSrc); Console.WriteLine(); Console

本文章比较好的说明了一致性Hash算法的概念 Hash算法一般分为除模求余和一致性Hash 1、 除模求余：当新增、删除机器时会导致大量key的移动 2、一致性Hash：当新增、删除机器时只会影响到附近的key，因为是环状结构 转载请说明出处： http://blog.csdn.net/cywosp/article/details/23397179 一致性哈希算法在1997年由麻省理工学院提出的一种分布式哈希（DHT）实现算法，设计目标是为了解决因特网中的热点(Hot spot)问题，初衷和CARP十分类似。一致性哈希修正了CARP使用的简 单哈希算法带来的问题，使得分布式哈希（DHT）可以在P2P环境中真正得到应用。 一致性hash算法提出了在动态变化的Cache环境中，判定哈希算法好坏的四个定义： 1、平衡性(Balance)：平衡性是指哈希的结果能够尽可能分布到所有的缓冲中去，这样可以使得所有的缓冲空间都得到利用。很多哈希算法都能够满足这一条件。 2、单调性(Monotonicity)：单调性是指如果已经有一些内容通过哈希分派到了相应的缓冲中，又有新的缓冲加入到系统中。哈希的结果应能够保证原有已分配的内容可以被映射到原有的或者新的缓冲中去，而不会被映射到旧的缓冲集合中的其他缓冲区。 3、分散性(Spread)：在分布式环境中，终端有可能看不到所有的缓冲

哈希 哈希是一个系列的加密算法， 各个不同的哈希算法虽然加密强度不同， 但是有以下 几个共同点： ①不管输入数据的数据量有多大，输入同一个哈希算法，得到的加密结果长度固定。 ②哈希算法确定， 输入数据确定， 输出数据能够保证不变 ③哈希算法确定， 输入数据有变化， 输出数据一定有变化， 而且通常变化很大 ④哈希算法不可逆 Git 底层采用的是 SHA-1 算法 哈希算法可以被用来验证文件。 Git 就是靠这种机制来从根本上保证数据完整性的。 Git 保存版本的机制 集中式版本控制工具的文件管理机制 以文件变更列表的方式存储信息。这类系统将它们保存的信息看作是一组基本 文件和每个文件随时间逐步累积的差异 。 Git 的文件管理机制 Git 把数据看作是小型文件系统的一组快照。 每次提交更新时 Git 都会对当前 的全部文件制作一个快照并保存这个快照的索引。 为了高效， 如果文件没有修改， Git 不再重新存储该文件， 而是只保留一个链接指向之前存储的文件。 所以 Git 的 工作方式可以称之为快照流。 Git 文件管理机制细节 Git的提交对象 我们 add 的每一个文件都会被加密后得到一个哈希值，然后放到树中，树中有提交的每个文件的哈希值，同时这个树也会有一个哈希值，提交后会把这个树的哈希值、提交的数量、提交者、作者等这一些信息加密后又得到一个哈希值，这也就是我们的一个版本信息。

转载自： https://blog.csdn.net/losetowin/article/details/53743135 适当做了一些修改,最后加了自己的一些理解 1、项目场景 (1) 单个节点的缓存容量达到上限，无法继续单点增加内存，如何解决？ (2) 单个节点 支撑的 QPS (每秒查询率)达到上限， 如何解决 ？ 2、 初步方案 增加 N 个 缓存节点 ，为了保证 缓存数据的均匀 ，一般情况会采用对 key值hash ，然后 取模 的方式，然后根据结果，确认数据落到哪台节点上：如下： hash(key)%N 很好，这个的确解决了上面的问题，实现了 初步的分布式缓存 ， 数据均匀分散 到了各个节点上， 流量请求也均匀的分散 到了各个节点。 (1) 但是如果出现以下情况，会带来什么问题？ 某台服务器 突然宕机 。缓存服务器从 N 变为 N-1 台。 缓存容量 达到 上限 或者 请求处理达到上限 ，需要 增加缓存服务器 ，假定增加1台，则缓存服务器从 N 变为 N+1 上面的情况带来的问题： 增加 或者 删除 缓存服务器的时候，意味着 大部分的缓存都会失效 。这个是 比较致命 的一点，缓存失效，如果 业务为缓存不命中 ，查询DB的话，会导致 一瞬间DB的压力陡增 。可能会 导致整个服务 不可用。 (2) 换种描述方式，我们需要解决怎么样的问题？或者需求是怎样的？ 增删 机器时，

本文转载自： https://www.cnblogs.com/lpfuture/p/5796398.html 如有侵权，请告知下线，多谢！！ 0. 目的 分布式系统中节点根据哈希取值进行保存数据，当有节点新增或者节点下线，普通哈希算法会需要所有数据的哈希分布重新计算。而一致性哈希算法只需要重新计算下线的节点的数据即可。关键在于数据在环上，顺时针向最靠近的节点分布。 1. 一致性Hash性质 考虑到分布式系统每个节点都有可能失效，并且新的节点很可能动态的增加进来，如何保证当系统的节点数目发生变化时仍然能够对外提供良好的服务，这是值得考虑的，尤其实在设计分布式缓存系统时，如果某台服务器失效，对于整个系统来说如果不采用合适的算法来保证一致性，那么缓存于系统中的所有数据都可能会失效（即由于系统节点数目变少，客户端在请求某一对象时需要重新计算其hash值（通常与系统中的节点数目有关），由于hash值已经改变，所以很可能找不到保存该对象的服务器节点），因此一致性hash就显得至关重要，良好的分布式cahce系统中的一致性hash算法应该满足以下几个方面： 平衡性(Balance) 平衡性是指哈希的结果能够尽可能分布到所有的缓冲中去，这样可以使得所有的缓冲空间都得到利用。很多哈希算法都能够满足这一条件。 单调性(Monotonicity) 单调性是指如果已经有一些内容通过哈希分派到了相应的缓冲中

分布式系统中一致性哈希算法 此博文转载自 分布式系统中一致性哈希算法 ，博主对分布式系统中最常见的一致性哈希算法进行了非常细致的讲解，非常值得阅读！另外博主在博客园上定制的皮肤样式也是非常好看，推荐一波~ 业务场景 近年来，由于互联网的兴起，B2C、O2O等商业概念的提出和移动端的发展，使得分布式系统流行起来。分布式系统相对于单一系统而言，带来了流量大、系统高可用和高容错的便利。功能强大的同时，也意味着实现起来需要更多的技术支持。例如系统访问层的 负债均衡 、缓存层的 多实例主从复制备份 以及数据层的 分库分表 等。 我们以负载均衡为例，常见的负载均衡方法有很多，但是它们的优缺点都很明显： 随机访问策略： 系统随机访问，缺点：可能造成服务器负载压力不均衡，俗话讲就是撑的撑死，饿的饿死。 轮询策略： 请求均匀分配，如果服务器有性能差异，则无法实现性能好的服务器能够多承担一部分。 权重轮询策略： 权值需要静态配置，无法自动调节，不适合对长连接和命中率有要求的场景。 Hash取模策略： 不稳定，如果列表中某台服务器宕机，则会导致路由算法产生变化，由此导致命中率的急剧下降。 一致性哈希策略（本文重点分析） 以上几个策略，排除本篇介绍的一致性哈希策略，可能使用最多的就是 Hash取模策略 了。Hash取模策略的缺点也是很明显的，这种缺点也许在负载均衡的时候不是很明显