1.Hash算法定义

• 哈希算法：将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。
• 设计一个优秀的哈希算法并不容易，需要满足的几点要求：
  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。

2.应用

2.1 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）。
• 还有很多其他加密算法，比如DES（Data Encryption Standard，数据加密标准）、AES（Advanced Encryption Standard，高级加密标准）。
• 加密的哈希算法有两点格外重要。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。

2.2 唯一标识

• 海量图片查找
• 给每一个图片取一个唯一标识。比如，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。

2.3 数据校验

• BT下载电影，从多个机器上分别下载，最后合并成一个。
• 对 n 个文件块分别取哈希值，并且保存在种子文件中。只要文件块的内容有一丁点儿的改变，最后计算出的哈希值就会完全不同。当文件块下载完成之后，我们可以通过相同的哈希算法，对下载好的文件块逐一求哈希值，然后跟种子文件中保存的哈希值比对。如果不同，说明这个文件块不完整或者被篡改了，需要再重新从其他宿主机器上下载这个文件块。

2.4 散列函数

• 散列函数对于散列算法冲突的要求要低很多。出现个别散列冲突，只要不是过于严重，我们都可以通过开放寻址法或者链表法解决。
• 是否能反向解密也并不关心。散列函数中用到的散列算法，更加关注散列后的值是否能平均分布，散列函数执行的快慢，也会影响散列表的性能，所以，散列函数用的散列算法一般都比较简单，比较追求效率。

思考：区块链

• 区块链是一块块区块组成的，每个区块分为两部分：区块头和区块体。
• 区块头保存着自己区块体和上一个区块头的哈希值。
• 因为这种链式关系和哈希值的唯一性，只要区块链上任意一个区块被修改过，后面所有区块保存的哈希值就不对了。
• 区块链使用的是SHA256哈希算法，计算哈希值非常耗时，如果要篡改一个区块，就必须重新计算该区块后面所有的区块的哈希值，短时间内几乎不可能做到。

分布式系统应用：

2.5 负载均衡

• 我们可以通过哈希算法，对客户端IP地址或者会话ID计算哈希值，将取得的哈希值与服务器列表的大小进行取模运算，最终得到的值就是应该被路由到的服务器编号。我们就可以把同一个IP过来的所有请求，都路由到同一个后端服务器上。

2.6 数据分片

• 假设有1亿张图片，很显然，在单台机器上构建散列表是行不通的。因为单台机器的内存有限，而1亿张图片构建散列表显然远远超过了单台机器的内存上限。
• 对数据进行分片，然后采用多机处理。我们准备n台机器，让每台机器只维护某一部分图片对应的散列表。
• 每次从图库中读取一个图片，计算唯一标识，然后与机器个数n求余取模，得到的值就对应要分配的机器编号，然后将这个图片的唯一标识和图片路径发往对应的机器构建散列表。
• 要判断一个图片是否在图库中的时候，我们通过同样的哈希算法，计算这个图片的唯一标识，然后与机器个数n求余取模。假设得到的值是k，那就去编号k的机器构建的散列表中查找。

2.7 分布式存储

• 海量数据缓存在n台机器上，哪天缓存不够了，加一台机器，之前数据是通过和n求模得到的，现在全失效了？
• 我们需要一种方法，使得在新加入一个机器后，并不需要做大量的数据搬移。这时候，一致性哈希算法就要登场了。
• 假设我们有k个机器，数据的哈希值的范围是[0，MAX]。我们将整个范围划分成m个小区间（m远大于k），每个机器负责m/k个小区间。当有新机器加入的时候，我们就将某几个小区间的数据，从原来的机器中搬移到新的机器中。这样，既不用全部重新哈希、搬移数据，也保持了各个机器上数据数量的均衡。