hash值是啥 hash值有什么用处

关于哈希值

这里， p 如果选取的是比较大的素数，效果比较好。而且此法非常容易实现，因此是最常用的方法。

通俗来讲，哈希值就是文件的，不过比还严格。他是根据文件大小，时间，类型，创作者，机器等计算出来的，很容易就会发生变化，谁也不能预料下一个号码是多少，也没有更改他的软件。哈希算法将任意长度的二进制值映射为固定长度的较小二进制值，这个小的二进制值称为哈希值。哈希值是一段数据且极其紧凑的数值表示形式。如果散列一段明文而且哪怕只更改该段落的一个字母，随后的哈希都将产生不同的值。要找到散列为同一个值的两个不同的输入，在计算上是不可能的。

hash值是啥 hash值有什么用处

hash值是啥 hash值有什么用处

扩展

有这样一种情境，有三万张我们要均匀放置于三个缓存上

简单的做法是对缓存的key进行哈希计算，得到的值进行取模计算，所得到的余数，便是缓存的编号

hash % 机器数 = 余数

当机器数为3时无论值为多少，其余数永远只有0，1，2三种情况

那么根据余数，我们给进行编号s0,s1,s2,余数为0的放置于s0上，1，2同理。

这样我们就将三万张的缓存均分成三份存放与三台缓存中

因为对同一张进行哈希计算时，所得到的哈希值是不变的，所以当需要访问时，只要再次进行哈希计算和取模计算，就能获取到存放于哪台，便可以去该中查找满足了我们的需求。而这种算法也称之为哈希算法

这其中有一个问题，那便是如果我增加一台呢

可以预见的是，当增加一台数变成了4.而余数也出现了4种情况

这时向s2的查询时，无法读取到，这导致了程序无法从缓存中读取数据，这时程序就会向后端请求，而大量的缓存同时失效，会导致所有请求都指向后端，这会引起后端的崩溃。

还是同样的三个缓存，这次我们将哈希值对2 32取模，所得到的数一定是1到2 32之间的一个整数

然后我们想像一个圆环，其上的每一个点都代表1到2^32之间的一个整数，而这个圆环也被称为hash环

之后我们对A进行取模计算，这样算出来的整数肯定在1到2^32之间，将这个整数代表为A,并且我们可以将这个整数映射到哈希环上，同样的道理我们处理另外两个，这时三个都被映射到了哈希环上，对于我们也将他映射到哈希环上

那么我们只要从的哈希值开始，沿顺时针在哈希环上查找，遇到的个便是缓存所在的

这时哪怕新添加一个在哈希环上，我门所丢失的缓存数据也只是新添加的到逆时针方向遇到的个这部分数据，而这样仍然有大部分缓存在缓存中可以被查找到，这样可以帮助后端分担大部分压力，不会使崩溃，而这部分丢失的缓存数据，之后重新在后端加载便可以了

这又引入了另一个问题，哈希偏斜

我们无法确保三个在哈希环上为均分的状态，很有可能其中一台分到了很大部分而另两台分到了很少的部分，这样同样会有后端崩溃的隐患

理解哈希表

这个问题需要从hash表数据结构说起，首先看下如何在数组中查找某个成员

什么是Hash

Hash，一般翻译做“散列”，也有直接音译为“哈希”的，就是把任意长度的输入（又叫做预映射， pre-image），通过散列算法，变换成固定长度的输出，该输出就是散列值。这种转换是一种压缩映射，也就这几个“理想乘数”是如何得出来的呢？这跟一个法则有关，叫黄金分割法则，而描述黄金分割法则的最经典表达式无疑就是的斐波那契数列，即如此形式的序列：0, 1, 1, 2, 3, 5, 8, 13, 21, 34, 55, 89, 144,233, 377, 610， 987, 1597, 2584, 4181, 6765, 10946，…。另外，斐波那契数列的值和太阳系八大行星的轨道半径的比例出奇吻合。是，散列值的空间通常远小于输入的空间，不同的输入可能会散列成相同的输出，而不可能从散列值来的确定输入值。简单的说就是一种将任意长度的消息压缩到某一固定长度的消息摘要的函数。

HASH主要用于信息安全领域中加密算法，它把一些不同长度的信息转化成杂乱的128位的编码,这些编码值叫做HASH值. 也可以说，hash就是找到一种数据内容和数据存放地址之间的映射关系。

数组的特点是：寻址容易，插入和删除困难；而链表的特点是：寻址困难，插入和删除容易。那么我们能不能综合两者的特性，做出一种寻址容易，插入删除也容易的数据结构？是肯定的，这就是我们要提起的哈希表，哈希表有多种不同的实现方法，我接下来解释的是最常用的一种方法——拉链法，我们可以理解为“链表的数组”，如图：

ctdwcdjxhxbsf01

左边很明显是个数组，数组的每个成员包括一个指针，指向一个链表的头，当然这个链表可能为空，也可能元素很多。我们根据元素的一些特征把元素分配到不同的链表中去，也是根据这些特征，找到正确的链表，再从链表中找出这个元素。

元素特征转变为数组下标的方法就是散列法。散列法当然不止一种，下面列出三种比较常用的：

最直观的一种，上图使用的就是这种散列法，公式：

学过汇编的都知道，求模数其实是通过一个除法运算得到的，所以叫“除法散列法”。

2，平方散列法

求index是非常频繁的作，而乘法的运算要比除法来得省时（对现在的CPU来说，估计我们感觉不出来），所以我们考虑把除法换成乘法和一个位移作。公式：

index = (value value) >> 28 （右移，除以2^28。记法：左移变大，是乘。右移变小，是除。）

3，斐波那契（Fibonacci）散列法

1，对于16位整数而言，这个乘数是40503

2，对于32位整数而言，这个乘数是2654435769

3，对于64位整数而言，这个乘数是11400714819323198485

对我们常见的32位整数而言，公式：

index = (value 2654435769) >> 28

如果用这种斐波那契散列法的话，那上面的图就变成这样了：

ctdwcdjxhxbsf02

很明显，用斐波那契散列法调整之后要比原来的取摸散列法好很多。

适用范围

快速查找，删除的基本数据结构，通常需要总数据量可以放入内存。

基本原理及要点

hash函数选择，针对字符串，整数，排列，具体相应的hash方法。

碰撞处理，一种是open hashing，也称为拉链法；另一种就是closed hashing，也称开地址法，opened addressing。

d-left hashing中的d是多个的意思，我们先简化这个问题，看一看2-left hashing。2-left hashing指的是将一个哈希表分成长度相等的两半，分别叫做T1和T2，给T1和T2分别配备一个哈希函数，h1和h2。在存储一个新的key时，同 时用两个哈希函数进行计算，得出两个地址h1[key]和h2[key]。这时需要检查T1中的h1[key]位置和T2中的h2[key]位置，哪一个 位置已经存储的（有碰撞的）key比较多，然后将新key存储在负载少的位置。如果两边一样多，比如两个位置都为空或者都存储了一个key，就把新key 存储在左边的T1子表中，2-left也由此而来。在查找一个key时，必须进行两次hash，同时查找两个位置。

问题实例（海量数据处理）

我们知道hash 表在海量数据处理中有着广泛的应用，下面，请看另一道百度面试题：

题目：海量日志数据，提取出某日访问百度次数最多的那个IP。

方案：IP的数目还是有限的，最多2^32个，所以可以考虑使用hash将ip直接存入内存，然后进行统计。

第三部分、最快的Hash表算法

接下来，咱们来具体分析一下一个最快的Ha表算法。

我们由一个简单的问题逐步入手：有一个庞大的字符串数组，然后给你一个单独的字符串，让你从这个数组中查找是否有这个字符串并找到它，你会怎么做？有一个方法最简单，老老实实从头查到尾，一个一个比较，直到找到为止，我想只要学过程序设计的人都能把这样一个程序作出来，但要是有程序员把这样的程序交给用户，我只能用无语来评价，或许它真的能工作，但…也只能如此了。

sam数据库中的哈希值有什么用

如果数值分配比较均匀的话这种方法能得到不错的结果，但我上面画的那个图的各个元素的值算出来的index都是0——非常失败。也许你还有个问题，value如果很大，value value不会溢出吗？是会的，但我们这个乘法不关心溢出，因为我们根本不是为了获取相乘结果，而是为了获取index。

哈希值的作用：哈希值，即HASH值，是通过对文件内容进行加密运算得到的一组二进制值，主要用途是用于文件校验或签名。正是因为这样的特点，它常常用来判断两个文件是否相同。

_┱棺柿希?

_V担且恢执尤魏我恢质葜写唇ㄐ〉氖帧爸肝啤钡姆椒ā9V蛋严⒒蚴菅顾醭烧沟檬萘勘湫。莸母袷焦潭ㄏ吕础8煤荽蚵一旌希匦麓唇ㄒ桓鼋凶錾⒘兄担_ash values，hash codes，hash sums，或hashes）的指纹。

_⒘兄低ǔS靡桓龆痰乃帜负褪肿槌傻淖址创怼：玫墓V翟谑淙胗蛑泻苌俪鱿稚⒘谐逋弧T谏⒘斜砗褪荽_碇校灰种瞥逋焕辞鹗荩崾沟檬菘饧锹几颜业健?

_湫偷墓V刀加蟹浅4蟮亩ㄒ逵颍热_HA-2接受(2-1)/8长度的字节字符串。同时哈希值一定有着有限的值域，比如固定长度的比特串。在某些情况下，哈先了解一下下面几个常说的几个关键字是什么：希值可以设计成具有相同大小的定义域和值域间的单射。哈希值必须具有不可逆性。

?

哈希算法中最难的算法是

目前流行的 Hash 算法包括 MD5、SHA-1 和 SHA-2。

一、什么是 Hash 算法

散列算法（Hash Algorithm），又称哈希算法，杂凑算法，是一种从任意文件中创造小的数字「指纹」的方法。与指纹一样，散列算法就是一种以较短的信息来保证文件性的标志，这种标志与文件的每一个字节都相关，而且难以找到逆向规律。因此，当原有文件发生改变时，其标志值也会发生改变，从而告诉文件使用者当前的文件已经不是你所需求的文件。

Hash 算法能将将任意长度的二进制明文映射为较短的二进制串的算法，并且不同的明文很难映射为相同的 Hash 值。

也可以理解为空间映射函数，是从一个非常大的取值空间映射到一个非常小的取值空间，由于不是一对一的映射，Hash 函数转换后不可逆，意思是不可能通过逆作和 Hash 值还原出原始的值。

散列方法的主要思想是根据结点的关键码值来确定其存储地址：以关键码值K为自变量，通过一定的函数关系h(K)(称为散列函数)，计算出对应的函数值来，把这个值解释为结点的存储地址，将结点存入到此存储单元中。检索时，用同样的方法计算地址，然后到相应的单元里去取要找的结点。通过散列方法可以对结点进行快速检索。散列（hash，也称“哈希”）是一种重要的存储方式，也是一种常见的检索方法。

二、Hash 算法有什么特点

Hash 值又称为指纹或者摘要，具有以下特点：

正向快速：给定明文和 Hash 算法，在有限时间和有限资源内能计算得到 Hash 值。

逆向困难：给定 Hash 值，在有限时间内很难逆推出明文。

输入敏感：原始输入信息发生任何变化，新的 Hash 值都应该出现很大变化。

冲突避免：这是就要引入一致性哈希算法很难找到两段内容不同的明文，使得它们的 Hash 值一致。

三、Hash 算法有哪些

下面我们来看具体写一个 Hash 函数需要注意些什么，首先要明白 Hash 函数是把一个大范围映射到一个小范围，目的往往是为了节省空间，使得数据容易保存，另外 Hash 函数也会应用于查找上。

四、Hash 算法碰撞

稍微想一下就可以发现，既然输入数据长度不固定，而输出的哈希值却是固定长度的，这意味着哈希值是一个有限，而输入数据则可以是无穷多个，那么建立一对一关系明显是不现实的。所以“碰撞”是必然会发生的，所以一个成熟的哈希算有较好的抗冲突性，同时在实现哈希表的结构时也要考虑到哈希冲突的问题。

比如“666”经过 Hash 后是“fae0b27c451c728867a567e8c1bb4e53”，相同 Hash 算法得到的值是一样的。比如 WiFi 密码如果是 8 位纯数字的话，顶多就是 99999999 种可能性，这个密码需要做的就是提前生成好 0 到 1 亿数字的 Hash 值，然后做 1 亿次布尔运算（就是 Bool 值判断，0 或者 1），而现在普通 I5 四核 CPU 每秒能到达 200 亿次浮点数计算，做 1 亿次布尔运算也就是秒级别的时间就了。

所以密码尽量不要用纯数字，因为根本没有任何安全性。

五、加盐防碰撞

对数字内容进行 Hash 运算，获取的摘要值来指代原始完整的数字内容，利用 Hash 函数的抗碰撞性来确保内容未被篡改。

常用于用户名和密码来确保用户信息安全，为了防止攻击会采用加盐的方法，就是原来的明文加上一个随机数之后的 Hash 值，Hash 值和盐会保存在两个地方，只要不是同时泄漏就很难被。

数据结构-Hash

先看一下hash表的结构图：

哈希表（Hash table，也叫散列表），是根据键（Key）而直接访问在内存存储位置的数据结构。也就是说，它通过计算一个关于键值的函数，将所需查询的数据映射到表中一个位置来访问记录，这加快了查找速度。这个映射函数叫做散列函数，存放记录的数组叫做散列表

白话一点的说就是通过把Key通过一个固定的算法函数（hash函数）转换成一个整型数字，然后就对该数字对数组的长度进行取余，取余结果就当作数组的下标，将value存储在以该数字为下标的数组空间里。

key ：我们输入待查找的值

hash值 ：key通过hash函数算出的值（对数组长度取模，便可得到数组下标）

hash函数（散列函数） ：存在一种函数F，根据这个函数和查找关键字key，可以直接确定查找值所在位置，而不需要一个个遍历比较。这样就预先知道key在的位置，直接找到数据，提升效率。

即地址index=F(key)

hash函数就是根据key计算出该存储地址的位置，hash表就是基于hash函数建立的一种查找表。

方法有很多种，比如直接定址法、数字分析法、平方取中法、折叠法、随机数法、除留余数法等，网上相关介绍有很多，这里就不重点说这个了

对不同的关键字可能得到同一散列地址， 即k1≠k2，而f(k1)=f(k2)，或f(k1) MOD 容量 =f(k2) MOD 容量 ，这种现象称为 碰撞 ，亦称 冲突 。

通过构造性能良好的hash函数，可以减少冲突，但一般不可能完全避免冲突，因此解决冲突是常见 Hash 算法有 MD5 和 SHA 系列，目前 MD5 和 SHA1 已经被，一般至少使用 SHA2-256 算法。hash表的另一个关键问题。

创建和查找hash表都会遇到冲突，两种情况下解决冲突的方法应该一致。

这里要提到两个参数： 初始容量 ， 加载因子 ，这两个参数是影响hash表性能的重要参数。

容量 ： 表示hash表中数组的长度，初始容量是创建hash表时的容量。

加载因子 ： 是hash表在其容量自动增加之前可以达到多满的一种尺度（存储元素的个数），它衡量的是一个散列表的空间的使用程度。

loadFactor = 加载因子 / 容量

一般情况下，当loadFactor <= 1时，hash表查找的期望复杂度为O(1).

对使用链表法的散列表来说， 负载因子越大，对空间的利用更充分，然后后果是查找效率的降低；如果负载因子太小，那么散列表的数据将过于稀疏，对空间造成浪费 。系统默认负载因子为0.75。

当hash表中元素越来越多的时候，碰撞的几率也就越来越高（因为数组的长度是固定的），所以为了提高查询的效率，就要对数组进行扩容。而在数组扩容之后，最消耗性能的点就出现了，原数组中的数据必须重新计算其在新数组中的位置，并放进去，这就是 扩容 。

什么时候进行扩容呢？当表中 元素个数超过了容量 loadFactor 时，就会进行数组扩容。

Foundation框架下提供了很多高级数据结构，很多都是和Core Foundation下的相对应，例如NSSet就是和_CFSet相对应，NSDictionary就是和_CFDictionary相对应。 源码

这里说的hash并不是之前说的hash表，而是一个方法。为什么要有hash方法？

在数组未排序的情况下，查找的时间复杂度是O(n)（n为数组长度）。hash表的出现，提高了查找速度，当成员被加入到hash表中时，会计算出一个hash值，hash值对数组长度取模，会得到该成员在数组中的位置。

通过这个位置可以将查找的时间复杂度优化到O(1)，前提是在不发生冲突的情况下。

和数组相比，基于hash值索引的hash表查找某个成员的过程：

可以看出优势比较明显，最坏的情况和数组也相无几。

重写person的hash方法和copyWithZone方法，方便查看hash方法是否被调用：

打印结果：

可以了解到： hash方法只在对象被添加到NSSet和设置为NSDictionary的key时被调用

NSSet添加新成员时，需要根据hash值来快速查找成员，以保证中是否已经存在该成员。

NSDictionary在查找key时，也是利用了key的hash值来提高查找的效率。

这里可以得到这个结论：

相等变量的hash结果总是相同的，不相等变量的hash结果有可能相同

根据数据结构可以发现set内部使用了指针数组来保存keys，可以从 源码 中了解到采用的是连续存储的方式存储。

NSSet添加key，key值会根据特定的hash函数算出hash值，然后存储数据的时候，会根据hash函数算出来的值，找到对应的下标，如果该下标下已有数据，开放定址法后移动插入，如果数组到达阈值，这个时候就会进行扩容，然后重新hash插入。查询速度就可以和连续性存储的数据一样接近O(1)了。

通过比较NSSet和字典NSDictionary的 源码 可以知道两者实现的原理不多，而字典则用了两个数组keys和values，说明这两个数据是被分开存储的。

通过源码可以看到，当有重复的key插入到字典NSDictionary时，会覆盖旧值，而NSSet则什么都不做，保证了里面的元素不会重复。

大家都知道，字典里的键值对key-value是一一对应的关系，从数据结构可以看出，key和value是和上面的NSSet相比较，多了一个指针数组values。分别存储在两个不同的数组里，这里面是如何对key、value进行绑定的呢？

首先 key利用hash函数算出hash值，然后对数组的长度取模，得到数组下标的位置，同样将这个地址对应到values数组的下标，就匹配到相应的value。 注意到上面的这句话，要保证一点， 就是keys和values这两个数组的长度要一致 。所以扩容的时候，需要对keys和values两个数组一起扩容。

对于字典NSDictionary设置的key和value，key值会根据特定的hash函数算出hash值，keys和values同样多，利用hash值对数组长度取模，得到其对应的下标index，如果下标已有数据，开放定址法后移插入，如果数组达到阈值，就扩容，然后重新hash插入。这样的机制就把一些不连续的key-value值插入到能建立起关系的hash表中。

查找的时候，key根据hash函数以及数组长度，得到下标，然后根据下标直接访问hash表的keys和values，这样查询速度就可以和连续线性存储的数据一样接近O(1)了。

参考文章： 笔记-数据结构之 Hash（OC的粗略实现）

哈希码值是什么 什么是哈希码 转 详细03麻烦告诉我

_热纾油缟舷略啬掣鑫募灰颜飧鑫募吹墓V低略睾蟮玫降奈募墓V到卸员龋绻嗤虮硎玖礁鑫募耆恢拢略毓堂挥兴鸹滴募6绻灰恢拢虮砻飨略氐玫降奈募吹奈募煌募谙略毓讨惺艿搅怂鸹怠?

哈希码值是什么 什么是哈希码 转 哈希码值是什么?什么事哈希码?哈希值，私钥加密和公钥加密1.哈希值哈希算法将任意长度的二进制值映射为固定长度的较小二进制值，这个小的二进制值称为哈希值。哈希值是一段数据且极其紧凑的数值表示形式。如果散列一段明文而且哪怕只更改该段落的一个字母，随后的哈希都将产生不同的值。要找到散列为同一个值的两个不同的输入，在计算上是不可能的。消息身份验证代码(MAC)哈希函数通常与数字签名一起用于对数据进行签名，而消息检测代码(MDC)哈希函数则用于数据完整性。小红和小明可按下面的方式使用哈希函数以确保数据完整性。如果小红对小明编写一条消息并创建该消息的哈希，则小明可以在稍后散列该消息并将他的哈希与原始哈希进行比较。如果两个哈希值相同，则该消息没有被更改；但是，如果值不相同，则该消息在小红编写它之后已被更改。为了使此系统运行，小红必须对除小明外的所有人保密原始的哈希值。.NET Framework 提供以下实现数字签名算法的类：HMACSHA1 MACTripleDES MD5CryptoServProvider SHA1Mad SHA256Mad SHA384Mad SHA512Mad 随机数生成随机数生成是许多加密作不可分割的组成部分。例如，加密密钥需要尽可能地随机，以便使生成的密钥很难再现。加密随机数生成器必须生成无法以计算方法推算出(低于p.05 的概率)的输出；即，任何推算下一个输出位的方法不得比随机猜测具有更高的成功概率。.NET Framework 中的类使用随机数生成器生成加密密钥。 RNGCryptoServProvider 是随机数生成器算法的实现。2.私钥加密私钥加密算法使用单个私钥来加密和解密数据。由于具有密钥的任意一方都可以使用该密钥解密数据，因此必须保护密钥不被未经授权的得到。私钥加密又称为对称加密，因为同一密钥既用于加哈希算法（Hash Algorithm），又称散列算法，是一种从任意数据中提取小的数字的方法。散列算法就是一种以较短的信息来保数据性的标志，这种标志与数据的每一个字节都相关，而且难以找到逆向规律。因此，当原数据发生改变时，其标志值也会发生改变。密又用于解密。私钥加密算法非常快(与公钥算法相比)，特别适用于对较大的数据流执行加密转换。通常，私钥算法(称为块密码)用于一次加密一个数据块。块密码(如RC2、DES、TrippleDES 和 Rijndael)通过加密将n 字节的输入块转换为加密字节的输出块。如果要加密或解密字节序列，必须逐块进行。由于n 的大小很小(对于RC2、DES 和 TripleDES，n=8 字节；n=16[默认值]；n=24；对于Rijndael，n=32)，因此必须对大于n 字节的值一次加密一个块。基类库中提供的块密码类使用称作密码块链(CBC)的链模式，它使用一个密钥和一个初始化向量(IV)对数据执行加密转 换。对于给定的私钥k，一个未使用初始化向量的简单块密码将把相同的明文输入块加密为同样的密文输出块。如果在明文流内有重复的块，那么在密文流内也会有重复的块。如果未经授权的用户知道有关明文块的结构的所有信息，就可以使用该信息解密已知的密文块并有可能获得您的密钥。若要克服这个问题，可将上一个块中的信息混合到加密下一个块的过程中。这样，两个相同的明文块的输出就会不同。由于该技术使用上一个块加密下一个块，因此使用了一个IV 来加密数据的个块。使用该系统，未经授权的用户有可能知道的公共消息标头将无法用于对密钥进行反向工程。可以危及用此类型密码加密的数据的一个方法是，对每个可能的密钥执行穷举搜索。根据用于执行加密的密钥大小，即使使用最快的计算机执行这种搜索，也极其耗时，因此难以实施。使用较大的密钥大小将使解密更加困难。虽然从理论上说加密不会使对手无法检索加密的数据，但它确实极大增加了这样做的成本。如果执行搜索来检索只在几天内有意义的数据需要花费三个月的时间，那么穷举搜索的方法是不实用的。私钥加密的缺点是它定双方已就密钥和IV 达成协议，并且互相传达了密钥和IV 的值。并且，密钥必须对未经授权的用户保密。由于存在这些问题，私钥加密通常与公钥加密一起使用，来秘密地传达密钥和IV 的值。设小红和小明是要在不安全的信道上进行通信的双方，他们可能按以下方式使用私钥加密。小红和小明都同意使用一种具有特定密钥和 IV 的特定算法(如 Rijndael)。小红撰写一条消息并创建要在其上发送该消息的网络流。接下来，她使用该密钥和IV 加密该文本，并通过Internet 发送该文本。她没有将密钥和IV 发送给小明。小明收到该加密文本并使用预先商定的密钥和IV 对它进行解密。如果该传输被截获，截获者将无法恢复原始消息，原因是截获者不知道密钥或IV。在这个方案中，密钥必须保密，但IV 不需要保密。在一个实际方案中，将由小红或小明生成私钥并使用公钥(不对称)加密将该私钥(对称)传递给对方。有关更多信息，请参见"公钥加密"。.NET Framework 提供以下实现私钥加密算法的类： DESCryptoServProvider RC2CryptoServProvider RijndaelMad TripleDESCryptoServProvider 3.公钥加密公钥加密使用一个必须对未经授权的用户保密的私钥和一个可以对任何人公开的公钥。公钥和私钥都在数学上相关联；用公钥加密的数据只能用私钥解密，而用私钥签名的数据只能用公钥验证。公钥可以被任何人使用；该密钥用于加密要发送到私钥持有者的数据。两个密钥对于通信会话都是的。公钥加密算法也称为不对称算法，原因是需要用一个密钥加密数据而需要用另一个密钥来解密数据。公钥加密算法使用 固定的缓冲区大小，而私钥加密算法使用长度可变的缓冲区。公钥算法无法像私钥算法那样将数据链接起来成为流，原因是它只可以加密少量数据。因此，不对称作不使用与对称作相同的流模型。双方(小红和小明)可以按照下列方式使用公钥加密。首先，小红生成一个公钥/私钥对。如果小明想要给小红发送一条加密的消息，他将向她索要她的公钥。小红通过不安全的网络将她的公钥发送给小明，小明接着使用该密钥加密消息。(如果小明在不安全的信道如公共网络上收到小红的密钥，则小明必须同小红验证他具有她的公钥的正确副本。)小明将加密的消息发送给小红，而小红使用她的私钥解密该消息。但是，在传输小红的公钥期间，未经授权的可能截获该密钥。而且，同一可能截获来自小明的加密消息。但是，该无法用公钥解密该消息。该消息只能用小红的私钥解密，而该私钥没有被传输。小红不使用她的私钥加密给小明的答复消息，原因是任何具有该公钥的人都可以解密该消息。如果小红想要将消息发送回小明，她将向小明索要他的公钥并使用该公钥加密她的消息。然后，小明使用与他相关联的私钥来解密该消息。在一个实际方案中，小红和小明使用公钥(不对称)加密来传输私(对称)钥，而对他们的会话的其余部分使用私钥加密。公钥加密具有更大的密钥空间(或密钥的可能值范围)，因此不大容易受到对每个可能密钥都进行尝试的穷举攻击的影响。由于不必保护公钥，因此它易于分发。公钥算法可用于创建数字签名以验证数据发送方的标识。但是，公钥算法非常缓慢(与私钥算法相比)，不适合用来加密大量数据。公钥算法仅对传输很少量的数据有用。

hash算法是什么？

哈希算法（Hash 算法，Hash 算式，散列算法，消息摘要算法）将任意长度的二进制值映射为较短的固定长度的二进制值，这个小的二进制值称为哈希值。哈希值是一段数据且极其紧凑的数值表示形式。

构成哈希算法的条件：

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，得到的哈希值也大不相这里的hash值是通过hash方法计算出来的，且hash方法返回的hash值同。

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var i:integer;高效，针对较长的文本，也能快速地计算出哈希值。

常见hash算法的原理

散列表，它是基于快速存取的角度设计的，也是一种典型的“空间换时间”的做法。顾名思义，该数据结构可以理解为一个线性表，但是其中的元素不是紧密排列的，而是可能存在空隙。

散列表（Hash table，也叫哈希表），是根据关键码值（Key value）而直接进行访问的数据结构。也就是说，它通过把关键码值映射到表中一个位置来访问记录，以加快查找的速度。这个映射函数叫做散列函数，存放记录的数组叫做散列表。

非高手勿扰!请教高手:哈希值是怎样计算的?原理是什么?

最合适的算法自然是使用HashTable（哈希表），先介绍介绍其中的基本知识，所谓Hash，一般是一个整数，通过某种算法，可以把一个字符串”压缩” 成一个整数。当然，无论如何，一个32位整数是无法对应回一个字符串的，但在程序中，两个字符串计算出的Hash值相等的可能非常小

1 基本原理

我们使用一个下标范围比较大的数组来存储元素。可以设计一个函数（哈希函数， 也叫做散列函数），使得每个元素的关键字都与一个函数值（即数组下标）相对应，于是用这个数组单元来存储这个元素；也可以简单的理解为，按照关键字为每一个元素"分类"，然后将这个元素存储在相应"类"所对应的地方。

但是，不能够保证每个元素的关键字与函数值是一一对应的，因此极有可能出现对于不同的元素，却计算出了相同的函数值，这样就产生了"冲突"，换句话说，就是把不同的元素分在了相同的"类"之中。后面我们将看到一种解决"冲突"的简便做法。

总的来说，"直接定址"与"解决冲突"是哈希表的两大平方散列法的缺点是显而易见的，所以我们能不能找出一个理想的乘数，而不是拿value本身当作乘数呢？是肯定的。特点。

2 函数构造

构造函数的常用方法（下面为了叙述简洁，设 h(k) 表示关键字为 k 的元素所对应的函数值）：

a) 除余法：

选择一个适当的正整数 p ，令 h(k ) = k mod p

如果关键字的位数比较多，超过长整型范围而无法直接运算，可以选择其中数字分布比较均匀的若干位，所组成的新的值作为关键字或者直接作为函数值。

3 冲突处理

线性重新散列技术易于实现且可以较好的达到目的。令数组元素个数为 S ，则当 h(k) 已经存储了元素的时候，依次探查 (h(k)+i) mod S , i=1,2,3…… ，直到找到空的存储单元为止（或者从头到尾扫描一圈仍未发现空单元，这就是哈希表已经满了，发生了错误。当然这是可以通过扩大数组范围避免的）。

4 支持运算

哈希表支持的运算主要有：初始化(makenull)、哈希函数值的运算(h(x))、插入元素(insert)、查找元素(member)。

设插入的元素的关键字为 x ，A 为存储的数组。

初始化比较容易，例如

const empty=maxlongint; // 用非常大的整数代表这个位置没有存储元素

p=9997; // 表的大小

begin

for i:=0 to p-1 do

A[i]:=empty;

End;

哈希函数值的运算根据函数的不同而变化，例如除余法的一个例子：

function h(x:longint):Integer;

begin

h:= x mod p;

end;

我们注意到，插入和查找首先都需要对这个元素定位，即如果这个元素若存在，它应该存储在什么位置，因此加入一个定位的函数 locate

function locate(x:longint):integer;

var orig,i:integer;

begin

orig:=h(x);

i:=0;

while (ix)and(A[(orig+i)mod S]<>empty) do

inc(i);

//当这个循环停下来时，要么找到一个空的存储单元，要么找到这个元

//素存储的单元，要么表已经满了

locate:=(orig+i) mod S;

end;

插入元素

procedure insert(x:longint);

var i:integer;

begin

i:=locate(x); //定位函数的返回值

if A[i]=empty then A[i]:=x

else error; //error 即为发生了错误，当然这是可以避免的

end;

查找元素是否已经在表中

procedure member(x:longint):boolean;

var i:integer;

文件的哈希值事什么意思

我们可以添加很多虚拟结点同一个我们分出许多虚拟，映射在哈希环上，哈希环上的越多，缓存被均分的概率便越大，这样可以尽可能的保证缓存在上是接近理想均分的状态，避免了哈希偏斜的问题

哈希值

是数论中的一个数学问题。它在文件中一般是用于说明这个文件的合法哈希算法性。即一串用于验证文件与用户之间是否具有合法使用权的一个类似

软件

序列号

的编码。

在web前端里什么是hash

procedure makenull;

1.[hash]是文件的哈希值，用来打版本号的，[ckhash]是模块的哈希值，同样可以放在模块的文件名中。

哈希表是种数据结构，它可以提供快速的插入作和查找作。

2.webpack自带生成hash的功能，可以绑定拿到hash对应表。

Hash算法

index = value % 16

一个的 hash 算法，将能实现：

但在不同的使用场景中，如数据结构和安全领域里，其中对某一些特点会有所侧重。

以HashMap为例，key（hash值）对应一个(或多个数据)，key的作用是，对于抗碰撞的要求没有那么高。换句话说，hash出来的key，只要保证value大致均匀的放在不同的桶里就可以了。但整个算法的set性能，直接与hash值产生的速度有关，所以这时候的hasvalue ：我们想要获取的内容h值的产生速度就尤为重要，如JDK中的String.hashCode()：

在密码学中，hash算法的作用主要是用于消息摘要和签名，对整个消息的完整性进行校验。这对于抗碰撞和抗篡改能力要求极高，对速度的要求在其次。以MD5为例，其输出长度为128位，设计预期碰撞概率为1/(2^128)，这是一个极小极小的数字.

可以看出，上面这几种流行的算法，它们最重要的一点区别就是”强抗碰撞性”。