极客时间课程《数据结构与算法之美》笔记07 - 哈希算法

哈希算法-如何防止数据库中的用户信息被脱库

定义和原理：将任意长度的二进制值串映射为固定长度的二进制值串

要求：

• 不能反向推导（单向哈希算法）
• 对输入数据敏感，哪怕只修改了一个Bit，最后获得的哈希值也大不相同。
• 散列冲突几率要很小。
• 执行效率要高，针对较长的文本，也能很快地计算出哈希值。

哈希算法的应用不少，常见有：安全加密、惟一标识、数据校验、散列函数、负载均衡、数据分片、分布式存储

惟一标识

在海量的图片信息中，搜索一张图是否存在。任何文件在计算机中均可以表示成二进制码串，将图片的二进制码串开头、中间、结尾分别取100个字节，而后再经过哈希获得惟一标识。（减轻工做量）

数据校验

BT下载的时候会作数据校验。

散列函数

防范字典攻击引入一个盐(salt)，跟用户密码组合在一块儿，增长密码复杂度，而后用组合后的字符串来作哈希算法加密，将它存储到数据库中，进一步增长破解的难度。
除此以外，一些公司采用的方法：不管密码长度多少，采用计算hash时间都固定或者足够慢的算法，好比：
PBKDF2WithHmacSHA1。避免因计算时间不同而泄露字符串长度信息。

负载均衡

负载均衡须要维护一个映射表，哈希算法能很方便地维护这个功能，经过客户端IP或者会话ID计算哈希，经过和服务器列表的大小进行取模运算，最终获得服务器编号。

数据分片

统计“搜索关键词”出现的次数，1T的文件日志，记录用户的关键词，快速统计出每一个关键词的被搜索次数。
先对数据进行分片，而后采用多台机器处理的方法，提高速度。关键词计算哈希，跟n取模，最终获得机器编号。同一个关键词会被分配在同一个机器上。
这个处理过程也是MapReduce的基本设计思想

分布式存储

本来10台服务器，增长到12台。原有哈希可能失效，从新计算缓存产生雪崩效应。
一致性哈希算法：假设有K台机器，将整个范围划分红m个小区间（m远大于k）