[转]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”的作法。顾名思义，该数据结构能够理解为一个线性表，可是其中的元素不是紧密排列的，而是可能存在空隙。php
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，它经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。这个映射函数叫作散列函数，存放记录的数组叫作散列表。html
好比咱们存储70个元素，但咱们可能为这70个元素申请了100个元素的空间。70/100=0.7，这个数字称为负载因子。咱们之因此这样作，也是为了“快速存取”的目的。咱们基于一种结果尽量随机平均分布的固定函数H为每一个元素安排存储位置，这样就能够避免遍历性质的线性搜索，以达到快速存取。可是因为此随机性，也必然致使一个问题就是冲突。所谓冲突，即两个元素经过散列函数H获得的地址相同，那么这两个元素称为“同义词”。这相似于70我的去一个有100个椅子的饭店吃饭。散列函数的计算结果是一个存储单位地址，每一个存储单位称为“桶”。设一个散列表有m个桶，则散列函数的值域应为[0,m-1]。 解决冲突是一个复杂问题。冲突主要取决于： （1）散列函数，一个好的散列函数的值应尽量平均分布。 （2）处理冲突方法。 （3）负载因子的大小。太大不必定就好，并且浪费空间严重，负载因子和散列函数是联动的。 解决冲突的办法： （1）线性探查法：冲突后，线性向前试探，找到最近的一个空位置。缺点是会出现堆积现象。存取时，可能不是同义词的词也位于探查序列，影响效率。 （2）双散列函数法：在位置d冲突后，再次使用另外一个散列函数产生一个与散列表桶容量m互质的数c，依次试探(d+n*c)%m，使探查序列跳跃式分布。 经常使用的构造散列函数的方法web
散列函数能使对一个数据序列的访问过程更加迅速有效，经过散列函数，数据元素将被更快地定位：算法
1. 直接寻址法：取关键字或关键字的某个线性函数值为散列地址。即H(key)=key或H(key) = a•key + b，其中a和b为常数（这种散列函数叫作自身函数）数组
2. 数字分析法：分析一组数据，好比一组员工的出生年月日，这时咱们发现出生年月日的前几位数字大致相同，这样的话，出现冲突的概率就会很大，可是咱们发现年月日的后几位表示月份和具体日期的数字差异很大，若是用后面的数字来构成散列地址，则冲突的概率会明显下降。所以数字分析法就是找出数字的规律，尽量利用这些数据来构造冲突概率较低的散列地址。安全
3. 平方取中法：取关键字平方后的中间几位做为散列地址。数据结构
4. 折叠法：将关键字分割成位数相同的几部分，最后一部分位数能够不一样，而后取这几部分的叠加和（去除进位）做为散列地址。ide
5. 随机数法：选择一随机函数，取关键字的随机值做为散列地址，一般用于关键字长度不一样的场合。函数
6. 除留余数法：取关键字被某个不大于散列表表长m的数p除后所得的余数为散列地址。即 H(key) = key MOD p, p<=m。不只能够对关键字直接取模，也可在折叠、平方取中等运算以后取模。对p的选择很重要，通常取素数或m，若p选的很差，容易产生同义词。 查找的性能分析性能
散列表的查找过程基本上和造表过程相同。一些关键码可经过散列函数转换的地址直接找到，另外一些关键码在散列函数获得的地址上产生了冲突，须要按处理冲突的方法进行查找。在介绍的三种处理冲突的方法中，产生冲突后的查找仍然是给定值与关键码进行比较的过程。因此，对散列表查找效率的量度，依然用平均查找长度来衡量。
查找过程当中，关键码的比较次数，取决于产生冲突的多少，产生的冲突少，查找效率就高，产生的冲突多，查找效率就低。所以，影响产生冲突多少的因素，也就是影响查找效率的因素。影响产生冲突多少有如下三个因素：
1. 散列函数是否均匀；
2. 处理冲突的方法；
3. 散列表的装填因子。
散列表的装填因子定义为：α= 填入表中的元素个数 / 散列表的长度
α是散列表装满程度的标志因子。因为表长是定值，α与“填入表中的元素个数”成正比，因此，α越大，填入表中的元素较多，产生冲突的可能性就越大；α越小，填入表中的元素较少，产生冲突的可能性就越小。
实际上，散列表的平均查找长度是装填因子α的函数，只是不一样处理冲突的方法有不一样的函数。
了解了hash基本定义，就不能不提到一些著名的hash算法，MD5 和 SHA-1 能够说是目前应用最普遍的Hash算法，而它们都是以 MD4 为基础设计的。那么他们都是什么意思呢?
这里简单说一下：
（1) MD4
MD4(RFC 1320)是 MIT 的 Ronald L. Rivest 在 1990 年设计的，MD 是 Message Digest 的缩写。它适用在32位字长的处理器上用高速软件实现--它是基于 32 位操做数的位操做来实现的。
（2) MD5
MD5(RFC 1321)是 Rivest 于1991年对MD4的改进版本。它对输入仍以512位分组，其输出是4个32位字的级联，与 MD4 相同。MD5比MD4来得复杂，而且速度较之要慢一点，但更安全，在抗分析和抗差分方面表现更好
（3) SHA-1 及其余
SHA1是由NIST NSA设计为同DSA一块儿使用的，它对长度小于264的输入，产生长度为160bit的散列值，所以抗穷举(brute-force)性更好。SHA-1 设计时基于和MD4相同原理,而且模仿了该算法。
哈希表不可避免冲突(collision)现象：对不一样的关键字可能获得同一哈希地址 即key1≠key2，而hash(key1)=hash(key2)。所以，在建造哈希表时不只要设定一个好的哈希函数，并且要设定一种处理冲突的方法。可以下描述哈希表：根据设定的哈希函数H(key)和所选中的处理冲突的方法，将一组关键字映象到一个有限的、地址连续的地址集(区间)上并以关键字在地址集中的“象”做为相应记录在表中的存储位置，这种表被称为哈希表。
对于动态查找表而言，1) 表长不肯定；2)在设计查找表时，只知道关键字所属范围，而不知道确切的关键字。所以，通常状况需创建一个函数关系，以f(key)做为关键字为key的录在表中的位置，一般称这个函数f(key)为哈希函数。(注意：这个函数并不必定是数学函数)
哈希函数是一个映象，即：将关键字的集合映射到某个地址集合上，它的设置很灵活，只要这个地址集合的大小不超出容许范围便可。
现实中哈希函数是须要构造的，而且构造的好才能使用的好。
那么这些Hash算法到底有什么用呢?
Hash算法在信息安全方面的应用主要体如今如下的3个方面：
（1) 文件校验
咱们比较熟悉的校验算法有奇偶校验和CRC校验，这2种校验并无抗数据篡改的能力，它们必定程度上能检测并纠正数据传输中的信道误码，但却不能防止对数据的恶意破坏。
MD5 Hash算法的"数字指纹"特性，使它成为目前应用最普遍的一种文件完整性校验和(Checksum)算法，很多Unix系统有提供计算md5 checksum的命令。
（2) 数字签名
Hash 算法也是现代密码体系中的一个重要组成部分。因为非对称算法的运算速度较慢，因此在数字签名协议中，单向散列函数扮演了一个重要的角色。 对 Hash 值，又称"数字摘要"进行数字签名，在统计上能够认为与对文件自己进行数字签名是等效的。并且这样的协议还有其余的优势。
（3) 鉴权协议
以下的鉴权协议又被称做挑战--认证模式：在传输信道是可被侦听，但不可被篡改的状况下，这是一种简单而安全的方法。
文件hash值
MD5-Hash-文件的数字文摘经过Hash函数计算获得。无论文件长度如何，它的Hash函数计算结果是一个固定长度的数字。与加密算法不一样，这一个Hash算法是一个不可逆的单向函数。采用安全性高的Hash算法，如MD五、SHA时，两个不一样的文件几乎不可能获得相同的Hash结果。所以，一旦文件被修改，就可检测出来。
Hash函数还有另外的含义。实际中的Hash函数是指把一个大范围映射到一个小范围。把大范围映射到一个小范围的目的每每是为了节省空间，使得数据容易保存。除此之外，Hash函数每每应用于查找上。因此，在考虑使用Hash函数以前，须要明白它的几个限制：
1. Hash的主要原理就是把大范围映射到小范围；因此，你输入的实际值的个数必须和小范围至关或者比它更小。否则冲突就会不少。 2. 因为Hash逼近单向函数；因此，你能够用它来对数据进行加密。 3. 不一样的应用对Hash函数有着不一样的要求；好比，用于加密的Hash函数主要考虑它和单项函数的差距，而用于查找的Hash函数主要考虑它映射到小范围的冲突率。 应用于加密的Hash函数已经探讨过太多了，在做者的博客里面有更详细的介绍。因此，本文只探讨用于查找的Hash函数。 Hash函数应用的主要对象是数组（好比，字符串），而其目标通常是一个int类型。如下咱们都按照这种方式来讲明。 通常的说，Hash函数能够简单的划分为以下几类： 1. 加法Hash； 2. 位运算Hash； 3. 乘法Hash； 4. 除法Hash； 5. 查表Hash； 6. 混合Hash； 下面详细的介绍以上各类方式在实际中的运用。 一 加法Hash 所谓的加法Hash就是把输入元素一个一个的加起来构成最后的结果。标准的加法Hash的构造以下：
这里的prime是任意的质数，看得出，结果的值域为[0,prime-1]。
二 位运算Hash 这类型Hash函数经过利用各类位运算（常见的是移位和异或）来充分的混合输入元素。好比，标准的旋转Hash的构造以下：
先移位，而后再进行各类位运算是这种类型Hash函数的主要特色。好比，以上的那段计算hash的代码还能够有以下几种变形：
三 乘法Hash 这种类型的Hash函数利用了乘法的不相关性（乘法的这种性质，最有名的莫过于平方取头尾的随机数生成算法，虽然这种算法效果并很差）。好比，
jdk5.0里面的String类的hashCode()方法也使用乘法Hash。不过，它使用的乘数是31。推荐的乘数还有：131, 1313, 13131, 131313等等。 使用这种方式的著名Hash函数还有：
以及改进的FNV算法：
除了乘以一个固定的数，常见的还有乘以一个不断改变的数，好比：
for(int i = 0; i < str.length(); i++) { hash = hash * a + str.charAt(i); a = a * b; } return (hash & 0x7FFFFFFF); }
虽然Adler32算法的应用没有CRC32普遍，不过，它多是乘法Hash里面最有名的一个了。关于它的介绍，你们能够去看RFC 1950规范。
四 除法Hash 除法和乘法同样，一样具备表面上看起来的不相关性。不过，由于除法太慢，这种方式几乎找不到真正的应用。须要注意的是，咱们在前面看到的hash的 结果除以一个prime的目的只是为了保证结果的范围。若是你不须要它限制一个范围的话，可使用以下的代码替代”hash%prime”： hash = hash ^ (hash>>10) ^ (hash>>20)。 五 查表Hash 查表Hash最有名的例子莫过于CRC系列算法。虽然CRC系列算法自己并非查表，可是，查表是它的一种最快的实现方式。下面是CRC32的实现：
查表Hash中有名的例子有：Universal Hashing和Zobrist Hashing。他们的表格都是随机生成的。
六 混合Hash 混合Hash算法利用了以上各类方式。各类常见的Hash算法，好比MD五、Tiger都属于这个范围。它们通常不多在面向查找的Hash函数里面使用。
七 对Hash算法的评价 http://www.burtleburtle.net/bob/hash/doobs.html 这个页面提供了对几种流行Hash算法的评价。咱们对Hash函数的建议以下：
1. 字符串的Hash。最简单可使用基本的乘法Hash，当乘数为33时，对于英文单词有很好的散列效果（小于6个的小写形式能够保证没有冲突）。复杂一点可使用FNV算法（及其改进形式），它对于比较长的字符串，在速度和效果上都不错。
public override unsafe int GetHashCode() {//微软System.String 字符串哈希算法 fixed (char* str= ((char*) this)) { char* chPtr = str; intnum = 0x15051505; intnum2 = num; int* numPtr = (int*) chPtr; for (inti = this.Length; i > 0; i -= 4) { num = (((num << 5) + num) + (num >> 0x1b)) ^ numPtr[0]; if (i <= 2) { break; } num2 = (((num2 << 5) + num2) + (num2 >> 0x1b)) ^ numPtr[1]; numPtr += 2; } return (num + (num2 * 0x5d588b65)); } }
- 1. 常见的hash算法及其原理
- 2. 常见hash算法的原理
- 3. hash算法原理及常见函数
- 4. 常见hash原理
- 5. 常见hash算法
- 6. 常见的Hash算法
- 7. hash算法和常见的hash函数 [转]
- 8. 常见加密算法及常见加密算法原理
- 9. hash算法原理详解
- 10. Hash算法【转】
- 更多相关文章...
- • MyBatis的工作原理 - MyBatis教程
- • TiDB数据库的存储原理（非常详细） - NoSQL教程
- • ☆技术问答集锦（13）Java Instrument原理
- • Java Agent入门实战（三）-JVM Attach原理与使用
-
每一个你不满意的现在，都有一个你没有努力的曾经。
- 1. 常见的hash算法及其原理
- 2. 常见hash算法的原理
- 3. hash算法原理及常见函数
- 4. 常见hash原理
- 5. 常见hash算法
- 6. 常见的Hash算法
- 7. hash算法和常见的hash函数 [转]
- 8. 常见加密算法及常见加密算法原理
- 9. hash算法原理详解
- 10. Hash算法【转】