極客時間課程《數據結構與算法之美》筆記07 - 哈希算法

哈希算法-如何防止數據庫中的用戶信息被脫庫

定義和原理：將任意長度的二進制值串映射爲固定長度的二進制值串

要求：

• 不能反向推導（單向哈希算法）
• 對輸入數據敏感，哪怕只修改了一個Bit，最後獲得的哈希值也大不相同。
• 散列衝突機率要很小。
• 執行效率要高，針對較長的文本，也能很快地計算出哈希值。

哈希算法的應用不少，常見有：安全加密、惟一標識、數據校驗、散列函數、負載均衡、數據分片、分佈式存儲

惟一標識

在海量的圖片信息中，搜索一張圖是否存在。任何文件在計算機中均可以表示成二進制碼串，將圖片的二進制碼串開頭、中間、結尾分別取100個字節，而後再經過哈希獲得惟一標識。（減輕工做量）

數據校驗

BT下載的時候會作數據校驗。

散列函數

防範字典攻擊引入一個鹽(salt)，跟用戶密碼組合在一塊兒，增長密碼複雜度，而後用組合後的字符串來作哈希算法加密，將它存儲到數據庫中，進一步增長破解的難度。
除此以外，一些公司採用的方法：不管密碼長度多少，採用計算hash時間都固定或者足夠慢的算法，好比：
PBKDF2WithHmacSHA1。避免因計算時間不同而泄露字符串長度信息。

負載均衡

負載均衡須要維護一個映射表，哈希算法能很方便地維護這個功能，經過客戶端IP或者會話ID計算哈希，經過和服務器列表的大小進行取模運算，最終獲得服務器編號。

數據分片

統計「搜索關鍵詞」出現的次數，1T的文件日誌，記錄用戶的關鍵詞，快速統計出每一個關鍵詞的被搜索次數。
先對數據進行分片，而後採用多臺機器處理的方法，提高速度。關鍵詞計算哈希，跟n取模，最終獲得機器編號。同一個關鍵詞會被分配在同一個機器上。
這個處理過程也是MapReduce的基本設計思想

分佈式存儲

本來10臺服務器，增長到12臺。原有哈希可能失效，從新計算緩存產生雪崩效應。
一致性哈希算法：假設有K臺機器，將整個範圍劃分紅m個小區間（m遠大於k）