第三章 hash是個啥玩意

3.10 hash

1. 什麼是哈希？

   hash,通常翻譯作散列、雜湊，或音譯爲哈希，是把任意長度的輸入（又叫作預映射pre-image）經過散列算法變換成固定長度的輸出，該輸出就是散列值。這種轉換是一種壓縮映射，也就是，散列值的空間一般遠小於輸入的空間。

   它其實就是一個算法，最簡單的算法就是加減乘除，比方，我設計個數字算法，輸入+7=輸出，好比我輸入1，輸出爲8；輸入2，輸出爲9。

   哈希算法不過是一個更爲複雜的運算，它的輸入能夠是字符串，能夠是數據，能夠是任何文件，通過哈希運算後，變成一個固定長度的輸出，該輸出就是哈希值。可是哈希算法有一個很大的特色，就是你不能從結果推算出輸入,因此又稱爲不可逆的算法

   >>> hash('我愛你')3471388576844338423>>> hash('小猿圈')5000768010434506639

   如上所示，輸入「我愛你」三個字，通過哈希運算後，會獲得一個隨機數列，並且無論你的輸入文件多大，最後獲得的結果都是這麼一個固定長度的數列，即便你輸入的是一部電影，輸出也是這麼大。並且經過數列不能推導出輸入。

    

2. 哈希特性

   不可逆：在具有編碼功能的同時，哈希算法也做爲一種加密算法存在。即，你沒法經過分析哈希值計算出源文件的樣子，換句話說：你不可能經過觀察香腸的紋理推測出豬原來的樣子。

   計算極快：20G高清電影和一個5K文本文件複雜度相同，計算量都極小，能夠在0.1秒內得出結果。也就是說，無論豬有多肥，骨頭多硬，作成香腸都只要眨眨眼的時間

    

3. 哈希的用途

   哈希算法的不可逆特性使其在如下領域使用普遍

   1. 密碼，咱們平常使用的各類電子密碼本質上都是基於hash的，你不用擔憂支付寶的工做人員會把你的密碼泄漏給第三方，由於你的登陸密碼是先通過 hash+各類複雜算法得出密文後 再存進支付寶的數據庫裏的

   2. 文件完整性校驗，經過對文件進行hash，得出一段hash值 ，這樣文件內容之後被修改了，hash值就會變。 MD5 Hash算法的」數字指紋」特性，使它成爲應用最普遍的一種文件完整性校驗和(Checksum)算法，很多Unix系統有提供計算md5 checksum的命令。

   3. 數字簽名，數字簽名技術是將摘要信息用發送者的私鑰加密，與原文一塊兒傳送給接收者。接收者只有用發送者的公鑰才能解密被加密的摘要信息，而後用HASH函數對收到的原文產生一個摘要信息，與解密的摘要信息對比。若是相同，則說明收到的信息是完整的，在傳輸過程當中沒有被修改，不然說明信息被修改過，所以數字簽名可以驗證信息的完整性。

      此外，hash算法在區塊鏈領域也使用普遍。

4. 基於hash的數據類型有哪些？

   • Python 中基於hash的2個數據類型是dict and set , 以前說dict查詢速度快，爲什麼快？ 說set天生去重，怎麼作到的？其實都是利用了hash的特性，咱們下面來剖析

   • dict 爲什麼查詢速度超快，且不受dict大小影響 ？

     • 解析：假設我要存14億人的基本信息

       data = {    "張三":[23742364782642342323234,28,"山東濟南"],    "李四":[12124234232311214458271,25,"北京昌平"],    "王五":[23030293483727384383929,33,"山東濟南"],    "趙六":[42302033030302482634674,28,"河北保定"],    # "alex":["xxxx"],   # "黑姑娘":["xxxx"]   # ...}

     • dict 的每一個key 都要先通過hash生成一段固定長度的hash值，假設生成的hash值以下

     • dict會把這些數字按大小排序好放在一個列表裏kd = [-10, 53, 67, 81, 99, 123]當咱們想查找」趙六」的信息時， 會把「趙六」先hash, 獲得99這個值，而後拿這個值去到kd列表裏找，想象這個列表有14億個值 ，如何快速找到99？ 二分法就行，具體看剖析視頻。

       只要找到了99的位置，就能夠定位到趙六對應的value的值了。 經過2分法查找，每次數據量都會少一半，這樣查找最多31次(2**31=2147483648)就能從20億信息裏找到這我的的信息。

       固然 dict 真實的查找算法比這個還要複雜些， 我只是經過這個例子讓你們理解下爲什麼基於hash的數據類型查找速度會快不少。

5. set爲什麼是天生去重的？

   由於每存一個值到set裏時， 都要先通過hash，而後經過得出的這個hash值算出應該存在set裏的哪一個位置，存的時候會先檢查那個位置上有沒有值 ，有的話就對比是否相等，若是相等，則再也不存儲此值。 若是不相等(即爲空)，則把新值 存在這。