哈希表

哈希表

本詞條由 「科普中國」百科科學詞條編寫與應用工做項目 審覈 。

散列表（Hash table，也叫哈希表），是根據關鍵碼值(Key value)而直接進行訪問的 數據結構。也就是說，它經過把關鍵碼值映射到表中一個位置來訪問記錄，以加快查找的速度。這個映射函數叫作 散列函數，存放記錄的 數組叫作 散列表。

給定表M，存在函數f(key)，對任意給定的關鍵字值key，代入函數後若能獲得包含該關鍵字的記錄在表中的地址，則稱表M爲哈希(Hash）表，函數f(key)爲哈希(Hash) 函數。

中文名

哈希表

外文名

Hash table

別    名

散列表

做    用

直接進行訪問的 數據結構

目錄

1. 1 基本概念
2. 2 經常使用方法

1. 3 處理衝突
2. 4 查找性能

1. 5 實際應用
2. 6 字符串

基本概念 編輯

• 若關鍵字爲 k，則其值存放在 f(k)的存儲位置上。由此，不需比較即可直接取得所查記錄。稱這個對應關係 f爲散列函數，按這個思想創建的表爲散列表。
• 對不一樣的關鍵字可能獲得同一散列地址，即 k1 ≠k2，而 f(k1)=f(k2)，這種現象稱爲碰撞（英語：Collision）。具備相同函數值的關鍵字對該散列函數來講稱作同義詞。綜上所述，根據散列函數 f(k)和處理碰撞的方法將一組關鍵字映射到一個有限的連續的地址集（區間）上，並以關鍵字在地址集中的「像」做爲記錄在表中的存儲位置，這種表便稱爲散列表，這一映射過程稱爲散列造表或散列，所得的存儲位置稱散列地址。
• 若對於關鍵字集合中的任一個關鍵字，經散列函數映象到地址集合中任何一個地址的機率是相等的，則稱此類散列函數爲均勻散列函數（Uniform Hash function），這就是使關鍵字通過散列函數獲得一個「隨機的地址」，從而減小碰撞。 ^[1]  

經常使用方法 編輯

散列函數能使對一個數據序列的訪問過程更加迅速有效，經過散列函數， 數據元素將被更快地定位。

實際工做中需視不一樣的狀況採用不一樣的 哈希函數，一般考慮的因素有：

· 計算 哈希函數所需時間

· 關鍵字的長度

· 哈希表的大小

· 關鍵字的分佈狀況

· 記錄的查找頻率

1. 直接尋址法：取關鍵字或關鍵字的某個線性函數值爲散列地址。即H(key)=key或H(key) = a·key + b，其中a和b爲常數（這種 散列函數叫作自身函數）。若其中H(key）中已經有值了，就往下一個找，直到H(key）中沒有值了，就放進去。

2. 數字分析法：分析一組數據，好比一組員工的出生年月 日，這時咱們發現出生年月日的前幾位數字大致相同，這樣的話，出現衝突的概率就會很大，可是咱們發現年月日的後幾位表示月份和具體日期的數字差異很大，如 果用後面的數字來構成散列地址，則衝突的概率會明顯下降。所以數字分析法就是找出數字的規律，儘量利用這些數據來構造衝突概率較低的散列地址。

3. 平方取中法：當沒法肯定關鍵字中哪幾位分佈較均勻時，能夠先求出關鍵字的平方值，而後按須要取平方值的中間幾位做爲哈希地址。這是由於：平方後中間幾位和關鍵字中每一位都相關，故不一樣關鍵字會以較高的機率產生不一樣的哈希地址。 ^[2]  

例：咱們把英文字母在字母表中的位置序號做爲該英文字母的內部編碼。例如 K的內部編碼爲11，E的內部編碼爲05，Y的內部編碼爲25，A的內部編碼爲01, B的內部編碼爲02。由此組成關鍵字「KEYA」的內部代碼爲11052501，同理咱們能夠獲得關鍵字「KYAB」、「AKEY」、「BKEY」的內部 編碼。以後對關鍵字進行平方運算後，取出第7到第9位做爲該關鍵字哈希地址，以下圖所示

關鍵字	內部編碼	內部編碼的平方值	H(k)關鍵字的哈希地址
KEYA	11050201	122157778355001	778
KYAB	11250102	126564795010404	795
AKEY	01110525	001233265775625	265
BKEY	02110525	004454315775625	315

^[2]  

4. 摺疊法：將關鍵字分割成位數相同的幾部分，最後一部分位數能夠不一樣，而後取這幾部分的疊加和（去除進位）做爲散列地址。數位疊加能夠有移位疊加和間界疊加兩種方法。移位疊加是將分割後的每一部分的最低位對齊，而後相加；間界疊加是從一端向另外一端沿分割界來回摺疊，而後對齊相加。

5. 隨機數法：選擇一 隨機函數，取關鍵字的隨機值做爲散列地址，一般用於關鍵字長度不一樣的場合。

6. 除留餘數法：取關鍵字被某個不大於 散列表表長m的數p除後所得的餘數爲散列地址。即 H(key) = key MOD p,p<=m。不只能夠對 關鍵字直接取模，也可在摺疊、平方取中等運算以後取模。對p的選擇很重要，通常取素數或m，若p選的很差，容易產生同義詞。 ^[3]  

處理衝突 編輯

1. 開放尋址法：Hi=(H(key) + di) MOD m,i=1,2，…，k(k<=m-1），其中H(key）爲 散列函數，m爲 散列表長，di爲增量序列，可有下列三種取法：

1.1. di=1,2,3，…，m-1，稱線性探測再散列；

1.2. di=1^2,-1^2,2^2,-2^2，⑶^2，…，±（k)^2,(k<=m/2）稱二次探測再散列；

1.3. di= 僞隨機數序列，稱僞隨機探測再散列。

2. 再 散列法：Hi=RHi(key),i=1,2，…，k RHi均是不一樣的 散列函數，即在同義詞產生地址衝突時計算另外一個散列函數地址，直到衝突再也不發生，這種方法不易產生「彙集」，但增長了計算時間。

3. 鏈地址法（拉鍊法）

4. 創建一個公共溢出區

查找性能 編輯

散列表的查找過程基本上和造表過程相同。一些關鍵碼可經過 散列函數轉換的地址直接找到，另外一些關鍵碼在散列函數獲得的地址上產生了衝突，須要按處理衝突的方法進行查找。在介紹的三種處理衝突的方法中，產生衝突後的查找仍然是給定值與關鍵碼進行比較的過程。因此，對 散列表查找效率的量度，依然用平均查找長度來衡量。

查找過程當中，關鍵碼的比較次數，取決於產生衝突的多少，產生的衝突少，查找效率就高，產生的衝突多，查找效率就低。所以，影響產生衝突多少的因素，也就是影響查找效率的因素。影響產生衝突多少有如下三個因素：

1. 散列函數是否均勻；

2. 處理衝突的方法；

3. 散列表的裝填因子。

散列表的裝填因子定義爲：α= 填入表中的元素個數 / 散列表的長度

α是 散列表裝滿程度的標誌因子。因爲表長是定值，α與「填入表中的元素個數」成正比，因此，α越大，填入表中的元素較多，產生衝突的可能性就越大；α越小，填入表中的元素較少，產生衝突的可能性就越小。

實際上， 散列表的平均查找長度是裝填因子α的函數，只是不一樣處理衝突的方法有不一樣的函數。

瞭解了hash基本定義，就不能不提到一些著名的hash算法，MD5 和 SHA-1 能夠說是目前應用最普遍的Hash算法，而它們都是以 MD4 爲基礎設計的。那麼他們都是什麼意思呢?

這裏簡單說一下：

⑴ MD4

MD4(RFC 1320）是 MIT 的 Ronald L. Rivest 在 1990 年設計的，MD 是 Message Digest 的縮寫。它適用在32位 字長的處理器上用高速軟件實現--它是基於 32 位操做數的位操做來實現的。

⑵ MD5

MD5(RFC 1321）是 Rivest 於1991年對MD4的改進版本。它對輸入仍以512位分組，其輸出是4個32位字的級聯，與 MD4 相同。MD5比MD4來得複雜，而且速度較之要慢一點，但更安全，在抗分析和抗差分方面表現更好

⑶ SHA-1 及其餘

SHA1是由NIST NSA設計爲同DSA一塊兒使用的，它對長度小於264的輸入，產生長度爲160bit的散列值，所以抗窮舉（brute-force）性更好。SHA-1 設計時基於和MD4相同原理，而且模仿了該算法。

那麼這些Hash算法到底有什麼用呢?

Hash算法在信息安全方面的應用主要體如今如下的3個方面：

⑴ 文件校驗

咱們比較熟悉的校驗算法有 奇偶校驗和CRC校驗，這2種校驗並無抗 數據篡改的能力，它們必定程度上能檢測出數據傳輸中的信道誤碼，但卻不能防止對數據的惡意破壞。

MD5 Hash算法的"數字指紋"特性，使它成爲目前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。

⑵ 數字簽名

Hash 算法也是現代密碼體系中的一個重要組成部分。因爲 非對稱算法的運算速度較慢，因此在 數字簽名協議中， 單向散列函數扮演了一個重要的角色。對 Hash 值，又稱"數字摘要"進行數字簽名，在統計上能夠認爲與對文件自己進行數字簽名是等效的。並且這樣的協議還有其餘的優勢。

⑶ 鑑權協議

以下的鑑權協議又被稱做挑戰--認證模式：在傳輸信道是可被偵聽，但不可被篡改的狀況下，這是一種簡單而安全的方法。

MD五、SHA1的破解

2004年8月17日，在美國加州聖 芭芭拉召開的國際密碼大會上，山東大學王小云教授在國際會議上首次宣佈了她及她的研究小組的研究成果——對MD五、HAVAL－12八、MD4和 RIPEMD等四個著名 密碼算法的破譯結果。2005年2月宣佈破解SHA-1密碼。

實際應用 編輯

以上就是一些關於hash以及其相關的一些基本預備知識。那麼在emule裏面他具體起到什麼做用呢?

你們都知道emule是基於P2P （Peer-to-peer的縮寫，指的是對等鏈接的軟件）， 它採用了"多源文件傳輸協議」（ MFTP，the Multisource FileTransfer Protocol）。在協議中，定義了一系列傳輸、壓縮和打包還有積分的標準，emule 對於每一個文件都有md5-hash的算法設置，這使得該文件獨一無二，而且在整個網絡上均可以追蹤獲得。

什麼是文件的hash值呢?

MD5-Hash-文件的數字文摘經過Hash函數計算獲得。無論文件長度如何，它的Hash函數計算結果是一個固定長度的數字。與 加密算法不一樣，這一個Hash算法是一個不可逆的單向函數。採用安全性高的Hash算法，如MD五、SHA時，兩個不一樣的文件幾乎不可能獲得相同的Hash結果。所以，一旦文件被修改，就可檢測出來。

當咱們的文件放到emule裏面進行共享發佈的時候，emule會根據 hash算法自動生成這個文件的hash值，他就是這個文件惟一的身份標誌，它包含了這個文件的基本信息，而後把它提交到所鏈接的服務器。當有他人想對這 個文件提出下載請求的時候， 這個hash值可讓他人知道他正在下載的文件是否是就是他所想要的。尤爲是在文件的其餘屬性被更改以後（如名稱等）這個值就更顯得重要。並且服務器還提 供了，這個文件當前所在的用戶的地址，端口等信息，這樣emule就知道到哪裏去下載了。

通常來說咱們要搜索一個文件，emule在獲得了這個信息後，會向被添加的服務器發出請求，要求獲得有相同hash值的文件。而服務器則返回持有這個文件的用戶信息。這樣咱們的 客戶端就能夠直接的和擁有那個文件的用戶溝通，看看是否是能夠從他那裏下載所需的文件。

對於emule中文件的hash值是固定的，也是惟一的，它就至關於這個文件的信息摘要，不管這個文件在誰的機器上，他的hash值都是不變的，不管過了多長時間，這個值始終如一，當咱們在進行文件的下載上傳過程當中，emule都是經過這個值來肯定文件。

那麼什麼是userhash呢?

道理同上，當咱們在第一次使用emule的時候，emule會自動生成一 個值，這個值也是惟一的，它是咱們在emule世界裏面的標誌，只要你不卸載，不刪除config，你的userhash值也就永遠不變，積分制度就是通 過這個值在起做用，emule裏面的積分保存，身份識別，都是使用這個值，而和你的id和你的用戶名無關，你隨便怎麼改這些東西，你的userhash值 都是不變的，這也充分保證了公平性。其實他也是一個信息摘要，只不過保存的不是文件信息，而是咱們每一個人的信息。

那麼什麼是hash文件呢?

咱們常常在emule日誌裏面看到，emule正在hash文件，這裏就是利用了hash算法的 文件校驗性 這個功能了，文章前面已經說了一些這些功能，其實這部分是一個很是複雜的過程，在ftp,bt等軟件裏面都是用的這個基本原理，emule裏面是採用文件 分塊傳輸，這樣傳輸的每一塊都要進行對比校驗，若是錯誤則要進行從新下載，這期間這些相關信息寫入met文件，直到整個任務完成，這個時候part文件進 行從新命名，而後使用move命令，把它傳送到incoming文件裏面，而後met文件自動刪除，因此咱們有的時候會遇到hash文件失敗，就是指的是 met裏面的信息出了錯誤不可以和part文件匹配，另外有的時候開機也要瘋狂hash，有兩種狀況一種是你在第一次使用，這個時候要hash提取全部文 件信息，還有一種狀況就是上一次你 非法關機，那麼這個時候就是要進行排錯校驗了。

關於hash的算法研究，一直是信息科學裏面的一個前沿，尤爲在 網絡技術普及的今天，他的重要性愈來愈突出，其實咱們天天在網上進行的信息交流安全驗證，咱們在使用的操做系統 密鑰原理，裏面都有它的身影，特別對於那些研究信息安全有興趣的朋友，這更是一個打開信息世界的鑰匙，他在hack世界裏面也是一個研究的焦點。

通常的線性表、樹中，記錄在結構中的相對位置是隨機的即和記錄的關鍵字之 間不存在肯定的關係，在結構中查找記錄時需進行一系列和關鍵字的比較。這一類查找方法創建在「比較」的基礎上，查找的效率與比較次數密切相關。理想的狀況 是能直接找到須要的記錄，所以必須在記錄的存儲位置和它的關鍵字之間創建一肯定的對應關係f，使每一個關鍵字和結構中一個惟一的存儲位置相對應。於是查找 時，只需根據這個對應關係f找到給定值K的像f(K）。若結構中存在關鍵字和K相等的記錄，則一定在f(K）的存儲位置上，由此不須要進行比較即可直接取 得所查記錄。在此，稱這個對應關係f爲 哈希函數，按這個思想創建的表爲哈希表（又稱爲雜湊法或 散列表）。

哈希表不可避免衝突（collision）現象：對不一樣的關鍵字可能獲得同一哈希地址 即key1≠key2，而hash(key1)=hash(key2）。具備相同函數值的關鍵字對該 哈希函數來講稱爲同義詞（synonym）。所以，在建造哈希表時不只要設定一個好的 哈希函數，並且要設定一種處理衝突的方法。可以下描述哈希表：根據設定的 哈希函數H(key）和所選中的處理衝突的方法，將一組 關鍵字映象到一個有限的、地址連續的地址集（區間）上並以關鍵字在地址集中的「象」做爲相應記錄在表中的存儲位置，這種表被稱爲哈希表。

對於動態 查找表而言，1) 表長不肯定；2）在設計查找表時，只知道關鍵字所屬範圍，而不知道確切的關鍵字。所以，通常狀況需創建一個函數關係，以f(key）做爲關鍵字爲key的錄在表中的位置，一般稱這個函數f(key）爲 哈希函數。（注意：這個函數並不必定是數學函數）

哈希函數是一個映象，即：將關鍵字的集合映射到某個地址集合上，它的設置很靈活，只要這個地址集合的大小不超出容許範圍便可。

現實中 哈希函數是須要構造的，而且構造的好才能使用的好。

用途：加密，解決衝突問題。

用途很廣，比特精靈中就使用了 哈希函數，你能夠本身看看。

具體能夠學習一下 數據結構和算法的書。

字符串 編輯

（著名的ELFhash算法） ^[4]  

1 2 3 4 5 6 7 8 9 10 11 12 13

int  ELFhash( char *key) {      unsigned  long  h=0;      while (*key)      {          h = (h << 4) + *key++;          unsigned  long  g = h & 0xF0000000L;          if (g)              h ^= g >> 24;          h &= ~g;      }      return  h % MOD; }