[轉]常見hash算法的原理
散列表,它是基於快速存取的角度設計的，也是一種典型的「空間換時間」的作法。顧名思義，該數據結構能夠理解爲一個線性表，可是其中的元素不是緊密排列的，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。html
好比咱們存儲70個元素，但咱們可能爲這70個元素申請了100個元素的空間。70/100=0.7，這個數字稱爲負載因子。咱們之因此這樣作，也是爲了「快速存取」的目的。咱們基於一種結果儘量隨機平均分佈的固定函數H爲每一個元素安排存儲位置，這樣就能夠避免遍歷性質的線性搜索，以達到快速存取。可是因爲此隨機性，也必然致使一個問題就是衝突。所謂衝突，即兩個元素經過散列函數H獲得的地址相同，那麼這兩個元素稱爲「同義詞」。這相似於70我的去一個有100個椅子的飯店吃飯。散列函數的計算結果是一個存儲單位地址，每一個存儲單位稱爲「桶」。設一個散列表有m個桶，則散列函數的值域應爲[0,m-1]。 解決衝突是一個複雜問題。衝突主要取決於： （1）散列函數，一個好的散列函數的值應儘量平均分佈。 （2）處理衝突方法。 （3）負載因子的大小。太大不必定就好，並且浪費空間嚴重，負載因子和散列函數是聯動的。 解決衝突的辦法： （1）線性探查法：衝突後，線性向前試探，找到最近的一個空位置。缺點是會出現堆積現象。存取時，可能不是同義詞的詞也位於探查序列，影響效率。 （2）雙散列函數法：在位置d衝突後，再次使用另外一個散列函數產生一個與散列表桶容量m互質的數c，依次試探(d+n*c)%m，使探查序列跳躍式分佈。 經常使用的構造散列函數的方法web
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：算法
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）數組
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，若是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。安全
3. 平方取中法：取關鍵字平方後的中間幾位做爲散列地址。數據結構
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。ide
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。函數
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。 查找的性能分析性能
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：
（1) 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。
（2) 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
（3) 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。
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)。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。
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：
（1) 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並糾正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。
（2) 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。
（3) 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。
文件hash值
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。
Hash函數還有另外的含義。實際中的Hash函數是指把一個大範圍映射到一個小範圍。把大範圍映射到一個小範圍的目的每每是爲了節省空間，使得數據容易保存。除此之外，Hash函數每每應用於查找上。因此，在考慮使用Hash函數以前，須要明白它的幾個限制：
1. Hash的主要原理就是把大範圍映射到小範圍；因此，你輸入的實際值的個數必須和小範圍至關或者比它更小。否則衝突就會不少。 2. 因爲Hash逼近單向函數；因此，你能夠用它來對數據進行加密。 3. 不一樣的應用對Hash函數有着不一樣的要求；好比，用於加密的Hash函數主要考慮它和單項函數的差距，而用於查找的Hash函數主要考慮它映射到小範圍的衝突率。 應用於加密的Hash函數已經探討過太多了，在做者的博客裏面有更詳細的介紹。因此，本文只探討用於查找的Hash函數。 Hash函數應用的主要對象是數組（好比，字符串），而其目標通常是一個int類型。如下咱們都按照這種方式來講明。 通常的說，Hash函數能夠簡單的劃分爲以下幾類： 1. 加法Hash； 2. 位運算Hash； 3. 乘法Hash； 4. 除法Hash； 5. 查表Hash； 6. 混合Hash； 下面詳細的介紹以上各類方式在實際中的運用。 一 加法Hash 所謂的加法Hash就是把輸入元素一個一個的加起來構成最後的結果。標準的加法Hash的構造以下：
這裏的prime是任意的質數，看得出，結果的值域爲[0,prime-1]。
二 位運算Hash 這類型Hash函數經過利用各類位運算（常見的是移位和異或）來充分的混合輸入元素。好比，標準的旋轉Hash的構造以下：
先移位，而後再進行各類位運算是這種類型Hash函數的主要特色。好比，以上的那段計算hash的代碼還能夠有以下幾種變形：
三 乘法Hash 這種類型的Hash函數利用了乘法的不相關性（乘法的這種性質，最有名的莫過於平方取頭尾的隨機數生成算法，雖然這種算法效果並很差）。好比，
jdk5.0裏面的String類的hashCode()方法也使用乘法Hash。不過，它使用的乘數是31。推薦的乘數還有：131, 1313, 13131, 131313等等。 使用這種方式的著名Hash函數還有：
以及改進的FNV算法：
除了乘以一個固定的數，常見的還有乘以一個不斷改變的數，好比：
for(int i = 0; i < str.length(); i++) { hash = hash * a + str.charAt(i); a = a * b; } return (hash & 0x7FFFFFFF); }
雖然Adler32算法的應用沒有CRC32普遍，不過，它多是乘法Hash裏面最有名的一個了。關於它的介紹，你們能夠去看RFC 1950規範。
四 除法Hash 除法和乘法同樣，一樣具備表面上看起來的不相關性。不過，由於除法太慢，這種方式幾乎找不到真正的應用。須要注意的是，咱們在前面看到的hash的 結果除以一個prime的目的只是爲了保證結果的範圍。若是你不須要它限制一個範圍的話，可使用以下的代碼替代」hash%prime」： hash = hash ^ (hash>>10) ^ (hash>>20)。 五 查表Hash 查表Hash最有名的例子莫過於CRC系列算法。雖然CRC系列算法自己並非查表，可是，查表是它的一種最快的實現方式。下面是CRC32的實現：
查表Hash中有名的例子有：Universal Hashing和Zobrist Hashing。他們的表格都是隨機生成的。
六 混合Hash 混合Hash算法利用了以上各類方式。各類常見的Hash算法，好比MD五、Tiger都屬於這個範圍。它們通常不多在面向查找的Hash函數裏面使用。
七 對Hash算法的評價 http://www.burtleburtle.net/bob/hash/doobs.html 這個頁面提供了對幾種流行Hash算法的評價。咱們對Hash函數的建議以下：
1. 字符串的Hash。最簡單可使用基本的乘法Hash，當乘數爲33時，對於英文單詞有很好的散列效果（小於6個的小寫形式能夠保證沒有衝突）。複雜一點可使用FNV算法（及其改進形式），它對於比較長的字符串，在速度和效果上都不錯。
public override unsafe int GetHashCode() {//微軟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. 常見的hash算法及其原理
- 2. 常見hash算法的原理
- 3. hash算法原理及常見函數
- 4. 常見hash原理
- 5. 常見hash算法
- 6. 常見的Hash算法
- 7. hash算法和常見的hash函數 [轉]
- 8. 常見加密算法及常見加密算法原理
- 9. hash算法原理詳解
- 10. Hash算法【轉】
- 更多相關文章...
- • MyBatis的工作原理 - MyBatis教程
- • TiDB數據庫的存儲原理（非常詳細） - NoSQL教程
- • ☆技術問答集錦（13）Java Instrument原理
- • Java Agent入門實戰（三）-JVM Attach原理與使用
-
每一个你不满意的现在，都有一个你没有努力的曾经。
- 1. 常見的hash算法及其原理
- 2. 常見hash算法的原理
- 3. hash算法原理及常見函數
- 4. 常見hash原理
- 5. 常見hash算法
- 6. 常見的Hash算法
- 7. hash算法和常見的hash函數 [轉]
- 8. 常見加密算法及常見加密算法原理
- 9. hash算法原理詳解
- 10. Hash算法【轉】