一、哈希算法
哈希算法定义：将任意长度的二进制串映射为固定长度的二进制串，这个映射的规则就是哈希算法，而通过原始数据映射之后得到的二进制串就是哈希值。需要满足几点要求：
- 从哈希值不能反向推导出原始数据
- 对输入数据非常敏感，哪怕原始数据只修改了一个 bit，最后得到的哈希值也大不相同
- 哈希冲突的概率要很小，对于不同的原始数据，哈希值相同的概率非常小
- 哈希算法的执行效率要尽量高效，针对较长的文本，也能快速计算出哈希值
1. 应用
- 安全加密
MD5（Message-Digest Algorithm，MD5消息摘要算法）、SHA（Secure Hash Algorithm，安全散列算法）
DES（Data Encryption Standard，数据加密标准）、AES（Advanced Encryption Standard，高级加密标准）
- 唯一标识
如果要比较图片是否在图库中存在；图片的大小为 几十KB、几MB，如果转换成二进制是一个非常长的串，比对起来非常耗时。
可以给图片取一个唯一标识，从图片的二进制码串开头取100字节，中间取100字节，最后取100字节，然后将这 300 字节放在一块，通过哈希算法得到哈希字符串，将此作为图片的唯一标识。
- 数据校验
要下载一个 2GB 的电影，则需要分成 100 个文件去下载，为了防止这些文件被篡改，则会对比原文件和下载的文件的哈希值，如果不同就说明被篡改了。
- 哈希函数
2. 字典攻击和解决
有些人习惯用 0000、1234 这样的简单的数字组成做密码。
字典攻击：维护一个常用密码的字典表，把字典中的每个密码用哈希算法计算哈希值，然后和脱库后的密文对比。
解决：引入一个盐（salt），和用户的密码组合在一起，增加密码的复杂度，进一步增加破解的难度
3. 重要应用
- 负载均衡
如果我们需要在同一个客户端上，再一次会话中的所有请求都路由到同一个服务器上。
可以通过哈希算法，对客户端 IP 地址或者会话 ID 计算哈希值，将取得的哈希值与服务器列表的大小进行取模运算，最终得到的值就是应该被路由到的服务器编号。这样就可以把同一个IP过来的所有请求，都路由到同一个后端服务器上。
数据分片
有一个 1T 的日志文件，记录了用户的搜索关键字，想要快速统计出每个关键词被搜索的次数？
两个难点，日志很大，无法放在一个机器的内存中；只用一台机器处理太慢
我们可以先对数据进行分片，然后采用多台机器处理，每台机器读出的关键词，通过哈希函数计算哈希值，然后和 N 取模，最终得到的值就是应该被分配到的机器编号。这样哈希值相同的关键词就会分配到同一个机器上。每个机器分别计算关键词出现的次数，最后合并起来就是最终的结果。也是 MapReduce 的基本设计思想
分布式存储
一致性哈希
假设我们有 k 个机器，数据的哈希值的范围是[0, MAX]。我们将整个范围划分成 m 个小区间（m 远大于 k），每个机器负责 m/k 个小区间。当有新机器加入的时候，我们就将某几个小区间的数据，从原来的机器中搬移到新的机器中。这样，既不用全部重新哈希、搬移数据，也保持了各个机器上数据数量的均衡。除此之外，它还会借助一个虚拟的环和虚拟结点，更加优美地实现出来。