业界动态
(笔记整合)哈希算法
2024-11-06 17:49

1.定义
将任意长度的二进制值串映射成固定长度的二进制值串,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值串就是哈希值。

(笔记整合)哈希算法

2.如何设计一个优秀的哈希算法
①单向哈希
从哈希值不能反向推导出哈希值(所以哈希算法也叫单向哈希算法)。
②篡改无效
对输入敏感,哪怕原始数据只修改一个Bit,最后得到的哈希值也大不相同。
③散列冲突
散列冲突的概率要很小,对于不同的原始数据,哈希值相同的概率非常小。
④执行效率
哈希算法的执行效率要尽量高效,针对较长的文本,也能快速计算哈希值。

7个常见应用:安全加密、唯一标识、数据校验、散列函数、负载均衡、数据分片、分布式存储。
1.安全加密
①常用于加密的哈希算法
MD5: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
②对用于加密的哈希算法,有两点格外重要,第一点是很难根据哈希值反向推导出原始数据,第二点是散列冲突的概率要小。
③在实际开发中要权衡破解难度和计算时间来决定究竟使用哪种加密算法。

2.唯一标识
通过哈希算法计算出数据的唯一标识,从而用于高效检索数据。

3.数据校验
利用哈希算法对输入数据敏感的特点,可以对数据取哈希值,从而高效校验数据是否被篡改过。

4.散列函数
散列函数中用到的哈希算法更加关注散列后的值能不能平均分布,以及散列函数的执行快慢。

5.负载均衡
5.1.需求
如何实现一个会话粘滞(session sticky)的负载均衡算法?也就是说,在一次会话中的所有请求都路由到同一个服务器上。

5.2.解决方案
通过哈希算法对客户端IP或会话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过来的请求都路由到同一个后端服务器上。

6.数据分片
6.1.如何统计“搜索关键词”出现的次数
①需求描述
假如我们有1T的日志文件,这里面记录了用户的搜索关键词,我们想要快速统计出每个关键词被搜索的次数,该怎么做呢
②问题分析
这个问题有两个难点,第一个是搜索的日子很大,没办法放到一台机器的内存中。第二个是只用一台机器来处理这么巨大的数据,处理时间会很长。
③解决方案
先对数据进行分片,然后采用多台(比如n台)机器进行处理。具体做法:从搜索记录的日志文件中依次读取每个关键词,并通过哈希函数计算该关键词的哈希值,然后跟机器的台数n取模,最终得到值就是该关键词应该被分到的机器编号,这样相同的关键词一定会被分配到同一台机器上,数据分配完成后,由多台机器并行进行统计,最后合并起来就是最终结果。
实际上,这里的处理过程也是 MapReduce 的基本设计思想。

6.2.如何快速判断图片是否存在图库中
①需求描述
假设现在我们的图库中有1亿张图片,如何快速判断图片是否在图库中?基本方式是给每个图片去唯一表示(或者信息摘要,然后构建散列表。
②问题分析
很显然,在单台机器上构建散列表示行不通的,因为单台机器的内存有限,而1亿张图片构建散列表远远超过了单台机器的内存上限。
②解决方案
准备n台机器,让每台机器只维护一部分图片对应的散列表。我们每次从图库中读取一个图片,计算唯一标识,然后与机器个数n求余取模,得到的值就对应要分配的机器编号,然后将这个图片的唯一表示和图片路径发往对应的机器构建散列表。
当我们要判断一个图片是否在图库中时,我们通过同样的哈希算法,计算这个图片的唯一表示,然后与机器个数n求余取模。假设得到的值是k,那就去编号为k的机器构建的散列表中查找。
如何估算给1亿张图片构建散列表大约需要多少台机器
散列表中每个数据单元包含两个信息,哈希值和图片文件的路径。假设我们通过 MD5 来计算哈希值,那长度就是 128 比特,也就是 16 字节。文件路径长度的上限是 256 字节,我们可以假设平均长度是 128 字节。如果我们用链表法来解决冲突,那还需要存储指针,指针只占用 8 字节。所以,散列表中每个数据单元就占用 152 字节(这里只是估算,并不准确)。
假设一台机器的内存大小为 2GB,散列表的装载因子为 0.75,那一台机器可以给大约 1000 万(2GB*0.75/152)张图片构建散列表。所以,如果要对 1 亿张图片构建索引,需要大约十几台机器。在工程中,这种估算还是很重要的,能让我们事先对需要投入的资源、资金有个大概的了解,能更好地评估解决方案的可行性。
实际上,针对这种海量数据的处理问题,我们都可以采用多机分布式处理。借助这种分片的思路,可以突破单机内存、CPU 等资源的限制。

7.分布式存储
7.1.什么是分布式存储
分布式存储就是将数据存储在多台机器上并提供高效的读取、写入支持。那如何决定将哪个数据放到哪个机器上呢?可以利用数据分片的思想,即通过哈希算法对数据取哈希值,然后对机器个数取模,这个最终值就是应该存储的缓存机器编号。

7.2.遇到的问题是什么
如果数据持续增多,原来的机器数量已经不能满足需求,就需要增加机器,这时就麻烦了,因为所有的数据都需要重新哈希值进行再次分配。这就相当于,缓存中的数据一下子都失效了,所有的数据请求都会穿透缓存,直接去请求数据库。这样就可能发生雪崩效应,压垮数据库。

    以上就是本篇文章【(笔记整合)哈希算法】的全部内容了,欢迎阅览 ! 文章地址:http://fabua.ksxb.net/news/47.html 
     文章      相关文章      动态      同类文章      热门文章      栏目首页      网站地图      返回首页 海之东岸资讯移动站 http://fabua.ksxb.net/mobile/ , 查看更多   
最新文章
英特尔CEO陈立武:剥离非核心业务,建立世界一流晶圆代工厂!
当地时间3月31日,英特尔在美国拉斯维加斯召开了“Intel Vision”(英特尔愿景)大会,英特尔首席执行官陈立武(Lip-Bu Tan)首
合金弹头游戏合金弹头手机版下载「合金弹头游戏」
相信很多小伙伴们比较喜欢合金弹头游戏吧,那么下面给大家带来2022和合金弹头画风很像的游戏叫什么,这几款游戏给小编带来的整体
广东:商贩偷奸耍滑,缺斤短两,男子气不过,拿锤子怒砸猪肉摊锤子手机老板「广东:商贩偷奸耍滑,缺斤短两,男子气不过,拿锤子怒砸猪肉摊」
广东佛山曾经发生一起事件,男子乘车到菜市场买猪肉,猪肉摊老板告知男子:猪肉36元一斤。男子嫌猪肉太贵,与老板发生冲突,并抢
小米手机会出现漏电和手麻问题?手机漏电「小米手机会出现漏电和手麻问题?」
小米手机漏电和手麻问题解析引言:近期,关于小米手机存在漏电和手麻问题的传闻在社交媒体上广泛流传。用户对于手机安全和健康的
SIM卡成本价1.5-5元 有营业厅补换卡收费30元补手机卡要多少钱「SIM卡成本价1.5-5元 有营业厅补换卡收费30元」
  手机里必需的SIM卡(电话卡)难免出现损坏、丢失的情况。  近日,南都湾财社记者在社交平台上发现,不少用户吐槽运营商补换
【诊疗攻略】吉兰-巴雷综合征诊断+治疗
吉兰-巴雷综合征(Guillain⁃Barré syndrome,GBS)系一类免疫介导的急性炎性周围神经病,包括经典型GBS和变异型 GBS 两大类,
专题 | 2025年地方供地计划探析:规模压降、结构优化与市场效应
2025年初,中国房地产市场延续上年四季度企稳态势,一二手房成交规模与房价指数持续修复,土地市场率先显现积极信号——月度溢价
iPhone9什么时候发售 新iPhone发布时间及上市时间一览苹果手机9「iPhone9什么时候发售 新iPhone发布时间及上市时间一览」
马上就到九月份了,根据往年惯例,全球最受欢迎的手机品牌,苹果将在九月中旬发布2018年度旗舰新iPhone,因此当前关于新iPhone的
QQ支持与TM双向切换吗手机qq下载2012「QQ支持与TM双向切换吗」
  TM是一款面向办公环境中有IM使用需求的用户,较侧重熟人间的沟通和联系的个人即时通讯软件。可与QQ一键双向切换。  在QQ中
这些原研药,在新渠道爆红
文 | vb动脉网随着医改各项措施的全面推进,院内院外药品市场格局重塑,原研药战略重心正从院内市场走向院外。据米内网近期发布