基础知识学习1之哈希(Hash)

1.理解

1.1 基本概念理解

哈希， Hash的音译，也有翻译做“散列”。 可以理解为映射的一种。T[hash[x]]=x, 通过hash函数将值x转换成T对应的下标，然后将值写到该位置.
比如除法hash： 10%9取余1，将10存在T[1].

hash平均时间要比链表快，同时可以节省比数组更少的空间。
假设关键字集合为K，关键字域为U，空间可以将至O(|K|).

hash使用的场景是数的集合比数的域小的多的情况，比如数为{1,10000}，两个数，但是域是10000，2<<10000; 而数的集合｛1，2｝，域为2=2，就没必要用hash了，使用直接寻址技术就可以了。

1.1.1 碰撞

两个关键字被映射到同一个槽（下标），称为碰撞

hash函数的目标之一：尽可能减少碰撞

1.1.2 直接寻指法

直接寻址技术，直接寻址表

T[k]=k

1.1.3 链接法

把散列在同一个槽中的所有元素都放在一个链表中

问题： 最坏情况是所有元素hash到一个槽。但使用单链表的时候，搜索和删除都很慢，O(n)

1.1.4 开放寻址法

将所有的元素都放在散列表中。 当查找一个元素的时候，需要检查所有的表项。

插入: 先hash到指定的槽，如果槽有元素，就判断下一个槽，直至找到空槽存放元素。

好处：不用指针，节省空间，

问题：散列表会出现填满的情况，以至于不能插入任何元素。
删除麻烦

1.2 相关技术

Hash function： hash函数。 常用的有：
（1） 除法散列法:hash(k)=k mod m
(2) 乘法散列法：hash（k）=INT( m(kA-INT（kA/m))

Hash table:散列表， 算法导论十一章专门讲了散列表。 Hash table中的效率很高，查找元素的期望时间为O(1),hash table 是普通数组概念的推广。Hash table但是最坏时间和链表都是一样，都是O(n)

问题：会出现最坏情况

类是的应用还有hashMap:期望查找时间很快

Hash算法：

hash在密码领域的应用：把任意长度的输入，通过散列算法，变换成固定长度的输出，输出散列值。

2.扩展：

2.1 一致性哈希算法

一致性哈希算法在1997年由麻省理工学院提出的一种分布式哈希（DHT）实现算法，设计目标是为了解决因特网中的热点(Hot spot)问题，初衷和CARP十分类似。一致性哈希修正了CARP使用的简 单哈希算法带来的问题，使得分布式哈希（DHT）可以在P2P环境中真正得到应用

详细见[1]

机器的删除与添加

1. 节点（机器）的删除
   以上面的分布为例，如果NODE2出现故障被删除了，那么按照顺时针迁移的方法，object3将会被迁移到NODE3中，这样仅仅是object3的映射位置发生了变化，其它的对象没有任何的改动
2. 节点（机器）的添加
   如果往集群中添加一个新的节点NODE4，通过对应的哈希算法得到KEY4，并映射到环中

其他学习总结：

【1】http://blog.csdn.net/xubo245/【2】https://github.com/xubo245/

参考：

【1】http://blog.csdn.net/hello_bravo_/article/details/54020311?locationNum=4&fps=1