- 综合排序
- 最热优先
- 最新优先
- 来自专栏若尘的技术专栏
哈希算法
= 425f0d5a917188d2c3c3dc85b5e4f2cb MD5("我今天讲哈希算法") = a1fb91ac128e6aa37fe42c663971ac3d 通过哈希算法得到的哈希值，很难反向推导出原始数据 比如前面举的 MD5 的例子，哈希值是固定的 128 位二进制串，能表示的数据是有限的，最多能表示 2^128 个数据，而我们要哈希的数据是无穷的。 基于鸽巢原理，如果我们对 2^128+1 个数据求哈希值，就必然会存在哈希值相同的情况。这里你应该能想到，一般情况下，哈希值越长的哈希算法，散列冲突的概率越低。 像 MD5，有 2^128 个不同的哈希值，这个数据已经是一个天文数字了，所以散列冲突的概率要小于 1/2^128。 undefined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。
93274发布于 2021-11-23 - 来自专栏叽叽西
哈希算法
这个原理本身很简单，它是说，如果有 10 个鸽巢，有 11 只鸽子，那肯定有 1 个鸽巢中的鸽子数量多于 1 个，换句话说就是，肯定有 2 只鸽子在 1 个鸽巢内。 比如前面举的 MD5 的例子，哈希值是固定的 128 位二进制串，能表示的数据是有限的，最多能表示 2^128 个数据，而我们要哈希的数据是无穷的。 基于鸽巢原理，如果我们对 2^128+1 个数据求哈希值，就必然会存在哈希值相同的情况。这里你应该能想到，一般情况下，哈希值越长的哈希算法，散列冲突的概率越低。 像 MD5，有 2^128 个不同的哈希值，这个数据已经是一个天文数字了，所以散列冲突的概率要小于 1/2^128。 应用三：数据校验 我们知道，BT 下载的原理是基于 P2P 协议的。我们从多个机器上并行下载一个 2GB 的电影，这个电影文件可能会被分割成很多文件块（比如可以分成 100 块，每块大约 20MB）。
74420编辑于 2022-05-17 - 来自专栏我的博客
哈希算法
哈希算法将任意长度的二进制值映射为较短的固定长度的二进制值，这个小的二进制值称为哈希值。哈希值是一段数据唯一且极其紧凑的数值表示形式。 通常用于加密和查找 加密使用小例子： 比如我们在php中传递参数a=12,b=’str’,c=14；我们需要进行参数加密，可以使用md5(‘a=12&b=str&c=14’) 很多公司使用这样的算法进行加密
73180发布于 2018-05-08 - 来自专栏用户1175783的专栏
FNV哈希算法
# FNV哈希算法 参考文档 # FNV版本 FNV哈希分为3个版本：fnv-0（已废弃）,FNV-1,FNV-1a # 算法实现 # FNV-0算法公式 hash = 0 for each byte_of_data to be hashed hash = hash * FNV_prime hash = hash ^ octet_of_data return hash # FNV-1算法公式 hash byte_of_data to be hashed hash = hash * FNV_prime hash = hash ^ byte_of_data return hash # FNV-1a算法公式 71501574036444603635505054127112859663 61610267868082893823963790439336411086 884584107735010676915 # 2. FNV_prime 还没有看懂，不过这不影响我们实现通用32位，64位的FNV算法 位数 十进制值 32 16777619 64 1099511628211 128 309485009821345068724781371
1.2K30发布于 2019-09-18 - 来自专栏花落的技术专栏
哈希算法揭秘
= 425f0d5a917188d2c3c3dc85b5e4f2cb MD5("我今天讲哈希算法") = a1fb91ac128e6aa37fe42c663971ac3d 通过哈希算法得到的哈希值，很难反向推导出原始数据 比如前面举的 MD5 的例子，哈希值是固定的 128 位二进制串，能表示的数据是有限的，最多能表示 2^128 个数据，而我们要哈希的数据是无穷的。 基于鸽巢原理，如果我们对 2^128+1 个数据求哈希值，就必然会存在哈希值相同的情况。这里你应该能想到，一般情况下，哈希值越长的哈希算法，散列冲突的概率越低。 2^128=340282366920938463463374607431768211456 比如下面两串字符串经过MD5加密之后产生的HASH值就是一样的 不过，即便哈希算法存在散列冲突的情况，但是因为哈希值的范围很大 像 MD5，有 2^128 个不同的哈希值，这个数据已经是一个天文数字了，所以散列冲突的概率要小于 1/2^128。
86500编辑于 2021-12-07 - 来自专栏AI科技时讯
算法：哈希表
可以将算法思想分为两个部分： 向哈希表中插入一个关键字：哈希函数决定该关键字的对应值应该存放到表中的哪个区块，并将对应值存放到该区块中 在哈希表中搜索一个关键字：使用相同的哈希函数从哈希表中查找对应的区块 (key2)，那么 key1、key2 一定不相等 如果 Hash(key1) 等于 Hash(key2)，那么 key1、key2 可能相等，也可能不相等（会发生哈希碰撞） 在哈希表的实际应用中，关键字的类型除了数字类型 1235110)_{10} 哈希冲突 哈希冲突：不同的关键字通过同一个哈希函数可能得到同一哈希地址，即 key1 ≠ key2，而 Hash(key1) = Hash(key2)，这种现象称为哈希冲突 1,2,3,1,2,3], k = 2 输出：false 提示： 解题思路： 哈希表，可以使用一个哈希表记录元素，key为元素，value为下标。 repi d1i.d2i" 格式 repi 是范围 [1, 104] 内的一个整数 d1i、d2i 和 d3i 由小写英文字母组成 解题思路： 哈希表：每次先把前面的数字取出，然后从后向前遍历，遇到.就将后面的字符串放进哈希表
3.1K10编辑于 2022-04-18 - 来自专栏zxctscl个人专栏
【算法】哈希表
先固定一个数然后找它前面的数，可以把它前面的数都存在哈希表里面。第一个数前面没有数，就先把这个是放在哈希表里面，然后继续移动到下一个数，继续在哈希表里面找值。 二、算法原理 要保存字符和对应字符出现的值，就用到哈希表。 只有小写字母，只需要开26个大小的数组，只统计s1中每个字符出现的个数就行，来遍历s2时候在哈希表中出现对应的字符就减掉1就可以，只要哈希表里面全部为0就可以，但如果s2中出现的某一个字符，在哈希表里面被减成了负数 二、算法原理 只需要固定当前的值，然后把它前面的值放在哈希表里面，判断一下哈希表里面有没有这个数，有就返回true，没有就返回false。 二、算法原理 固定一个值，把它前面一个值的下标和值都放在哈希表里面，当在它前面找到这个数的时候就把下标拿出来，比较差值，大于规定的值，就把这个数继续放在哈希表里面。
63310编辑于 2024-04-15 - 来自专栏学院君的专栏
Go 数据结构和算法篇（十四）：哈希表、哈希函数、哈希冲突和哈希算法
具有以下特性： 哈希函数计算得到的哈希值是非负整数； 如果 key1 == key2，则 hash(key1) == hash(key2)； 如果 key1 ! = key2，则 hash(key1) != hash(key2)。 所谓哈希冲突，简单来说，指的是 key1 ! = key2 的情况下，通过哈希函数处理，hash(key1) == hash(key2)，这个时候，我们就说发生了哈希冲突。 补充一张链地址法处理哈希冲突的图示： 链地址法解决哈希冲突图示 三、哈希算法 我们前面分享了哈希表、哈希函数和哈希冲突，哈希算法简单理解就是实现前面提到的哈希函数的算法，用于将任意长度的二进制值串映射为固定长度的二进制值串 执行上述代码，打印结果如下： 哈希算法的一般特性如下： 从哈希值不能反向推导出原始数据（所以哈希算法也叫单向算法，不可逆）； 对输入数据非常敏感，哪怕原始数据只修改了一个比特，最后得到的哈希值也大不相同
2.3K30编辑于 2023-03-03 - 来自专栏该溜子的专栏
【算法】哈希表
零：HashMap 1：实例化 实例化：Map<参数一，参数二> hash = new HashMap<参数一，参数二> //键值对形式 2：put方法 hash.put(key,value) 所对应的value//如果key不存在，那么返回null（boolean类型），一般还是getOrDefault()用的多 5：获取key，若无返回自定义值 hash.getOrDefault（key2， 自定义值） 在表里查找是否存在key2这个关键字，若存在返回key2所对应的value，不存在返回自定义的值 注：不能尾追++，一般采用hash.getOrDefault(key2，0)+1 6：移除关键字 一：哈希表 1. 两数之和 心得： 1：暴力枚举可以先固定第一个元素，然后去遍历这个元素前面的。 2：常规暴力枚举，是先把这个元素之后所有的元素都放入hash表中，但是有一种情况是会在hash表中自己找到自己。
41600编辑于 2025-01-25 - 来自专栏全栈程序员必看
hash 哈希算法_哈希一致性算法
文章目录 一、哈希函数 定义 特点 应用 常见哈希算法 二、murmurhash 定义 特点 应用 介绍 三、MurmurHash使用 四、性能测试 MurmurHash：(multiply 一、哈希函数 定义 散列函数（英语：Hash function）又称散列算法、哈希函数，是一种从任何一种数据中创建小的数字“指纹”的方法。 常见哈希算法 MD系列(MD5)、SHA系列(SHA-1)、CRC，甚至JDK hashCode()也是哈希算法的一种。 与其它流行的哈希函数相比，对于规律性较强的key，MurmurHash的随机分布特征表现更良好。 特点 1.快。 MurMurHash3 比 MD5 快。 2.低碰撞。 MurMurHash 算法家族的最新一员为MurMurHash3，支持32位和128位，推荐使用128位的MurMurHash3。是原作者被Google挖去之后基于Murmur2的缺陷做了改进。
1.4K80编辑于 2022-11-02 - 来自专栏CSDN博客专家-小蓝枣的博客
Python 算法基础篇之散列查找算法：哈希表、哈希集合、哈希映射
Python 算法基础篇之散列查找算法：哈希表、哈希集合、哈希映射 引言 散列查找算法是一种高效的查找技术，通过散列函数将键映射到数组的索引位置，实现快速的查找、插入和删除操作。 本篇博客将介绍散列查找算法的三种常见应用：哈希表、哈希集合和哈希映射，并通过实例代码演示它们的应用。 ❤️ ❤️ ❤️ 1. 其次，散列查找算法的空间消耗较大，因为需要维护一个数组来存储数据。 2. 哈希表的概念 哈希表是散列查找算法的一种常见应用，它是一种数据结构，用于存储键值对。 实例2：哈希集合 class HashSet: def __init__(self): self.hash_set = set() def add(self, key) 总结 本篇博客介绍了散列查找算法的三种常见应用：哈希表、哈希集合和哈希映射。哈希表是一种高效的数据结构，用于存储键值对并支持快速的查找、插入和删除操作。
86800编辑于 2023-07-24 - 来自专栏木木玲
小白入门——哈希算法
哈希 哈希（Hash）也称为散列，就是把任意长度的输入，通过散列算法，变换成固定长度的输出，这个输出值就是散列值。 W 为计算机字长大小（也为2的幂次方）。 a 为一个非常接近于W的数。 其实，“乘法哈希”的思想就是：提取关键字 key 中间 k 位数字。 ③ 斐波那契（Fibonacci）哈希法 也就是当 “乘法哈希法” 的 a ≈ W/φ，1/φ ≈ (√5-1)/2 = 0.618 033 988 时情况。 3/2，未命中所需要的约为 5/2。 当 α 趋于 1 时，这些估计值的精确度会下降，但不需要担心这些情况，因为我们会保证哈希表的使用率小于 1/2。
1.4K20发布于 2019-06-15 - 来自专栏烟草的香味
哈希算法的用途
什么是哈希算法 一说到哈希算法, 我瞬间就想到了哈希函数、哈希表, 其实他们并不是一回事. 简单来说, 哈希算法就是将任意长度的字符串通过计算转换为固定长度的字符串, 不对, 不光字符串, 应该说是将任意长度的二进制串转换为固定长度的二进制串, 这个转换的过程就是哈希算法. 一般来说, 计算得出的哈希值越长, 冲突的概率就越低, 比如说, 计算过后, 哈希值为16个字节, 也就是128位, 那么就有2^128个不同的哈希值, 发生哈希冲突的概率为(1/2)^128, 这个概率可以说很低了 当然, 哈希算法不仅仅只有md5这一种, 以用途来分析哈希算法, 就不说哈希算法的原理了, 因为我不会. 1. 可以用哈希算法对文件进行计算, 然后比较哈希值是否相同.
2.1K70发布于 2019-07-25 - 来自专栏全栈程序员必看
哈希算法 数据结构_实现哈希表构造和查找算法
，也就是元素在l中的下标 2.为什么哈希表查询速度快 理解了哈希表的基本思路，我们也就不难理解为什么哈希表查询效率高了： 由于每个元素都能通过哈希函数直接计算获得地址，所以查找消耗时间非常少。 举个例子： 我们有哈希函数f(n)=n%3，现有元素{1,2,3}，我们使用哈希函数分别获得其哈希值，并把哈希值作为下标存入一个数组， 也就是放f(1)=1，f(2)=2，f(3)=0，如果使用传统线性查找 3.哈希冲突 按照上文的例子，数列{1,2,3}通过哈希函数f(n)=n%3可以计算出哈希值，但是如果出现两个元素的哈希值相同就会出现哈希冲突， 比如f(1)和f(4)都会算出1，这个时候显然不可能上上面一样通过一个一维数组直接存储 @Override public String toString() { return "Node{" + "num=" + num + '}'; } } 2. * @param item * @return */ public int getHashCode(int item) { return item % 2;
90020编辑于 2022-09-23 - 来自专栏全栈程序员必看
哈希和一致性哈希算法
哈希 Hash 算法介绍 哈希算法也叫散列算法, 不过英文单词都是 Hash, 简单一句话概括, 就是可以把任意长度的输入信息通过算法变换成固定长度的输出信息, 输出信息也就是哈希值, 通常哈希值的格式是 , 所以Hash算法广泛应用在现代密码体系中•无碰撞 不同的信息进行哈希后得到的值应该是不同的, 但是从理论上来说, 哈希算法其实是有可能发生碰撞的, 输入的信息是无穷的, 而输出的哈希值长度是固定的, 好比要把10个苹果放到9个抽屉里面, 肯定会有一个抽屉装了多个苹果, 只不过哈希算法的碰撞的概率是非常小的, 比如128位的哈希值, 就有2的128次方的空间。 一致性Hash算法 同样的,一致性Hash算法也是利用取模的方式, 不过通常是用一个很大的数字进行求模, 你可以用整数的最大值 int.Max, 2的32次方, 当然这个并没有要求, 不过越大的数字, 上面的一致性Hash算法其实是经典的哈希环算法, 当然还有其他的算法, 比如跳跃一致性哈希法, 有兴趣也可以看一下, 以上内容均为个人理解, 如果错误, 可以指出, 希望对您有用！
63430编辑于 2022-09-18 - 来自专栏兜兜毛毛
Redis Hash哈希（2）
外层的哈希（RedisKV的实现）只用到了hashtable。当存储hash数据类型时，我们把它叫做内层的哈希。 当hash对象同时满足以下两个条件的时候，使用ziplist编码： 1、所有的键值对的健和值的字符串长度都小于等于64byte（一个英文字母一个字节） 2、哈希对象保存的键值对数量小于512个。 为什么要定义两个哈希表呢？ht[2] redis的hash默认使用的是ht[0]，ht[1]不会初始化和分配空间。 哈希表dictht是用链地址法来解决碰撞问题的。 在这种情况下，哈希表的性能取决于它的大小（size属性）和它所保存的节点的数量（used属性）之间的比率： 比率在1:1时（一个哈希表ht只存储一个节点entry），哈希表的性能最好； 如果节点数量比哈希表的大小要大很多的话 扩展：ht[1]的大小为第一个大于等于ht[0].used*2。 2、将所有的ht[0]上的节点rehash到ht[1]上，重新计算hash值和索引，然后放入指定的位置。
1.1K10发布于 2020-03-19 - 来自专栏NFT链游的应用
哈希算法：竞猜逻辑哈希游戏开发的应用
简单来说，哈希函数就是快速的将1个数值转换为1个哈希值，哈希值是整数，并且要保证，相同的输入得到的哈希值是一样的，如果两个不同的输入得到了相同的结果，这就是哈希值冲突。 也就是说，输入键（key），然后经过哈希函数计算，最后得到哈希值，而哈希值是整数，通过哈希值当做数组下标，得到对应的值。 输入key,经过哈希函数计算fun(key),最后得到y。 按照这种思想，采用哈希技术将值存储在一块连续的存储空间中，这块连续的存储空间称为哈希表或者散列表。关键字对应的存储位置称为哈希地址或者散列地址。 区块链哈希是什么？ 每一个区块，包含的内容有数据信息，本区块的哈希值以及上一个区块的哈希值。区块中的数据信息，主要是交易双方的地址与此次交易数量还有交易时间信息等。 排序之后如果第一个元素已经大于零，那么无论如何组合都不可能凑成三元组，直接返回结果就可以了 if(nums<i>>0){ return result; } //错误去重方法，将会漏掉-1,-1,2这种情况
53420编辑于 2022-06-16 - 来自专栏学习
【redis】集群 数据分片算法：哈希求余、一致性哈希、哈希槽分区算法
每块数据都称为是一个“分片”（上图的每个红框） 哈希求余 借鉴了哈希表的基本思想。 这个级别的扩容，开销极大，往往是不能直接在生产环境上操作的，只能通过“替换”的方式来实现扩容 这样依赖的机器更多了，成本更高，操作步骤非常复杂 一致性哈希 可以有效的降低上面搬运的开销 把 0->2^ ，当前 key 属于哪个分片，是交替的，而这种交替出现就会导致成本变大 101 属于 0 102 属于 1 103 属于 2 在一致性哈希这样的设定下，把交替出现改成了连续出现 扩容 原有分片在环上的位置不动 哈希槽分区算法 redis 真正采用的分片算法 hash_slot crc16(key) % 16384 crc16 是一种 hash 值的算法 16384 是 16 * 1024 => 2^14(16KB 此时这三个分片上的数据就是比较均匀的了 这种算法，本质就是把一致性哈希和哈希求余这两种方法结合了一下 上面只是一种可能的分片方式，实际上分片是非常灵活的。
1.1K10编辑于 2025-03-28 - 来自专栏建帅技术分享
哈希算法（hash）加密解密
有好几种哈希函数，对应不同的算法， 常见有的 MD5, SHA1, SHA224, SHA256, SHA384, SHA512 哈希计算的特点是： 相同的 源数据， 采用 相同的哈希算法， 计算出来的哈希值 一定相同 不管 源数据 有多大，相同的哈希算法，计算出来的哈希值长度 都是一样长的。 不同的源数据 使用同样的哈希算法，可能会产生相同的 哈希值，这被称之为碰撞率（collision rate） 各种哈希算法，计算的结果长度越长，碰撞率越低，通常耗费的计算时长也越长。 # h = hashlib.md5() # md5 加密介入如下：8b365af9b1089f502e7bc60ac9c81ed2 # sha 256算法 h = hashlib.sha256() # # h = hashlib.md5() # md5 加密介入如下：8b365af9b1089f502e7bc60ac9c81ed2 # sha 512算法 h = hashlib.sha512() #
8.5K20编辑于 2022-08-24 - 来自专栏加密解密
哈希函数散列算法
一、哈希函数/散列算法文档 1.1、哈希函数介绍 哈希函数（Hash function），又称散列函数、散列算法，它是一种不可逆的信息摘要算法，具体实现就是把任意长度的输入信息通过哈希算法变成固定长度的输出信息 1.3、哈希函数的特点 哈希函数没有特定的公式，一般只要符合散列算法的要求即可，只要符合散列算法的要求都可以称之为哈希算法，以下为哈希函数的主要特点： 无论输入的消息有多长，计算出来的哈希值总是固定的； MD2算法：它已被弃用，取而代之的是SHA-256和其他强大的散列算法； MD4算法：虽然安全性已受到严重威胁，但是很多哈希算法如MD、SHA算法等都是基于MD4演进而来； MD5算法：可以被破解，对于需要高度安全性的使用场景 SHA-0算法：安全散列算法标准的初版，因安全问题很快就被撤掉的版本； SHA-1算法：安全散列算法标准的第一版，该算法已经不够安全，不建议继续使用； SHA-2算法：包括SHA-224、SHA-256 MD版本：例如，HMAC-MD2、HMAC-MD4、HMAC-MD5等； SHA版本：例如，HMAC-SHA1、HMAC-SHA224、HMAC-SHA256、HMAC-SHA384、HMAC-SHA512
1.6K40编辑于 2023-03-17
腾讯云开发者
Copyright © 2013 - 2026 Tencent Cloud. All Rights Reserved. 腾讯云 版权所有
深圳市腾讯计算机系统有限公司 ICP备案/许可证号：粤B2-20090059 
粤公网安备44030502008569号
腾讯云计算（北京）有限责任公司 京ICP证150476号 | 京ICP备11018762号