计算和数据结构篇——强健电话算法(Hash )强健电话算法的定义和原理非常简单，基本可以用一句话概括。 将任意长度的二进制值列映射到固定长度的二进制值列。 该映射的规则是健壮的电话算法，通过原始数据映射得到的二进制值串是健壮的电话值。
构成结实的电话算法的条件：
不能从结实的电话值逆向导出原始数据。 所以，结实的电话算法也叫单向结实的电话算法。
对输入数据非常敏感，即使原始数据只修改了一个位，最终得到的结实的电话值也大不相同
散列冲突的概率较低，对于不同的原始数据，健壮的电话值相同的概率非常低；
强健电话算法的执行效率应当尽可能高，即使对于长文本，也能够快速计算强健电话值。
结实的电话算法的应用(前篇)安全加密说起结实的电话算法的应用，首先想到的应该是安全加密。 加密最常用的健壮电话算法是MD5 (MD5消息摘要算法，MD5消息摘要算法)、sha ) securehashalgorithm和安全散列算法
除了这两种加密算法之外，当然还有许多加密算法，包括数据加密标准(des )、高级加密标准(AES )和高级加密标准(advancedencryptionstandard )。
上面提到的结实电话算法的四个要求对于用于加密的结实电话算法，有两个点特别重要。 第一，很难从健壮的电话值反向推导出原始数据，第二，哈希冲突的概率很低。
但是，即使在强健的电话算法中散列发生冲突，由于强健的电话值范围广，冲突概率极低，相对来说也很难破译。 像MD5一样，有2^128个不同的结实的电话值。 因为这个数据已经是天文数字，散列碰撞的概率小于1/2^128。
如果我们想得到MD5的结实的电话值，用不规则的全面的方法找到和这个MD5值相同的其他数据的话，花费的时间应该是天文数字。 所以，即使结实的电话算法有冲突，在有限的时间和资源下，结实的电话算法也很难被破解。
关于加密的知识点的补充，md5这个算法是安全可靠的，但是网络上也有md5中出现的彩虹用的表示。 最常见的想法是在密码之后添加二维码(salt )。 例如，可以使用md5 ) 1234567.' 2019 @ stark-% $ #-idje-789 '，2019 )
唯一id(uuid )每个图像可以有唯一id或信息的摘要。 例如，图像二进制码串的开头100字节、中间100字节、末尾再取100字节，然后300字节组成一个块，通过诸如MD5的健壮的电话算法，可以获得一个完整的电话字符串，它是图像唯一的通过使用此唯一的徽标来确定图片是否位于图库中，可以大大减少工作量。
如果要进一步提高效率，请将每个图像的唯一标识符以及相应图像文件在图库中的路径信息保存在散列表中。 当您查找某个图像是否在图库中时，首先用结实的电话算法给它一个唯一的标识符，然后在散列表中查找此唯一的标识符是否存在。
如果不存在，则表示此图像不在图库中； 如果存在，则从保存在散列表中的文件路径中获取此已存在的图像，并与当前插入的图像进行全量对照，确认是否完全相同。 如果是相同的话，说明已经存在了； 如果不同的话，两张图像表示虽然唯一的标志相同，但不是同一张图像。
数据验证BT下载的原理基于P2P协议。 从多台机器并行下载2GB电影。 这个电影文件可能被分割成很多文件块。 例如，可以分割成100个块，每块约20MB。 等所有文件块下载完毕，再组装成完整的电影文件即可。 Nginx有切片技术，大概就是这个意思。
我们通过结实的电话算法，对100个文件块分别取结实的电话值，保存在种子文件中。 正如前面所说，结实的电话算法有一个特点，对数据很敏感。 如果文件块的内容稍有变化，最后计算出的结实电话值就会完全不同。 所以，文件块下载完成后，可以用同样结实的电话算法，对下载的每个文件块求出结实的电话值，并与种子文件中存储的结实的电话值进行对照。 如果不同，则表示此文件块不完整或已被篡改，必须从其他主机重新下载此文件块。
在散列函数之前已经提到了很多结实的电话算法的应用，但实际上，散列函数也是结实的电话算法的应用。
前两节提到了散列函数是设计哈希表的关键。 直接决定散列冲突的概率和散列表的性能。 但是在比较健壮的电话算法的其他应用中，散列函数对散列算法的冲突要求相当低。 即使发生单个散列冲突，只要不严重，也可以通过开放地址法或链表法解决。
不仅如此，散列函数也不关心能否可逆解码用散列算法计算出的值。 用于哈希函数的哈希算法关注哈希后的值是否均匀分布，即数据组是否均匀地哈希给每个时隙。 另外，散列函数的执行速度也影响散列表的性能，因此用于散列函数的散列算法通常简单并且追求效率。
坚固的电话计算
法的应用(下篇) 负载均衡我们知道，负载均衡算法有很多，比如轮询、随机、加权轮询等。那如何才能实现一个会话粘滞（session sticky）的负载均衡算法呢？也就是说，我们需要在同一个客户端上，在一次会话中的所有请求都路由到同一个服务器上。
最直接的方法就是，维护一张映射关系表，这张表的内容是客户端 IP 地址或者会话 ID 与服务器编号的映射关系。客户端发出的每次请求，都要先在映射表中查找应该路由到的服务器编号，然后再请求编号对应的服务器。这种方法简单直观，但也有几个弊端：
如果客户端很多，映射表可能会很大，比较浪费内存空间；
客户端下线、上线，服务器扩容、缩容都会导致映射失效，这样维护映射表的成本就会很大；
如果借助结实的电话算法，这些问题都可以非常完美地解决。我们可以通过结实的电话算法，对客户端 IP 地址或者会话 ID 计算结实的电话值，将取得的结实的电话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，我们就可以把同一个 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 1. 如何统计“搜索关键词”出现的次数？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？
我们来分析一下。这个问题有两个难点，第一个是搜索日志很大，没办法放到一台机器的内存中。第二个难点是，如果只用一台机器来处理这么巨大的数据，处理时间会很长。
我们可以先对数据进行分片，然后采用多台机器处理的方法，来提高处理速度。具体的思路是这样的：为了提高处理的速度，我们用 n 台机器并行处理。我们从搜索记录的日志文件中，依次读出每个搜索关键词，并且通过结实的电话函数计算结实的电话值，然后再跟 n 取模，最终得到的值，就是应该被分配到的机器编号。
这样，结实的电话值相同的搜索关键词就被分配到了同一个机器上。也就是说，同一个搜索关键词会被分配到同一个机器上。每个机器会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。
2. 如何快速判断图片是否在图库中？如何快速判断图片是否在图库中？上一节我们讲过这个例子，不知道你还记得吗？当时我介绍了一种方法，即给每个图片取唯一标识（或者信息摘要），然后构建散列表。
假设现在我们的图库中有 1 亿张图片，很显然，在单台机器上构建散列表是行不通的。因为单台机器的内存有限，而 1 亿张图片构建散列表显然远远超过了单台机器的内存上限。
我们同样可以对数据进行分片，然后采用多机处理。我们准备 n 台机器，让每台机器只维护某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标识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的时候，我们通过同样的结实的电话算法，计算这个图片的唯一标识，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 k 的机器构建的散列表中查找。
散列表中每个数据单元包含两个信息，结实的电话值和图片文件的路径。假设我们通过 MD5 来计算结实的电话值，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。
分布式存储 一致性结实的电话算法登场假设我们有 k 个机器，数据的结实的电话值的范围是[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，既不用全部重新结实的电话、搬移数据，也保持了各个机器上数据数量的均衡。