对于哈希的一些学习第一版

标题哈希的特性

1、 输入域无穷大
2、 输出域有穷尽
3、 当你输入参数固定，返回值固定
4、 输入不一样，输出可能会出现相同（哈希碰撞）
5、 输入很多不同值，将会在s域上均匀的布置。

普通哈希表的扩容：
如：将容量为17的哈希表扩容到100，主要是将原哈希表的数据重新进行哈希计算，获得哈希值后存到扩容后的哈希表

哈希表的应用：
大文件中的重复数据怎么处理：
1、准备多个机器
2、读入数据，并计算对应的hash表
3、将相同的hash值放在同一个机器中
4、在每个机器进行去重操作
哈希表的缺点：
1、占用大量内存空间（解决：采用布隆过滤器）
2、扩容进行对数据的重新计算比较麻烦（shiyi解决：一致性哈希）

举例：现在有100亿个黑名单url，每个64字节，然后给你一个url判断是否在黑名单中
如果使用哈希表，这个哈希表一定是一个非常大的，占用内存比较多，显然不是很合适，这个时候可以使用布隆过滤

布隆过滤器：
作用：查某一个东西是否在集合中
原理：
1、构建一个比特数组，容量为m
例如：一个int 类型的数据是4个字节也就是32个比特
那么 Int[] arr = new int[1000] //表示1000*32大小的比特数组

2、将url使用多个哈希函数生产哈希值，利用哈希值将对应在比特数组中的 位置进行描黑，多个哈希值将产生多个位置上的描黑
2.1 利用多个哈希函数计算url，得出多个哈希值
2.2 找出哈希值对应在比特数组中的位置，将其设置为1
2.3对每个哈希值做2.2的操作
3、判断黑名单：
将url进行多个哈希后，产生对应的值，形成比特数组中的位置变黑。对其黑名单数组进行判断。

缺点：会用失误率，比特数组越小，失误率越大

比特类型的数组到底需要多大（大小设计会影响失误率）
M：比特数组的大小，n： p： K：
M =nlnp/ln22
K=ln2m/n=0.7m/n
1-e(-nk/m)

一致性哈希（一种服务器的设计）

原服务器的设计（多个机器）：

1、输入数据-> 2、计算哈希值-> 3、根据哈希值判断应该存在那个机器上
取数据-> 4、计算哈希值-> 5、获取对应的值。
缺点：增加机器/减少机器造成问题，将所有数据进行重新计算哈希？显然是不可能的

一致性哈希：
建立一个环（哈希值的输出范围），将3台机器放在环上，

计算一个数据的哈希值，将其放到环上，然后将数据放到顺时针最近的机器上

实现：将所有机器的值计算哈希，排好序，计算数据的哈希值后利用二分法放到右面离你最近的机器

增加机器：机只需要将属于自己的数据转移进来就好
减少机器：将机器中的数据转移到顺时针第一台机器就可以
缺点：机器的分布不固定（解决使用虚拟节点和路由表）