无与伦比BLOG

散列表,它是基于快速存取的角度设计的，也是一种典型的“空间换时间”的做法。顾名思义，该数据结构可以理解为一个线性表，但是其中的元素不是紧密排列的，而是可能存在空隙。散列表（Hash table，也叫哈希表），是根据关键码值(Key value)而直接进行访问的数据结构。也就是说，它通过把关键码值映射到表中一个位置来访问记录，以加快查找的速度。这个映射函数叫做散列函数，存放记录的数组叫做散列表。

Section 1：问题描述最近在阅读分布式数据库的相关资料， 资料中提到分布式数据库中需要解决大数据如何高效存储的问题。分布式或并行数据存储数据结构的设计：(1) 需要具有良好的扩展性(scalability)，能够支持大规模数据存储(2) 不允许在不同数据节点上产生数据分布不均衡的问题，即避免产生“hotspot nodes”.(3) 在存储数据增加或者缩减的情况下能够动态

1. Hash概论        在理解Poco中的Hash代码之前，首先需要了解一下Hash的基本理论。下面的这些内容和教课书上的内容并没有太大的差别。1.1 定义        下面这几段来自于百度百科：        Hash：一般翻译做"散列"，也有直接音译为"哈希"的，就是把任意长度的输入（又叫做预映射， pre-image），通过散列算法，变换成固定长度的输

转载：http://leoncom.org/?tag=simhashhttp://blog.sina.com.cn/s/blog_56d8ea900100y41b.html Simhash传统IR领域内文本相似度比较所采用的经典方法是文本相似度的向量夹角余弦，其主要思想是根据一个文章中出现词的词频构成一个向量，然后计算两篇文章对应向量的向量夹角。但由于有可能