谈谈hash算法 - 技术栈

哈希算法的设计是一个需要考虑许多因素的复杂问题。然而对于某些要求不高的场景，我们也能设计一些简单的哈希算法。

加法哈希：对输入的每个字符的 ASCII 码进行相加，将得到的总和作为哈希值。

乘法哈希：利用了乘法的不相关性，每轮乘以一个常数，将各个字符的 ASCII 码累积到哈希值中。

异或哈希：将输入数据的每个元素通过异或操作累积到一个哈希值中。

**旋转哈希 **：将每个字符的 ASCII 码累积到一个哈希值中，每次累积之前都会对哈希值进行旋转操作

1. 简单哈希算法代码实例

c++ 复制代码

/* 加法哈希 */
int addHash(string key) {
	long long hash = 0;
	const int MODULUS = 1000000007;
	for (unsigned char c : key) {
		hash = (hash + (int)c) % MODULUS;
	}
	return (int)hash;
}

/* 乘法哈希 */
int mulHash(string key) {
    long long hash = 0;
    const int MODULUS = 1000000007;
    for (unsigned char c : key) {
    	hash = (31 * hash + (int)c) % MODULUS;
    }
    return (int)hash;
}

/* 异或哈希 */
int xorHash(string key) {
    int hash = 0;
    const int MODULUS = 1000000007;
    for (unsigned char c : key) {
    	hash ^= (int)c;
    }
    return hash & MODULUS;
}

/* 旋转哈希 */
int rotHash(string key) {
    long long hash = 0;
    const int MODULUS = 1000000007;
    for (unsigned char c : key) {
    	hash = ((hash << 4) ^ (hash >> 28) ^ (int)c) % MODULUS;
    }
    return (int)hash;
}

每种哈希算法的最后一步都是对大质数 1000000007 取模，以确保哈希值在合适的范围内。大家知道为什么要对质数取模，或者说对合数取模的弊端是什么？结论：当我们使用大质数作为模数时，可以因为质数不会与其他数字存在公约数，可以减少因取模操作而产生的周期性模式，从而避免哈希冲突，最大化地保证哈希值的均匀分布。

2.常见哈希算法

以上介绍的简单哈希算法都比较脆弱，远远没有达到哈希算法的设计目标。例如，由于加法和异或满足交换律，因此加法哈希和异或哈希无法区分内容相同但顺序不同的字符串，这可能会加剧哈希冲突，并引起一些安全问题。

在实际中，我们通常会用一些标准哈希算法，例如 MD5、SHA‑1、SHA‑2、SHA3 等。它们可以将任意长度的输入数据映射到恒定长度的哈希值。
- MD5和SHA-1：已多次被成功攻击，因此它们被各类安全应用弃用。
- SHA‑2 系列中的 SHA‑256 是最安全的哈希算法之一，仍未出现成功的攻击案例，因此常被用在各类安全应用与协议中。
- SHA‑3 相较 SHA‑2 的实现开销更低、计算效率更高，但目前使用覆盖度不如 SHA‑2 系列。

	MD5	SHA-1	SHA-2	SHA-3
问世时间	1992	1995	2002	2008
输出长度	128bits	160bits	256/512 bits	224/256/384/512 bits
哈希冲突	较多	较多	很少	很少
安全等级	低，已被成功攻击	低，已被成功攻击	高	高
应用情况	已被弃用，仍用于数据完整性检查	已被弃用	加密货币交易验证、数字签名等	可用于替代 SHA‑2

3.数据结构的哈希值

我们知道，哈希表的 key 可以是整数、小数或字符串等数据类型。编程语言通常会为这些数据类型提供内置的哈希算法，用于计算哈希表中的桶索引。以 Python 为例，我们可以调用 hash() 函数来计算各种数据类型的哈希值。
- 整数和布尔量的哈希值就是其本身。
- 浮点数和字符串的哈希值计算较为复杂，有兴趣的同学请自行学习。
- 元组的哈希值是对其中每一个元素进行哈希，然后将这些哈希值组合起来，得到单一的哈希值。
- 对象的哈希值基于其内存地址生成。通过重写对象的哈希方法，可实现基于内容生成哈希值。

不同编程语言的内置哈希值计算函数的定义和方法不同，以下为C++语言的哈希函数 std:hash()，它仅提供基本数据类型的哈希值计算，数组、对象的哈希值计算需要自行实现

C++ 复制代码

// 整数 3 的哈希值为 3
int num = 3;
size_t hashNum = hash<int>()(num);

// 布尔量 1 的哈希值为 1
bool bol = true;
size_t hashBol = hash<bool>()(bol);

// 小数 3.14159 的哈希值为 4614256650576692846
double dec = 3.14159;
size_t hashDec = hash<double>()(dec);

// 字符串 Hello 算法 的哈希值为 15466937326284535026
string str = "Hello 算法";
size_t hashStr = hash<string>()(str);