哈希算法

LeetCode算法刷题——560. 和为 K 的子数组使用前缀和 + 哈希表的方法来高效解决这个问题：计算到每个位置的前缀和（当前位置之前所有元素的和）对于当前前缀和 presum(i)，如果存在某个之前的前缀和 presum(j)，满足presum(i) - presum(j) = k, 那么从那个位置到当前位置的子数组和就是 k

Java HashMap深度解析HashMap 是 Java 集合框架中基于哈希表实现的 Map 接口，它提供了键值对的存储和检索功能。HashMap 允许使用 null 键和 null 值，并且不保证映射的顺序，特别是不保证该顺序恒久不变。

在下赵某人

概率数据结构的设计原理与误差分析在大规模数据处理场景（如分布式系统、日志分析、网络流量监控）中，需解决三类核心问题：存在性检测（如“某用户是否访问过该页面”）、频率估计（如“某关键词出现次数”）、基数估计（如“独立访客数统计”）。此类场景的核心约束是内存有限且查询响应需毫秒级，传统精确数据结构面临显著瓶颈。

哈希的暴力美学——std::unordered_map 的底层风暴、扩容黑盒与哈希冲突终极博弈如果说 std::map 是一位优雅的图书管理员，它按部就班、井井有条地将每一本书按照编号排序，你需要查找时，它会通过二分查找的逻辑（红黑树）在 O(log⁡n)O(\log n)O(logn) 的时间内优雅地把书递给你。

竹杖芒鞋轻胜马，夏天喜欢吃西瓜

哈希算法解析哈希算法（Hash Algorithm）是一种将任意长度的输入数据映射为固定长度输出（哈希值）的函数。哈希值通常用于数据完整性校验、密码存储、快速查找等领域。核心特性包括确定性、高效性、抗碰撞性（难以找到两个不同输入产生相同输出）和雪崩效应（微小输入变化导致输出巨大差异）。

分布式算法（八）：一致性哈希——分布式系统的负载均衡利器在分布式系统中，如何将数据或请求均匀分配到多个节点，同时应对节点动态扩缩容带来的挑战？传统哈希取模曾是常用方案，但在节点变化时会引发“数据雪崩”。而一致性哈希算法的出现，完美解决了这一痛点，成为分布式缓存、负载均衡等场景的核心技术。今天我们就深入浅出地拆解这个算法。

详解Java ArrayListArrayList 作为 Java 集合框架中最基础且常用的动态数组实现，其内部通过对数组的精细化管理，实现了动态扩容、高效元素操作等核心能力。本文将从源码层面深入拆解 ArrayList 的扩容策略、索引查询、拷贝机制、哈希计算、元素删除、批量操作等关键模块，揭示其设计逻辑与性能优化细节。

唐僧洗头爱飘柔9527

【区块链技术（03）】区块链核心技术：哈希与加密算法、智能合约；非对称加密算法与默克尔树；智能合约工作原理与区块链的关系哈希算法：它具备以下4种特性；不可逆：生成的哈希值一旦生成，无法通过哈希值反推信息难题枚举：想要解决难题，只能通过暴力枚举的方式来解决

【C++】 --- 哈希本篇博客主要是对哈希相关知识的梳理总结。C++98中STL提供了底层为红黑树的一系列关联式容器，在查询时效率可达到log2（N），即最差情况下需要比较红黑树的高度次，当树中的节点非常多时，查询效率也不理想。最好的查询是进行很少的比较次数就能够将元素找到，因此在C++11中，STL又提供了4个unordered系列的关联式容器，这四个容器与红黑树结构的关联式容器使用方式基本类似，只是其底层结构不同，它们分别是unordred_map/unordered_multimap和unordred_set/unord

后端在分布式缓存中的一致性哈希最直接的办法就是“哈希取模”。比方说你有三台缓存机器，算一下 key 的哈希值，然后除以 3 取余数，余数是 0 放第一台，是 1 放第二台，以此类推。简单粗暴，在机器数量固定的时候挺好使。可一旦要扩容或者缩容，麻烦就大了。比如三台机器加一台变成四台，那取模的底数就从 3 变成了 4，会导致大部分 key 的存放位置都发生变化。这意味着几乎所有的缓存数据都需要重新迁移，这简直就是一场“缓存雪崩”的预演，短时间内数据库很可能被洪水般的请求打垮。

后端在分布式系统中的数据分片数据分片说白了，就是把一大块数据切分成多个小片段，分散到不同的服务器或节点上存储。想象一下，你有一个超大的电商订单表，如果全塞进一个数据库，读写压力大了肯定崩。分片后，订单按用户ID或者时间范围拆分到不同节点，每个节点只处理一部分数据，整体负载就均衡了。这招在互联网公司里用得贼多，比如用户数据分片、日志分片啥的，核心目标就是提升系统的扩展性和性能。

LeetCode算法刷题——128. 最长连续序列我们可以使用哈希集合来优化查找效率：将所有数字存入哈希集合实现去重+快速查找只从连续序列的起点（i-1是空）开始计数

zcash pow equihash算法详解Equihash是一种基于广义生日问题（Generalized Birthday Problem）的内存密集型工作量证明（PoW）算法，算法核心目标是抵抗 ASIC 专用挖矿设备，让普通GPU/CPU更易参与挖矿，同时保证安全性与效率。其最著名的应用是 Zcash（主网参数 n=200, k=9），也被 ZenCash、Horizen 等加密货币采用。

贪心+线程安全单例前一个数字 > 当前数字，说明单调性被破坏，需要把前一个数字减 1，并把它后面的所有数字变为 '9'

大猫子的技术日记

[百题重刷]前缀和 + Hash 表：缓存思想, 消除重复计算给定一个数组和一个目标值 k，求有多少个子数组的和等于 k？比如数组 [1, 1, 1]，k = 2，答案是 2, 有两个子数组 [1,1] 的和为 2。

【c++】哈希算法深度解析：实现、核心作用与工业级应用观前提示：本文为 AI 生成内容，仅供参考哈希算法（Hash Algorithm）是计算机科学领域的 “瑞士军刀”，以 “任意输入→固定长度输出” 的核心特性，贯穿密码学、数据结构、分布式系统等多个关键场景。从用户密码加密、文件完整性校验，到哈希表高效查找、分布式缓存路由，哈希算法用高效的映射与验证能力，成为支撑系统性能与安全性的核心技术。本文将从 C++ 开发者视角出发，系统拆解哈希算法的核心作用，手把手实现经典哈希算法（MD5、SHA-256），并结合工业级场景落地实战，帮助开发者不仅理解 “底层逻

初願致夕霞

学习笔记——基础hash思想及其简单C++实现哈希表（Hash Table）是一种查找时间复杂度为O(1)的数据结构，你没看错，它的查找时间复杂度是常数，比RBTree与AVL树还要高，但这里不要有错误观念，实际上，O(1)与O(logN)的差距并不算大，比如，对于2103 ≈ 一百万数据，对于O(logN)，查询次数为30次；而O(1)查询次数无论数据量，通常查询次数固定，对于哈希表，其查询次数与内部设计相关，若哈希函数等设计良好，可能查询仅需几次，但若设计较差或遇到极端情况，则查询次数甚至可能会上升到N次（一直产生哈希冲突）。

祖先关系的数学重构：从家谱到算法的思维跃迁这正是我们今天要探讨的"重构一棵树的方案数"问题——一个看似简单却蕴含着深刻数学智慧的算法谜题。它不仅是计算机科学中的经典问题，更是一个连接离散数学、图论和组合优化的桥梁。让我们一同踏上这段从生活直觉到数学严谨性的探索之旅。

化学式解析的算法之美：从原子计数到栈的巧妙运用在数字化时代，化学信息处理已成为科研与工业的重要组成部分。从药物设计到材料科学，计算机需要理解和处理复杂的化学表达式。这道"原子的数量"题目，正是这种现实需求在算法世界的缩影，它要求我们设计一个能够解析任意复杂化学式并统计原子数量的程序。

深入理解 C++ 哈希：从概念到实战应用🔥个人主页：Cx330🌸❄️个人专栏：《C语言》《LeetCode刷题集》《数据结构-初阶》《C++知识分享》