哈希算法

Hot 100 --- 矩阵置零本文概览：本文以LeetCode经典题目"矩阵置零"为例，从最容易踩的坑入手，逐步优化空间复杂度，从 O(mn) 到 O(m+n) 再到 O(1) 原地变换，系统讲解如何用第一行和第一列作为标记数组实现原地置零

前端：构建工具（Vite / Webpack）的文件指纹（File Hash）机制 / 浏览器缓存控制文件指纹（File Hash）是前端构建工具（Vite / Webpack）的核心功能之一，通过在文件名中添加内容哈希值来实现精确的缓存控制。下面从原理、作用、配置和最佳实践四个维度进行系统梳理。

TDengine （老段）

TDengine 连接算子 — Inner/Outer/ASOF/Window Join 的实现与使用分类：4.查询引擎 | 篇章：08 连接算子适用版本：TDengine v3.x（v3.3.x / v3.4.x） | 最后更新：2026-06-15

Hot 100 --- 缺失的第一个正数本文概览：本文以LeetCode经典题目"缺失的第一个正数"为例，从暴力解法入手，逐一分析哈希表和排序两种常见优化思路为何不满足 O(n) 时间 + O(1) 空间的要求，再引出原地哈希解法，系统讲解如何利用数组本身作为哈希表，将元素放到正确的位置上

牛油果子哥q

unordered_set / unordered_map 底层哈希表精讲，哈希原理、哈希冲突、链地址法、源码结构、有序与无序容器终极选型全解我们完整吃透了有序关联容器与平衡树底层原理：set/map 依托红黑树实现，拥有天然有序、性能稳定、支持区间遍历的优势，但代价是每次增删查都维持 O(logn) 复杂度，在海量单点查询场景下性能不够极致。

牛油果子哥q

哈希表经典刷题模型与布隆过滤器精讲，哈希查重、哈希计数、双哈希映射、误判原理与工业级落地应用我们彻底吃透了C++ STL无序容器底层原理，掌握了哈希表、哈希冲突、链地址法、重哈希机制等核心理论，清楚unordered_set、unordered_map凭借平均O(1)的极致读写性能，成为算法刷题和工程开发的高频容器。但掌握底层原理、会调用API只是基础，真正拉开刷题速度、工程落地能力差距的，是哈希表固定解题模型与哈希思想的进阶工程应用。

刷题日志 | Leetcode Hot 100 哈希【个人刷题记录】因为鼠鼠还在实习，所以基本一天4题左右。两题错题+两题新题，我真的不想刷了就忘了😭 每写完一个板块就会记录一下（未来二刷三刷如果有新的体会都会更新），自我监督，让自己刷的有动力~大家一起加油🎉

视频文件重复检测工具：基于哈希与视频指纹的三级筛选机制在日常工作中，视频素材的管理常因文件重复而占用大量磁盘空间。传统的 MD5 哈希比对虽能精确识别完全相同的文件，却无法发现“内容相同但编码参数不同”的视频。本文将以一款吾爱破解论坛开发者自制的开源视频查重工具为研究载体，深入解析其“文件大小→MD5→视频指纹”三级筛选架构的设计原理、视频指纹的生成算法、从全局对比到窗口对比的性能优化策略，以及与主流重复文件检测方案的横向对比。

【C++】哈希表原理与实战：从冲突解决到性能优化今天我们来学习哈希表，在介绍它之前，我们先来看看unordered_set和unordered_map。

Java数据结构：从0开始手搓Hash桶前言：哈希表是 Java 集合底层核心数据结构，HashMap、HashSet 的实现都离不开哈希桶。

VBA数据结构之争：Dictionary vs Collection，性能差3倍！某券商风控系统每天处理200万条交易记录，原有VBA脚本跑完全部数据要47分钟。工程师换了一个数据结构后，同样的逻辑只用了15分钟——提升不是来自算法优化，而是来自一个90%开发者都忽略的底层选择：Dictionary还是Collection？

SHA-1算法：安全哈希原理与应用解析SHA-1（安全哈希算法1）是美国国家安全局（NSA）设计并由美国国家标准与技术研究院（NIST）发布的经典密码学哈希函数。该算法能够对任意长度的输入数据进行不可逆的哈希运算，最终生成固定长度为160位（20字节）的哈希值（消息摘要）。

05-Python字典底层原理-Hash表与有序性的真相📖 文章简介： Python 字典是使用频率最高的数据结构之一，但大多数人对它的认知停留在"key-value 存取"。本文从 hash 表原理讲起，逐步推导到 Python 字典的底层实现：哈希函数 → 哈希碰撞 → 开放寻址法 → 负载因子与扩容。重点讨论 Python 3.6+ 字典"有序"的实现原理——实际上是"紧凑存储 + 索引表"的设计带来的副作用，而非真正的有序数据结构。穿插真实场景：为什么用 dict 代替 OrderedDict 做 LRU 缓存时要小心、字典在多线程环境下的读写安全边

【数据结构与算法】哈希专题目录【题目链接】217. 存在重复元素 - 力扣（LeetCode）【题目链接】1. 两数之和 - 力扣（LeetCode）

C++:哈希表哈希 (hash) 又称散列，是一种组织数据的方式。从译名来看，有散乱排列的意思。本质就是通过哈希函数把关键字 Key 跟存储位置建立一个映射关系，查找时通过这个哈希函数计算出 Key 存储的位置，进行快速查找。

Hash算法入门Hash冲突解决方案哈希（散列）是一种单向映射算法。它接收任意长度、任意类型的输入数据（字符串、对象、数字等），通过特定的数学函数运算，输出一个固定长度的二进制数值，这个结果被称为**哈希值（Hash Value）**或摘要。

密码学哈希函数：区块链 “不可篡改” 的核心数字指纹技术密码学哈希函数是区块链、Web3 等领域实现数据加密、不可篡改的核心密码学基础，也是区块链能实现 “机器信任” 的关键 —— 简单来说，它是一种特殊的数学算法，能把任意长度的输入数据（比如一段文字、一个文件、一笔区块链交易）转换成固定长度、唯一且不可逆的 “数字指纹”（哈希值），就像给每一份数据生成专属的、无法伪造的身份证，是保障区块链数据安全和可信的底层支柱。

‌HashMap 1.8 的扩容机制（Resize）‌这是 HashMap 性能优化的核心，也是面试中区分“背题”和“真懂”的分水岭。1.8 在扩容时做了一个非常巧妙的优化：‌不需要重新计算哈希值，而是通过位运算直接判断节点去新数组的哪个位置。‌

哈希表底层详解：从哈希函数到冲突处理的原理与实现哈希(hash)即散列，哈希是音译的，散列是形译的，是一种数据的组织形式。有散乱排列的意思。哈希的本质是通过哈希函数把关键字Key跟存储位置建立一个映射关系，查找时通过这个哈希函数计算出key存储位置，进行快速查找。