特点

    将任意⻓度的二进制值串映射为固定⻓度的二进制值串，这个映射的规则就是哈希算法

    而通过原始数据映射之后得到的二进制值串就是哈希值

    优秀的哈希算法前提条件

        从哈希值不能反向推导出原始数据（所以哈希算法也叫单向哈希算法）

        对输入数据非常敏感，哪怕原始数据只修改了一个Bit，最后得到的哈希值也大不相同

        散列冲突的概率要很小，对于不同的原始数据，哈希值相同的概率非常小

        哈希算法的执行效率要尽量高效，针对较⻓的文本，也能快速地计算出哈希值

    最常见应用场景

        安全加密

            最常用于加密的哈希算法是

                MD5(MD5消息摘要算法)、SHA(安全散列算法)

                DES(数据加密标准)、AES(高级加密标准)

            哈希算法四点要求，对用于加密的哈希算法来说，有两点格外重要

                从哈希值不能反向推导出原始数据

                散列冲突的概率要很小

                    为什么哈希算法无法做到零冲突？

                        哈希算法产生的哈希值的⻓度是固定且有限的

                        根据一个MD5哈希值，通过毫无规律的穷举，找到相同MD5值的另一个数据   

                        但耗时非常长，应该是个天文数字

                        即便哈希算法存在冲突，但在有限的时间和资源下，哈希算法还是被很难破解的

        唯一标识: 哈希算法可以对大数据做信息摘要，通过一个较短的二进制编码表示很大的数据

        数据校验: 用于校验数据的完整性和正确性

        散列函数: 更加关注散列的平均性和哈希算法的执行效率

        负载均衡

            负载均衡算法有很多，比如轮询、随机、加权轮询

            如何才能实现一个会话粘滞（session sticky）的负载均衡算法呢？

                我们可以通过哈希算法，对客户端IP地址或者会话ID计算哈希值，

                将取得的哈希值与服务器列表的大小进行取模运算，

                最终得到的值就是应该被路由到的服务器编号

        数据分片

            通过哈希算法对数据取哈希值，然后再跟n取模，最终得到的值，

            就是应该被分配到的机器编号

            通过哈希算法对处理的海量数据进行分片，多机分布式处理，可以突破单机资源的限制

        分布式存储: 

            通过哈希算法对数据取哈希值，然后对机器个数取模，

            这个最终值就是应该存储的缓存机器编号

            一致性哈希算法

                假设我们有k个机器，数据的哈希值的范围是[0, MAX]。

                我们将整个范围划分成m个小区间（m远大于k），每个机器负责m/k个小区间。

                当有新机器加入的时候，我们就将某几个小区间的数据，

                从原来的机器中搬移到新的机器中。这样，既不用全部重新哈希、搬移数据，

                也保持了各个机器上数据数量的均衡

            利用一致性哈希算法，解决缓存等分布式系统的扩容、缩容导致数据大量搬移的难题