什么是哈希？

hash,一般翻譯做散列、雜湊，或音譯為哈希，是把任意長度的輸入(又叫做預映射pre-image)通過散列算法變換成固定長度的輸出，該輸出就是散列值。這種轉換是一種壓縮映射，也就是，散列值的空間通常遠小于輸入的空間。

它其實就是一個算法，最簡單的算法就是加減乘除，比方，我設計個數字算法，輸入+7=輸出，比如我輸入1，輸出為8；輸入2，輸出為9。

哈希算法不過是一個更為復雜的運算，它的輸入可以是字符串，可以是數據，可以是任何文件，經過哈希運算后，變成一個固定長度的輸出，該輸出就是哈希值。但是哈希算法有一個很大的特點，就是你不能從結果推算出輸入,所以又稱為不可逆的算法

如上所示，輸入“我愛你”三個字，經過哈希運算后，會得到一個隨機數列，而且不管你的輸入文件多大，最后得到的結果都是這么一個固定長度的數列，即使你輸入的是一部電影，輸出也是這么大。而且通過數列不能推導出輸入。

哈希特性

不可逆：在具備編碼功能的同時，哈希算法也作為一種加密算法存在。即，你無法通過分析哈希值計算出源文件的樣子，換句話說：你不可能通過觀察香腸的紋理推測出豬原來的樣子。

計算極快：20G高清電影和一個5K文本文件復雜度相同，計算量都極小，可以在0.1秒內得出結果。也就是說，不管豬有多肥，骨頭多硬，做成香腸都只要眨眨眼的時間，

哈希的用途

哈希算法的不可逆特性使其在以下領域使用廣泛

密碼，我們日常使用的各種電子密碼本質上都是基于hash的，你不用擔心支付寶的工作人員會把你的密碼泄漏給第三方，因為你的登錄密碼是先經過 hash+各種復雜算法得出密文后 再存進支付寶的數據庫里的

文件完整性校驗，通過對文件進行hash，得出一段hash值 ，這樣文件內容以后被修改了，hash值就會變。 MD5 Hash算法的”數字指紋”特性，使它成為應用最廣泛的一種文件完整性校驗和(Checksum)算法，不少Unix系統有提供計算md5 checksum的命令。

數字簽名，數字簽名技術是將摘要信息用發送者的私鑰加密，與原文一起傳送給接收者。接收者只有用發送者的公鑰才能解密被加密的摘要信息，然后用HASH函數對收到的原文產生一個摘要信息，與解密的摘要信息對比。如果相同，則說明收到的信息是完整的，在傳輸過程中沒有被修改，否則說明信息被修改過，因此數字簽名能夠驗證信息的完整性。

此外，hash算法在區塊鏈領域也使用廣泛。

基于hash的數據類型有哪些？

Python 中基于hash的2個數據類型是dict and set , 之前說dict查詢速度快，為何快？ 說set天生去重，怎么做到的？其實都是利用了hash的特性，我們下面來剖析

dict 為何查詢速度超快，且不受dict大小影響 ？

解析：假設我要存14億人的基本信息

data ={

"張三":[23742364782642342323234,28,"山東濟南"],

"李四":[12124234232311214458271,25,"北京昌平"],

"王五":[23030293483727384383929,33,"山東濟南"],

"趙六":[42302033030302482634674,28,"河北保定"],

# "alex":["xxxx"],

# "黑姑娘":["xxxx"]

# ...

}

dict 的每個key 都要先經過hash生成一段固定長度的hash值，假設生成的hash值如下

dict會把這些數字按大小排序好放在一個列表里kd = [-10, 53, 67, 81, 99, 123]

當我們想查找”趙六”的信息時， 會把“趙六”先hash, 得到99這個值，然后拿這個值去到kd列表里找，想象這個列表有14億個值 ，如何快速找到99？ 二分法就行，具體看剖析視頻。

只要找到了99的位置，就可以定位到趙六對應的value的值了。通過2分法查找，每次數據量都會少一半，這樣查找最多31次(2**31=2147483648)就能從20億信息里找到這個人的信息。

當然 dict 真實的查找算法比這個還要復雜些， 我只是通過這個例子讓大家理解下為何基于hash的數據類型查找速度會快很多。

set為何是天生去重的？

因為每存一個值到set里時， 都要先經過hash，然后通過得出的這個hash值算出應該存在set里的哪個位置，存的時候會先檢查那個位置上有沒有值 ，有的話就對比是否相等，如果相等，則不再存儲此值。 如果不相等(即為空)，則把新值 存在這。