常识点：英文“hash”,中文有翻译为哈希的，也有翻译成散列的。
哈希算法：将任意长度的二进制值串映射为固定长度二进制值串，这个映射规则就是哈希算法，而通过原始数据映射之后得到的二进制值串就是哈希值。
优秀的哈希算法应该满足的几点：
- 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,最终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，哈希值相同的概率要很小。
- 哈希算法的执行效率要尽量高效，针对较长的文本，也能快速地计算出哈希值
哈希算法的应用
应用一：安全加密
我们常见的用于加密的哈希算法有
- MD5（Message-Digest Algorithm 消息摘要算法）
- SHA（Secure Hash Algorithm 安全散列算法）
- DES (Data Encryption Standard 数据加密标准)
- AES (Advanced Encryption Standard 高级加密标准)
对于加密算法，以上四点有两点格外重要
- 很难根据哈希值反向推导出原始数据（加密的目的就是要放置原始数据泄漏
- 哈希冲突的概率要很小(理论上冲突不可能避免，只能减小碰撞冲突的概率)
知识扩展：鸽巢原理
为什么哈希算法无法做到零冲突？
哈希算法产生的哈希值是有固定长度的，如之前的MD5哈希值，是固定的128位二进制串，能表示的数据是有限的，最多能表示 2^128个数据。而如果我们要对2^128+1个数据求哈希值，则必然存在哈希相同的情况。一般情况下，哈希值越长的哈希算法，哈希冲突的概率也就越低。
越复杂，越难破解的哈希算法，需要的计算时间也越长。
应用二：唯一标识
例子：海量图库搜寻一张图是否存在。
将图片的二进制码选取头尾字节，MD5得到哈希值，作为图片的唯一标识。放入散列表(键是哈希值，值是图片的路径)，这样搜索的时间复杂度是O(1),找到图片后再对比二进制信息是否一致。
应用三：数据校验
下载文件，如何知道文件是否被篡改过？种子文件里有文件的哈希值，下载完成后将文件用相同的哈希函数生成哈希值，如果与种子文件里的哈希值一致就说明未被篡改。
应用四：散列函数
散列函数是设计散列表的一个关键，它直接决定了散列冲突的概率和散列表的性能。不过，相对于哈希函数的其他应用，散列函数对散列算法冲突的要求低很多。即便出现个别散列冲突，也可以通过开放寻址法或开链法解决。
不仅如此，散列函数对于散列计算得到的散列值，能够被反向解密也不关系。这里更加关注散列得到的值能否均匀分布，除此之外，散列算法的计算快慢，也影响散列表的性能。所以，散列函数用的散列算法一遍都比较简单，比较追求效率。
应用五：负载均衡
负载均衡的算法：加权、随机、加权轮询等。如果要实现一个会话粘滞的负载均衡算法，那么最简单的方案就是维护一个映射表（客户端id或会话id与服务器编号的映射关系），但这种方案有些弊端：
- 如果客户端很多，那么映射表会很大，比较浪费内存空间
- 客户端上线、下线、服务器扩容、缩容都会导致映射失效，这样维护这个映射表的成本就非常大
借助哈希算法，对客户端IP或会话ID进行哈希计算，将取得的哈希值与服务器列表大小进行取模运算，最终得到的值就是应该被路由到的服务器编号。这种方式来保证同一个IP过来的请求都路由到同一台服务器。
这种哈希取模算法，也存在因扩容、缩容导致路由不一致的问题。那么应该也需要记住一致性哈希算法的原理去处理。
个人觉得，处理这种session会话使用分布式缓存方案会比较好，服务器保持无状态。
应用六：数据分片
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。
应用七：分布式存储
使用一致性哈希算法原理，解决分布式缓存系统扩容、缩容导致数据迁移的问题。（分布式缓存中，节点挂掉后，可以直接让这部分缓存失效即可，不必做数据迁移）