hash

前话 提供一个思路帮助你了解区块链基础运作，文本并不是一个完整的区块链，希望你能举一反三 源码： https://github.com/ar414-com/phpblock 记住 区块链是一个 不可变的、有序的 被称为块的记录链。它们可以包含交易、文件或任何您喜欢的数据。但重要的是，他们用哈希 一起被链接在一起 需要准备什么？ php5.6+ 1、Block 区块 块是什么样的？ 每个块都有一个 索引 ，一个 时间戳（Unix时间戳） ，一个 事务列表 ， 一个 校验(工作证明算法生成的证明) 和 前一个块的哈希 。 block = { 'index' : 2 , 'timestamp' : 1506057125 , 'transactions' : [ { 'sender' : "8527147fe1f5426f9dd545de4b27ee00" , 'recipient' : "a77f5cdfa2934df3954a5c7c7da5df1f" , 'amount' : 5 , } ] , 'proof' : 324984774000 , 'previous_hash' : "2cf24dba5fb0a30e26e83b2ac5b9e29e1b161e5c1fa7425e73043362938b9824" } 在这一点上，一个 区块链 的概念应该是明显的 -

// 在路由的配置文件router.js中： let router = new VueRouter({ // routes:数组 // routes:routes routes, mode:'hash', // 哈希模式，推荐使用 // mode:'history', //历史模式返回有坑，需后端配合，不推荐使用 scrollBehavior () { // return 期望滚动到哪个的位置 return {x:0,y:0} // 切换路由时都默认滚动到顶部 } }) 来源： CSDN 作者： qq_38969618 链接： https://blog.csdn.net/qq_38969618/article/details/104156974

给定一个数组，找出里面连续的子序列的最长长度。例如： Given [100, 4, 200, 1, 3, 2] , The longest consecutive elements sequence is [1, 2, 3, 4] . Return its length: 4 . 思路一：排序，然后count一下就ok了，但都懒得试了，一点技术含量都没有。 思路二：利用counting sort，但是实现的时候哈哈，果然，数太大，需要的空间太大，failed。 思路三：利用hash，c++11里用unordered_map或者set，然后想采用first和second的方法，如果hash插入后再里面自动排序了，那么用一个迭代器遍历就行了。虽然还是不行。但是起码学会了如何遍历一个hash表。就是用迭代器。 思路四：终于行的通了。还是利用hash将数组映射后，遍历一边给定的数组，对每个数在hash里面找left和right就是多1或者少1，然后记录个数cnt，返回最大的cnt即可。注意的是每次遍历需要对hash表的存在的要删除，这样的话才可能是O(n), 否则会出现n方的，例如：[1,2,3,4]的时候对每个都要找就是n方了，但是如果每次找的时候删除就可以做到O(n)了。 代码如下： class Solution { public: int longestConsecutive

定义 一致性哈希是当机器数量增加或者减少的时候，最大限度的减少重新映射的数量。 实现 hash环 我们可以预先定义0-n个bucket，n通常取值2^32-1。为方便我们取值1000 对于实际存在的机器数量，假设是3个，我们根据机器的信息，随意hash到某一些bucket，注意不可以指定，分配过程是不可以有状态的，要不然重启就完犊子了，比如对ip做hash。假设分配到的bucket是100， 100， 500，那么对于<=10 || > 500，就访问机器1，>10 && <= 100就访问机器2，>100 && <= 500就访问机器3.这就是构成了一个环。 对于增加机器的情况：假设增加的机器在bucket 200处，那么机器2的部分数据会落到bucket 200，机器1 和机器3不受影响 对于宕机的情况，假设机器2挂了。那么机器2的数据会落到机器3上，机器1不受影响 数据倾斜&虚拟节点 假设机器1，2，3的ip hash到的节点非常临近，那么大部分数据就会落到机器1，这不是一个good idea，于是我们可以引入虚拟节点。 一个机器ip不再只生成一个节点，可以通过ip#1, ip#2…ip#32生成32个虚拟节点，这样落到这32个节点的数据都会访问这台机器，不可能这么多节点都是临近的。完美解决！只是每次增减机器的时候要同时变动多个节点而已。 来源： CSDN 作者：

原理 一致性hash算法：对2的32次方取模，将哈希值空间组织成虚拟的圆环 比如通过各个节点的主机编号进行hash，这样就能确定每台服务器在hash环上的位置 数据存储 将数据key使用相同的函数进行hash计算出hash值，如果一个新的数据通过hash运算在某个段上，通过顺时针行进，遇到的第一个节点，就是该数据要保存的节点。 某节点宕机 如图，nodeC宕机，原来要保存在C上的数据将顺时针保存在节点D中。 损失的数据就是该宕机节点逆时针所到达的上一个节点，即节点B和节点C中的数据将会损失。 新增节点 如图，新增节点X，此时节点ABD不受影响，对象C要保存的节点变为顺时针离得最近的节点X。影响的数据就是新增的X节点到逆时针到上一节点的数据，即X到B的数据。这些被影响的数据需要重新定位到X。 Hash环数据倾斜问题 数据倾斜就是，在服务器节点较少的时候，节点分布不均匀，大部分数据都存储在某一个节点中，导致该节点宕机，如上图中节点A 解决数据倾斜方法 引入虚拟节点 对每一个节点计算多个hash值，对每个算出的hash值位置放置虚拟节点，如在服务器IP后加标识编号。如上图将AB节点分别计算三个hash值，数据节点算法不，虚拟节点添加指针映射指向真实节点。这样节点少时，可以解决数据倾斜问题。 通常将虚拟节点设置为32个或者更大，这样数据分布就能非常均匀。 来源： CSDN 作者：

HashMap 概述 HashMap是一个 jdk8源码 构造器 有4个构造器： public HashMap() public HashMap(int initialCapacity) public HashMap(int initialCapacity, float loadFactor) public HashMap(Map<? extends K, ? extends V> m) 除了显式设置loadFactor，其他情况都是设置为默认的0.75。 传入另外一个Map需要满足泛型上下界的要求，比如只能由<String,String>转成<Object,Object>。 主要成员变量 Node<K,V>[] table; 哈希表。 Set<Map.Entry<K,V>> entrySet; 用来遍历的Entry集合。 int size; map中元素个数。 int modCount; 源码上说的是结构化修改的次数，关系不大。 int threshold; 阈值，当size大于这个阈值，就要resize final float loadFactor; 加载因子，表示哈希表中元素的密集程度，默认是0.75。 put table 哈希表，就是一个Node数组，而Node是HashMap里一个静态内部类，实现了Map接口里的Entry接口，可以看出Node类其实是一个链表节点

在之前有一篇博客介绍了HashMap, 数据结构之Hash表（哈希表） 现在对之前的内容做一个补充。 说HashMap之前，看下数组： 数组的优点在于查找速度快，每个区域都是紧挨着的，并且有下标，可以根据下标快速找到要查找的元素。 缺点：增删麻烦，如果在第二个元素后面再添加个元素的话，那么就需要重新建一个数组，填入对应的信息。 链表：每个内存除了存放自身的元素外，还保留下个内存区域的地址， 优点：插入新元素方便，只需要将指针指向新元素，新元素指向原来的下一个指针即可。 缺点：查找速度慢。链表不像数组那样有下标，链表查找元素只能从head结点开始，一个一个向下找。 而散列表则是综合了两者优点于一身的结构： 上面是数组，数组每个区域内是链表。 说到散列表，就应当说哈希，没有哈希，散列表就无法寻址找数据， 哈希 哈希：Hash也称散列、哈希，对应的英文都是Hash,基本原理就是把任意长度的输入，通过Hash算法变成固定长度的输出，这个映射的规则就是对应的Hash算法，而原始数据映射后的二进制串就是哈希值。 Hash特点： 1、hash值不可以反向推导出原始的数据 2、输入的数据的微小变化会得到完全不同的hash值，相同的数据可以得到相同的值。 3、哈希算法的执行效率要高效 4、hash算法的冲突概率要小 hash原理是将输入空间的值映射成hash空间内

字符串Hash可以理解为，把一个字符串转换为一个整数。 如果我们通过某种方法，将字符串转换为一个整数，就可以便的确定某个字符串是否重复出现过。 Hash方法 给定一个字符串S=s1s2s3…sn S = s_1s_2s_3…s_nS=s 对字母x，我们规定idx(x)=x−′a′+1。 公式： hash[i]=hash[i−1]∗p+id(s[i])。 单Hash方法： 公式： hash[i]=(hash[i−1])∗p+idx(s[i]) % mod 其中p pp和mod modmod均为质数，且有p<mod p < modp<mod。 对于此种Hash方法，将p和mod尽量取大即可，这种情况下，冲突的概率是很低的。 如取p=13,mod=101 p = 13, mod = 101p=13,mod=101，对字符串abc abcabc进行Hash hash[0] = 1 hash[1] = (hash[0] * 13 + 2) % 101 = 15 hash[2] = (hash[1] * 13 + 3) % 101 = 97 双Hash：将一个字符串用不同的mod modmod hash两次，将这两个结果用一个二元组表示，作为Hash结果。 公式：hash1[i]=(hash1[i−1])∗p+idx(s[i]) % mod1 hash2[i]=(hash2[i−1])∗p