任何人都可以帮助提供散列教程吗？

Question

最近我读过一些关于散列技术的论文。似乎哈希无处不在。

在计算机科学中，哈希表通常用作有效的查找数据结构。

在加密中，散列采用的技术包括md5 hash，sha hash等。

在数据库区域。散列是在数据库中构建表的键。

在机器学习中，散列是为了高效处理和经济存储而创建短哈希码，例如局部敏感散列，最小哈希，sim哈希，哈希技巧等。

这些应用程序在散列方面有哪些相同和不同之处？ 你能帮忙提供一些有关这些散列的读物或参考资料吗？特别是他们的差异。我对这些散列技术感到困惑。

Answer 1

我认为散列的关键点是能够获取一组长度可变，动态性和异步的内容，并且能够将算法应用于该内容的每个成员，从而产生“稳定” “，固定大小，每个都是唯一的标识符。这就是你引用的大多数例子的重点：

• 哈希表：将可变长度键字符串或结构转换为具有已知下限和上限的“稳定”唯一标识符（也称为数组中的行号，数组中行的地址，数据库中的行号）。 / LI>
• 加密：将可变长度纯文本转换为稳定，唯一且固定长度的标识符。
• 机器学习（至少是Hashing Trick）：将单词（可能还有它们的上下文）转换为一个稳定而独特的键，形成一个通用的数字组织本体

在所有这些情况下，您正在对组中每个成员的可变长度内容进行小型总结。这些小的摘要使得处理所有可变长度内容变得更加容易，并且在散列表的情况下可以显着加快处理速度。或者特别是在密码学的情况下可以提供显着的好处，例如密码保护（使用正确的密钥和重复哈希）或内容完整性验证。

您会注意到哈希几乎总是会导致碰撞的可能性：例如：具有不同内容的组中两个完全不同的成员，但哈希算法生成相同的摘要/哈希值。散列函数设计的一个关键部分是确定允许的可接受重复级别，并在散列实现的设计中正确处理碰撞。对于仅使用少量RAM的哈希表，冲突率可能很高。使用256位加密散列函数，碰撞概率可能实际上为零。

此外，哈希几乎总是“单向”。大多数散列算法都是故意“有损”（这就是重复发生的原因），因此通常无法从摘要/散列值反向计算原始变量长度内容。有蛮力的方法，但通常不可能进行简单快速的反向计算。

请注意，我们在现实生活中也使用“哈希算法”。我们使用大公司的同事的名字作为谈话/电子邮件/聊天的便利（一个简单的哈希），即使肯定会有许多同名的同事。因此发生了碰撞（“你是指会计中的玛丽还是装运中的玛丽？”）。你可以将面巾纸的所有已知产品“哈希”到“Kleenex”这个词（至少在美国），但仍然喜欢购买和使用不同的品牌。