一、哈希值生成

哈希值生成是：通過(guò)一定的哈希算法（典型的有MD5，SHA-1等），將一段較長(zhǎng)的數(shù)據(jù)映射為較短小的數(shù)據(jù)，這段小數(shù)據(jù)就是大數(shù)據(jù)的哈希值。他有這樣一個(gè)特點(diǎn)，他是少數(shù)的。

一旦大數(shù)據(jù)發(fā)生了變化，哪怕是一個(gè)微小的變化，他的哈希值也會(huì)發(fā)生變化。另外一方面，既然是DNA，那就保證了沒(méi)有兩個(gè)數(shù)據(jù)的哈希值是完全相同的。正是因?yàn)檫@樣的特點(diǎn)，它常常用來(lái)判斷兩個(gè)文件是否相同。比如，從網(wǎng)絡(luò)上下載某個(gè)文件，只要把這個(gè)文件原來(lái)的哈希值同下載后得到的文件的哈希值進(jìn)行對(duì)比，如果相同，則表示兩個(gè)文件完全一致，下載過(guò)程沒(méi)有損壞文件。而如果不一致，則表明下載得到的文件跟原來(lái)的文件不同，文件在下載過(guò)程中受到了損壞。

延伸閱讀：

二、常用HASH函數(shù)

散列函數(shù)能使對(duì)一個(gè)數(shù)據(jù)序列的訪問(wèn)過(guò)程更加迅速有效，通過(guò)散列函數(shù)，數(shù)據(jù)元素將被更快地定位。常用Hash函數(shù)有：

1．直接尋址法。取關(guān)鍵字或關(guān)鍵字的某個(gè)線性函數(shù)值為散列地址。即H(key)=key或H(key) = a·key + b，其中a和b為常數(shù)（這種散列函數(shù)叫做自身函數(shù)）

2．?dāng)?shù)字分析法。分析一組數(shù)據(jù)，比如一組員工的出生年月日，這時(shí)我們發(fā)現(xiàn)出生年月日的前幾位數(shù)字大體相同，這樣的話，出現(xiàn)沖突的幾率就會(huì)很大，但是我們發(fā)現(xiàn)年月日的后幾位表示月份和具體日期的數(shù)字差別很大，如果用后面的數(shù)字來(lái)構(gòu)成散列地址，則沖突的幾率會(huì)明顯降低。因此數(shù)字分析法就是找出數(shù)字的規(guī)律，盡可能利用這些數(shù)據(jù)來(lái)構(gòu)造沖突幾率較低的散列地址。

3．平方取中法。取關(guān)鍵字平方后的中間幾位作為散列地址。

4．折疊法。將關(guān)鍵字分割成位數(shù)相同的幾部分，最后一部分位數(shù)可以不同，然后取這幾部分的疊加和（去除進(jìn)位）作為散列地址。

5．隨機(jī)數(shù)法。選擇一隨機(jī)函數(shù)，取關(guān)鍵字作為隨機(jī)函數(shù)的種子生成隨機(jī)值作為散列地址，通常用于關(guān)鍵字長(zhǎng)度不同的場(chǎng)合。

6．除留余數(shù)法。取關(guān)鍵字被某個(gè)不大于散列表表長(zhǎng)m的數(shù)p除后所得的余數(shù)為散列地址。即 H(key) = key MOD p,p<=m。不僅可以對(duì)關(guān)鍵字直接取模，也可在折疊、平方取中等運(yùn)算之后取模。對(duì)p的選擇很重要，一般取素?cái)?shù)或m，若p選的不好，容易產(chǎn)生碰撞。