HASH GAME - Online Skill Game GET 300

　　常见的 Hash 算法 1.简介 哈希函数按照定义可以实现一个伪随机数生成器(PRNG)， 从这个角度可以得到一个公认的结论： 哈希函数之间性能的比较可以通过比较其在伪随机生成方面的比较来衡量。   一些常用的分析技术， 例如泊松分布可用于分析不同的哈希函数对不同的数据的碰撞率(collision rate)。 一般来说， 对任意一类的数据存在一个理论上完美的哈希函数。 这个完美的哈希函数定义是没有发生任何碰撞， 这意味着没有出现重复的散列值。 在现实中它很难找到一个完美的哈希散列函数， 而且这种完美函数的趋近变种在实际应用中的作用是相当有限的。在实践中人...

　　常见的 Hash 算法 1.简介哈希函数按照定义可以实现一个伪随机数生成器(PRNG)， 从这个角度可以得到一个公认的结论： 哈希函数之间性能的比较可以通过比较其在伪随机生成方面的比较来衡量。 一些常用的分析技术， 例如泊松分布可用于分析不同的哈希函数对不同的数据的碰撞率(collisionrate)。 一般来说， 对任意一类的数据存在一个理论上完美的哈希函数。 这个完美的哈希函数定义是没有发生任何碰撞， 这意味着没有出现重复的散列值。 在现实中它很难找到一个完美的哈希散列函数， 而且这种完美函数的趋近变种在实际应用中的作用是相当有限的。在实践中人们普遍认识到， 一个完美哈希函数的哈希函数， 就是在一个特定的数据集上产生的的碰撞最少哈希的函数。 现在的问题是有各种类型的数据， 有一些是高度随机的， 有一些有包含高纬度的图形结构， 这些都使得找到一个通用的哈希函数变得十分困难， 即使是某一特定类型的数据， 找到一个比较好的哈希函数也不是意见容易的事。 我们所能做的就是通过试错方法来找到满足我们要求的哈希函数。 可以从下面两个角度来选择哈希函数： 1.数据分布 一个衡量的措施是考虑一个哈希函数是否能将一组数据的哈希值进行很好的分布。 要进行这种分析， 需要知道碰撞的哈希值的个数， 如果用链表来处理碰撞， 则可以分析链表的平均长度， 也可以分析散列值的分组数目。 2.哈希函数的效率另个一个衡量的标准是哈希函数得到哈希值的效率。 通常， 包含哈希函数的算法的算法复杂度都假设为 O(1)， 这就是为什么在哈希表中搜索数据的时间复杂度会被认为是平均为O(1)的复杂度， 而在另外一些常用的数据结构， 比如图(通常被实现为红黑树)， 则被认为是O(logn)的复杂度。 一个好的哈希函数必修在理论上非常的快、 稳定并且是可确定的。 通常哈希函数不可能达到 O(1)的复杂度， 但是哈希函数在字符串哈希的线性的搜索中确实是非常快的， 并且通常哈希函数的对象是较小的主键标识符， 这样整个过程应该是非常快的， 并且在某种程度上是稳定的。 在这篇文章中介绍的哈希函数被称为简单的哈希函数。它们通常用于散列 （哈希字符串）数据。 它们被用来产生一种在诸如哈希表的关联容器使用的 key。 这些哈希函数不是密码安全的， 很容易通过颠倒和组合不同数据的方式产生完全相同的哈希值。 2.哈希方法学哈希函数通常是由他们产生哈希值的方法来定义的， 有两种主要的方法： 1.基于加法和乘法的散列这种方式是通过遍历数据中的元素然后每次对某个初始值进行加操作， 其中加的值和这个数据的一个元素相关。 通常这对某个元素值的计算要乘以一个素数。