hash

　　Hash算法在信息安全方面的应用主要体现在以下的3个方面：　　1）文件校验　　我们比较熟悉的校验算法有奇偶校验和CRC校验，这2种校验并没有抗数据篡改的能力，它们一定程度上能检测并纠正数据传输中的信道误码，但却不能防止对数据的恶意破坏。　　MD5 Hash算法的"数字指纹"特性，使它成为目前应用最广泛的一种文件完整性校验和（Checksum）算法，不少Unix系统有提供计算md5 checksum的命令。　　2）数字签名　　Hash 算法也是现代密码体系中的一个重要组成部分。由于非对称算法的运算速度较慢，所以在数字签名协议中，单向散列函数扮演了一个重要的角色。对 Hash 值，又称"数字摘要"进行数字签名，在统计上可以认为与对文件本身进行数字签名是等效的。而且这样的协议还有其他的优点。　　3）鉴权协议　　如下的鉴权协议又被称作"挑战--认证模式：在传输信道是可被侦听，但不可被篡改的情况下，这是一种简单而安全的方法。

一般的hash函数都需要尽量满足以下三点性质：1.抗原像：已知y属于y，要找出x属于x，使得h(x)=y是困难的；2.抗第二原像(弱抗碰撞)：已知x属于x，找出x"属于x，使得h(x")=h(x)是困难的；3.抗碰撞(强抗碰撞)：找出x,x"属于x，使得h(x)=h(x")是困难的；

Hash，一般翻译做“散列”，也有直接音译为“哈希”的，就是把任意长度的输入（又叫做预映射， pre-image），通过散列算法，变换成固定长度的输出，该输出就是散列值。这种转换是一种压缩映射，也就是，散列值的空间通常远小于输入的空间，不同的输入可能会散列成相同的输出，而不可能从散列值来唯一的确定输入值。简单的说就是一种将任意长度的消息压缩到某一固定长度的消息摘要的函数。 漏洞hash就是指的漏洞文件的hash值。一般后面跟着就是他的散列值了。

hash函数页称散列函数 哈希函数 杂凑函数，是一个从消息空间到像空间的不可逆映射。作用：数字签名，生成程序或文档的“数字指纹”，用于安全传输和存储口令！

hash没有这个意思吧hasq释义n.回锅肉末土豆；杂拌菜；混杂在一起的各不相同的东西；一堆乱七八糟的东西v.将…做成酱；达成一致；切碎过去分词：hashed复数：hashes第三人称单数：hashes现在分词：hashing过去式：hashed希望我的回答能帮到你，谢谢支持

*nix系系统：ES(Unix)例子: IvS7aeT4NzQPM说明：Linux或者其他linux内核系统中长度: 13 个字符描述：第1、2位为salt，例子中的"Iv"位salt，后面的为hash值系统：MD5(Unix)例子：$1$12345678$XM4P3PrKBgKNnTaqG9P0T/说明：Linux或者其他linux内核系统中长度：34个字符描述：开始的$1$位为加密标志，后面8位12345678为加密使用的salt,后面的为hash加密算法：2000次循环调用MD5加密系统：SHA-512(Unix)例子：$6$12345678$U6Yv5E1lWn6mEESzKen42o6rbEm说明：Linux或者其他linux内核系统中长度: 13 个字符描述：开始的$6$位为加密标志，后面8位为salt，后面的为hash加密算法：5000次的SHA-512加密系统：SHA-256(Unix)例子：$5$12345678$jBWLgeYZbSvREnuBr5s3gp13vqi说明：Linux或者其他linux内核系统中长度: 55 个字符描述：开始的$5$位为加密标志，后面8位为salt，后面的为hash加密算法：5000次的SHA-256加密系统：MD5(APR)例子：$apr1$12345678$auQSX8Mvzt.tdBi4y6Xgj.说明：Linux或者其他linux内核系统中长度：37个字符描述：开始的$apr1$位为加密标志，后面8位为salt，后面的为hash加密算法：2000次循环调用MD5加密windows系统：windows例子：Admin:b474d48cdfc4974d86ef4d24904cdd91长度：98个字符加密算法：MD4(MD4(Unicode($pass)).Unicode(strtolower($username)))mysql系统：mysql例子：606717496665bcba说明：老版本的MySql中长度：8字节（16个字符）说明：包括两个字节，且每个字的值不超过0x7fffffff系统：MySQL5例子：*E6CC90B878B948C35E92B003C792C46C58C4AF40说明：较新版本的MySQL长度：20字节（40位）加密算法：SHA-1(SHA-1($pass))其他系统：系统：MD5(WordPress)例子：$P$B123456780BhGFYSlUqGyE6ErKErL01说明：WordPress使用的md5长度：34个字符描述：$P$表示加密类型，然后跟着一位字符，经常是字符‘B"，后面是8位salt，后面是就是hash加密算法：8192次md5循环加密系统：MD5(phpBB3)说明：phpBB 3.x.x.使用例子：$H$9123456785DAERgALpsri.D9z3ht120长度：34个字符描述：开始的$H$为加密标志，后面跟着一个字符，一般的都是字符‘9"，然后是8位salt，然后是hash 值加密算法：2048次循环调用MD5加密系统：RAdmin v2.x说明：Remote Administrator v2.x版本中例子：5e32cceaafed5cc80866737dfb212d7f长度：16字节（32个字符）加密算法：字符用0填充到100字节后，将填充过后的字符经过md5加密得到（32位值）md5加密标准MD5例子：c4ca4238a0b923820dcc509a6f75849b使用范围：phpBB v2.x, Joomla 的 1.0.13版本前，及其他cmd长度：16个字符其他的加salt及变形类似：md5($salt.$pass)例子:f190ce9ac8445d249747cab7be43f7d5:12md5(md5($pass))例子:28c8edde3d61a0411511d3b1866f0636md5(md5($pass).$salt)例子:6011527690eddca23580955c216b1fd2:wQ6md5(md5($salt).md5($pass))例子: 81f87275dd805aa018df8befe09fe9f8:wH6_Smd5(md5($salt).$pass)例子: 816a14db44578f516cbaef25bd8d8296:1234

1、首先打开电脑，点选论文hash值生成器。2、其次将需要生成的论文拖入到该软件中。3、最后点选功能中的hash值生成，等待完成即可。

Hash，就是把任意长度的输入（又叫做预映射，pre-image），通过散列算法，变换成固定长度的输出，该输出就是散列值。这种转换是一种压缩映射，也就是，散列值的空间通常远小于输入的空间，不同的输入可能会散列成相同的输出，而不可能从散列值来唯一的确定输入值。简单的说就是一种将任意长度的消息压缩到某一固定长度的消息摘要的函数。使用哈希查找有两个步骤：1、使用哈希函数将被查找的键转换为数组的索引。在理想的情况下，不同的键会被转换为不同的索引值，但是在有些情况下我们需要处理多个键被哈希到同一个索引值的情况。所以哈希查找的第二个步骤就是处理冲突。2、处理哈希碰撞冲突。有很多处理哈希碰撞冲突的方法，本文后面会介绍拉链法和线性探测法。

哈希值一般指哈希函数。哈希函数指将哈希表中元素的关键键值映射为元素存储位置的函数。一般的线性表，树中，记录在结构中的相对位置是随机的，即和记录的关键字之间不存在确定的关系，因此，在结构中查找记录时需进行一系列和关键字的比较。这一类查找方法建立在“比较“的基础上，查找的效率依赖于查找过程中所进行的比较次数。理想的情况是能直接找到需要的记录，因此必须在记录的存储位置和它的关键字之间建立一个确定的对应关系f，使每个关键字和结构中一个唯一的存储位置相对应。哈希值概念简单普及：1、哈希值其实就是一段数据，只不过这个数据有特殊的含义，它是某个文件或者某个字符串的DNA，或者身份证。2、哈希算法（典型的有MD5，SHA-1等），将一段较长的数据映射为较短小的数据，这段小数据就是大数据的哈希值。它有这样一个特点，他是唯一的，一旦数据发生了变化，哪怕是一个微小的变化，它的哈希值也会发生变化。另外一方面，既然是DNA，那就保证了没有两个数据的哈希值是完全相同的。3、它常常用来判断两个文件是否相同。比如，从网络上下载某个文件，只要把这个文件原来的哈希值同下载后得到的文件的哈希值进行对比，如果相同，则表示两个文件完全一致，下载过程没有损坏文件。而如果不一致，则表明下载得到的文件跟原来的文件不同，文件在下载过程中受到了损坏。

哈希算法将任意长度的二进制值映射为固定长度的较小二进制值，这个小的二进制值称为哈希值。哈希值是一段数据唯一且极其紧凑的数值表示形式。如果散列一段明文而且哪怕只更改该段落的一个字母，随后的哈希都将产生不同的值。要找到散列为同一个值的两个不同的输入，在计算上来说基本上是不可能的。

　　Hash函数：　　Hash，一般翻译做"散列"，也有直接音译为"哈希"的，就是把任意长度的输入（又叫做预映射， pre-image），通过散列算法，变换成固定长度的输出，该输出就是散列值。这种转换是一种压缩映射，也就是，散列值的空间通常远小于输入的空间，不同的输入可能会散列成相同的输出，而不可能从散列值来唯一的确定输入值。简单的说就是一种将任意长度的消息压缩到某一固定长度的消息摘要的函数。　　算法用途：　　HASH主要用于信息安全领域中加密算法，它把一些不同长度的信息转化成杂乱的128位的编码里，叫做HASH值. 也可以说，hash就是找到一种数据内容和数据存放地址之间的映射关系。Hash算法在信息安全方面的应用主要体现在以下的3个方面：　　1）文件校验　　我们比较熟悉的校验算法有奇偶校验和CRC校验，这2种校验并没有抗数据篡改的能力，它们一定程度上能检测并纠正数据传输中的信道误码，但却不能防止对数据的恶意破坏。　　MD5 Hash算法的"数字指纹"特性，使它成为目前应用最广泛的一种文件完整性校验和（Checksum）算法，不少Unix系统有提供计算md5 checksum的命令。　　2）数字签名　　Hash 算法也是现代密码体系中的一个重要组成部分。由于非对称算法的运算速度较慢，所以在数字签名协议中，单向散列函数扮演了一个重要的角色。对 Hash 值，又称"数字摘要"进行数字签名，在统计上可以认为与对文件本身进行数字签名是等效的。而且这样的协议还有其他的优点。　　3）鉴权协议　　如下的鉴权协议又被称作"挑战--认证模式：在传输信道是可被侦听，但不可被篡改的情况下，这是一种简单而安全的方法。

Hash，一般翻译做“散列”，也有直接音译为“哈希”的，就是把任意长度的输入（又叫做预映射， pre-image），通过散列算法，变换成固定长度的输出，该输出就是散列值。这种转换是一种压缩映射，也就是，散列值的空间通常远小于输入的空间，不同的输入可能会散列成相同的输出，所以不可能从散列值来唯一的确定输入值。简单的说就是一种将任意长度的消息压缩到某一固定长度的消息摘要的函数。HASH函数(计算机算法领域）

是用来加密的一种方式文件校验 我们比较熟悉的校验算法有奇偶校验和CRC校验，这2种校验并没有抗数据篡改的能力，它们一定程度上能检测并纠正数据传输中的信道误码，但却不能防止对数据的恶意破坏。 MD5 Hash算法的"数字指纹"特性，使它成为目前应用最广泛的一种文件完整性校验和(Checksum)算法，不少Unix系统有提供计算md5 checksum的命令。 数字签名 Hash 算法也是现代密码体系中的一个重要组成部分。由于非对称算法的运算速度较慢，所以在数字签名协议中，单向散列函数扮演了一个重要的角色。 对 Hash 值，又称"数字摘要"进行数字签名，在统计上可以认为与对文件本身进行数字签名是等效的。而且这样的协议还有其他的优点。 鉴权协议 如下的鉴权协议又被称作"挑战--认证模式：在传输信道是可被侦听，但不可被篡改的情况下，这是一种简单而安全的方法。

是用来加密的一种方式文件校验我们比较熟悉的校验算法有奇偶校验和CRC校验，这2种校验并没有抗数据篡改的能力，它们一定程度上能检测并纠正数据传输中的信道误码，但却不能防止对数据的恶意破坏。MD5Hash算法的"数字指纹"特性，使它成为目前应用最广泛的一种文件完整性校验和(Checksum)算法，不少Unix系统有提供计算md5checksum的命令。数字签名Hash算法也是现代密码体系中的一个重要组成部分。由于非对称算法的运算速度较慢，所以在数字签名协议中，单向散列函数扮演了一个重要的角色。对Hash值，又称"数字摘要"进行数字签名，在统计上可以认为与对文件本身进行数字签名是等效的。而且这样的协议还有其他的优点。鉴权协议如下的鉴权协议又被称作"挑战--认证模式：在传输信道是可被侦听，但不可被篡改的情况下，这是一种简单而安全的方法。以上就是一些关于hash以及其相关的一些基本预备知识。那么在emule里面他具体起到什么作用呢?参考资料：www.hash.com.cn

数组、链表、Hash的优缺点: 1、数组是将元素在内存中连续存放。 链表中的元素在内存中不是顺序存储的，而是通过存在元素中的指针联系到一起。 2、数组必须事先定义固定的长度，不能适应数据动态地增减的情况。当数据增加时，可能超出原先定义的元素个数；当数据减少时，造成内存浪费。 链表动态地进行存储分配，可以适应数据动态地增减的情况。 3、(静态)数组从栈中分配空间, 对于程序员方便快速,但是自由度小。 链表从堆中分配空间, 自由度大但是申请管理比较麻烦。u200b 数组和链表在存储数据方面到底孰优孰劣呢？根据数组和链表的特性，分两类情况讨论。 一、当进行数据查询时，数组可以直接通过下标迅速访问数组中的元素。而链表则需要从第一个元素开始一直找到需要的元素位置，显然，数组的查询效率会比链表的高。 二、当进行增加或删除元素时，在数组中增加一个元素，需要移动大量元 素，在内存中空出一个元素的空间，然后将要增加的元素放在其中。同样，如果想删除一个元素，需要移动大量元素去填掉被移动的元素。而链表只需改动元素中的指针即可实现增加或删除元素。 那么，我们开始思考：有什么方式既能够具备数组的快速查询的优点又能融合链表方便快捷的增加删除元素的优势？HASH呼之欲出。 所谓的hash，简单的说就是散列，即将输入的数据通过hash函数得到一个key值，输入的数据存储到数组中下标为key值的数组单元中去。 我们发现，不相同的数据通过hash函数得到相同的key值。这时候，就产生了hash冲突。解决hash冲突的方式有两种。一种是挂链式，也叫拉链法。挂链式的思想在产生冲突的hash地址指向一个链表，将具有相同的key值的数据存放到链表中。另一种是建立一个公共溢出区。将所有产生冲突的数据都存放到公共溢出区，也可以使问题解决。

攻击机：kali 2020（192.168.107.129） DC：Windows Server 2012 R2（192.168.107.137） msf已成功通过msf获取到DC的shell 刚获取的shell为普通用户权限，需要进行提权，然后获取hash 直接使用getsystem失败，使用ps命令查看当前进程及运行用户权限 可以看到所运行的进程皆为普通用户权限 这里为了方便，直接使用msf提供的模块，用于快速识别系统中可能被利用的漏洞： 具体原理参考： BypassUAC------使用EVENTVWR.EXE和注册表劫持实现“无文件”UAC绕过 成功绕过UAC获取shell： 通过进程注入获取system权限，并获取hash 原理： 哈希传递攻击是基于NTLM认证的一种攻击方式。哈希传递攻击的利用前提是我们获得了某个用户的密码哈希值，但是解不开明文。这时我们可以利用NTLM认证的一种缺陷，利用用户的密码哈希值来进行NTLM认证。在域环境中，大量计算机在安装时会使用相同的本地管理员账号和密码。因此，如果计算机的本地管理员账号密码相同，攻击者就能使用哈希传递攻击登录内网中的其他机器。 哈希传递攻击适用情况： 在工作组环境中： 在域环境中： Metasploit下面有3个psexec模块都可以进行Hash传递利用 第一个模块（auxiliary/admin/smb/psexec_command）： 缺点：只能运行单条命令，不支持网段格式批量验证 优点：奇怪的是其他普通用户的hash也可以执行系统命令，这个模块可能不属于hash传递的范畴？这个坑以后再来解，我太菜了，望大佬指点~ 设置命令的时候可以配合exploit/multi/script/web_delivery从而获取meterpreter 在上面进行Hash传递的时候，只要后面的NTLM Hash是正确的，前面填写什么都是可以顺利登陆成功的。 第二个模块（exploit/windows/smb/psexec）： 利用条件： 优点：该模块支持网段格式批量验证，成功后可直接获取meterpreter且为system权限，在实战中优先使用 第三个模块（exploit/windows/smb/psexec_psh）： 使用powershell作为payload。这个模块也支持网段批量验证，这里就不再赘述了 当我们获得了内网中一台主机的NTLM哈希值，我们可以利用mimikatz对这个主机进行哈希传递攻击，执行命令成功后将会反弹回cmd窗口 mimikatz中pth功能的原理： windows会在lsass中缓存hash值，并使用它们来ntlm认证，我们在lsass中添加包含目标账号hash的合法数据结构，就可以使用类似dir这些命令进行认证 目标主机：192.168.107.140 domain：SWS-PC 执行后会弹出cmd，执行以下命令即可远程连接： 创建计划任务反弹shell： 理论上来说是可行的，win7复现的时候，任务一直在运行，就是没结束，我也是醉了..... 当然这里使用powershell远程加载也是可以的，但由于环境因素无法复现 前提条件：获取到的beacon为system权限，user中带有*号的用户 在得到一个beacon的基础上，先在该网段portscan，探测存活主机后 选择View-->Target-->Login-->psexec，可批量选择主机pth 个人觉得还是Msf好用，成功率更高一些 项目地址： https://github.com/byt3bl33d3r/CrackMapExec 安装参考： https://github.com/byt3bl33d3r/CrackMapExec/wiki/Installation Kali安装步骤： 使用命令： 注意：这里的 IP 可以是单个IP也可以是IP段 如果命令使用失败，可能没安装其依赖项（坑点，我弄了两个小时。。。心态爆炸）： 项目地址： https://github.com/SecureAuthCorp/impacket 安装过程： wmi内置在windows操作系统，用于管理本地或远程的 Windows 系统。wmiexec是对windows自带的wmic做了一些强化。攻击者使用wmiexec来进行攻击时，不会记录日志，不会写入到磁盘，具有极高的隐蔽性。 安装成功后，切换到examples目录下，执行如下命令： exe版本： 项目地址： https://github.com/maaaaz/impacket-examples-windows 执行命令类似 powershell版本： 项目地址： https://github.com/Kevin-Robertson/Invoke-TheHash 注意：这里要先加载Invoke-WMIExec.ps1脚本，因为Invoke-TheHash 里要用到 Invoke-WMIExec方法 该命令执行后该进程会在后台运行，可以结合定时任务执行尝试反弹shell。 KB2871997 补丁将使本地帐号不再可以用于远程接入系统，不管是 Network logon 还是 Interactive login。其后果就是：无法通过本地管理员权限对远程计算机使用 Psexec、WMI、smbexec、IPC 等，也无法访问远程主机的文件共享等。 在安装了kb2871997 这个补丁后，常规的Pass The Hash已经无法成功。但administrator(SID=500) 账号例外，使用该账号的散列值依然可以进行哈希传递攻击。这里需要强调的是 SID=500 的账号。即使将administrator账号改名，也不会影响SID的值 普通用户测试： 前提：只适用于域环境，并且目标主机需要安装 KB2871997补丁 利用获得到的AES256或AES128进行Key攻击: 弹出cmd后，查看DC的共享文件夹： 这里也不知道算成功没有 详情请参考谢公子博客： https://blog.csdn.net/qq_36119192/article/details/103941590 LocalAccountTokenFilterPolicy 值默认设置为 0 来禁止非administrator账号的远程连接(包括哈希传递攻击)，但是administrator用户不受影响 将LocalAccountTokenFilterPolicy设置为1，就可以使用普通管理员账号进行哈希传递攻击 利用工具：hashcat 比如说密码为：admin888? NTLM加密之后为：c4e51613d9ab888ac3d43538840b271c hashcat具体用法参考： Hashcat的使用手册总结 这里可以看到成功破解出了密码： 当然也可以去cmd5等破解网站，有钱的话直接冲个会员多香啊 Pass The Hash(Key) 凭据传递攻击PTH 哈希传递攻击(Pass-the-Hash,PtH) Windows用户密码的加密与破解利用 横向渗透之Pass The Hash

通过之前的学习，我们已经了解了哈希函数在散列表中的应用，哈希函数就是哈希算法的一个应用。那么在这里给出哈希的定义： 将任意长度的二进制值串映射为固定长度的二进制值串，这个映射规则就是哈希算法，得到的二进制值串就是哈希值 。 要设计一个好的哈希算法并不容易，它应该满足以下几点要求： 哈希算法的应用非常广泛，在这里就介绍七点应用： 有很多著名的哈希加密算法：MD5、SHA、DES...它们都是通过哈希进行加密的算法。 对于加密的哈希算法来说，有两点十分重要：一是很难根据哈希值反推导出原始数据；二是散列冲突的概率要很小。 当然，哈希算法不可能排除散列冲突的可能，这用数学中的 鸽巢原理 就可以很好解释。以MD5算法来说，得到的哈希值为一个 128 位的二进制数，它的数据容量最多为 2 128 bit，如果超过这个数据量，必然会出现散列冲突。 在加密解密领域没有绝对安全的算法，一般来说，只要解密的计算量极其庞大，我们就可以认为这种加密方法是较为安全的。 假设我们有100万个图片，如果我们在图片中寻找某一个图片是非常耗时的，这是我们就可以使用哈希算法的原理为图片设置唯一标识。比如，我们可以从图片的二进制码串开头取100个字节，从中间取100个字节，从结尾取100个字节，然后将它们合并，并使用哈希算法计算得到一个哈希值，将其作为图片的唯一标识。 使用这个唯一标识判断图片是否在图库中，这可以减少甚多工作量。 在传输消息的过程中，我们担心通信数据被人篡改，这时就可以使用哈希函数进行数据校验。比如BT协议中就使用哈希栓发进行数据校验。 在散列表那一篇中我们就讲过散列函数的应用，相比于其它应用，散列函数对于散列算法冲突的要求低很多（我们可以通过开放寻址法或链表法解决冲突），同时散列函数对于散列算法是否能逆向解密也并不关心。 散列函数比较在意函数的执行效率，至于其它要求，在之前的我们已经讲过，就不再赘述了。 接下来的三个应用主要是在分布式系统中的应用 复杂均衡的算法很多，如何实现一个会话粘滞的负载均衡算法呢？也就是说，我们需要在同一个客户端上，在一次会话中的所有请求都路由到同一个服务器上。 最简单的办法是我们根据客户端的 IP 地址或会话 ID 创建一个映射关系。但是这样很浪费内存，客户端上线下线，服务器扩容等都会导致映射失效，维护成本很大。 借助哈希算法，我们可以很轻松的解决这些问题：对客户端的 IP 地址或会话 ID 计算哈希值，将取得的哈希值域服务器的列表的大小进行取模运算，最后得到的值就是被路由到的服务器的编号。 假设有一个非常大的日志文件，里面记录了用户的搜索关键词，我们想要快速统计出每个关键词被搜索的次数，该怎么做呢？ 分析一下，这个问题有两个难点：一是搜索日志很大，没办法放到一台机器的内存中；二是如果用一台机器处理这么大的数据，处理时间会很长。 针对这两个难点，我们可以先对数据进行分片，然后使用多台机器处理，提高处理速度。具体思路：使用 n 台机器并行处理，从日志文件中读出每个搜索关键词，通过哈希函数计算哈希值，然后用 n 取模，最终得到的值就是被分配的机器编号。 这样，相同的关键词被分配到了相同的机器上，不同机器只要记录属于自己那部分的关键词的出现次数，最终合并不同机器上的结果即可。 针对这种海量数据的处理问题，我们都可以采用多机分布式处理。借助这种分片思路，可以突破单机内存、CPU等资源的限制。 处理思路和上面出现的思路类似：对数据进行哈希运算，对机器数取模，最终将存储数据（可能是硬盘存储，或者是缓存分配）分配到不同的机器上。 你可以看一下上图，你会发现之前存储的数据在新的存储规则下全部失效，这种情况是灾难性的。面对这种情况，我们就需要使用一致性哈希算法。 哈希算法是应用非常广泛的算法，你可以回顾上面的七个应用感受一下。 其实在这里我想说的是一个思想： 用优势弥补不足 。 例如，在计算机中，数据的计算主要依赖 CPU ，数据的存储交换主要依赖内存。两者一起配合才能实现各种功能，而两者在性能上依然无法匹配，这种差距主要是： CPU运算性能对内存的要求远高于现在的内存能提供的性能。 也就是说，CPU运算很快，内存相对较慢，为了抹平这种差距，工程师们想了很多方法。在我看来，散列表的使用就是利用电脑的高计算性能（优势）去弥补内存速度（不足）的不足，你仔细思考散列表的执行过程，就会明白我的意思。 以上就是哈希的全部内容

说得通俗一点，就是打表......不过也不全是，如果你学编程不久，那最常用的Hash应用就是布尔数组，Hash排序也常指计数排序，比如，对1，3,2,7,4,5进行排序，可以设一个数组，以数字为下标，读到这个数字就把其对应的数组变量变为真，最后一个循环把所有真的变量下标输出就排成顺序了。当然，这只是最简单的Hash排序。Hash还有一个最普遍的应用，就是判重，把已经有的状态设为真，在遇到这个状态可以直接判断重复.....

哥适合is it原因到底区别那肯定是有一定区别，这都是大小号的区别，应该。

“断点”是指断点续传吗？以下仅供参考：使用HASH算法实现文件的断点续传一个已有的大文件，如何做到客户端的快速下载。使用断点续传技术，充分利用网络带宽和CPU。思路：把大文件按照一定算法分割成很多部分Part文件，用MD5算法签名做各个part部分的验证值，客户端下载后用同一个key对下载的part做MD5，结果一样，就完成这一个part的下载，不一样则丢掉继续重新下载。最后下载完毕后再把各个part合并成大文件。对于下载情况，可以自己设计一个表结构来对每一个客户端的下载进行维护。客户端的文件的断点续传上传也是一样的思路。Hash算法到底有什么用呢？Hash算法在信息安全方面的应用主要体现在以下的3个方面： 　　1） 文件校验 　　我们比较熟悉的校验算法有奇偶校验和CRC校验，这2种校验并没有抗数据篡改的能力，它们一定程度上能检测并纠正数据传输中的信道误码，但却不能防止对数据的恶意破坏。 　　MD5 Hash算法的"数字指纹"特性，使它成为目前应用最广泛的一种文件完整性校验和（Checksum）算法，不少Unix系统有提供计算md5 checksum的命令。 　　2） 数字签名 　　Hash 算法也是现代密码体系中的一个重要组成部分。由于非对称算法的运算速度较慢，所以在数字签名协议中，单向散列函数扮演了一个重要的角色。对 Hash 值，又称"数字摘要"进行数字签名，在统计上可以认为与对文件本身进行数字签名是等效的。而且这样的协议还有其他的优点。 　　3） 鉴权协议 　　如下的鉴权协议又被称作"挑战--认证模式：在传输信道是可被侦听，但不可被篡改的情况下，这是一种简单而安全的方法。编辑本段hash函数 - Hash算法的用处　　Hash算法在信息安全方面的应用主要体现在以下的3个方面： 　　1） 文件校验 　　我们比较熟悉的校验算法有奇偶校验和CRC校验，这2种校验并没有抗数据篡改的能力，它们一定程度上能检测并纠正数据传输中的信道误码，但却不能防止对数据的恶意破坏。 　　MD5 Hash算法的"数字指纹"特性，使它成为目前应用最广泛的一种文件完整性校验和（Checksum）算法，不少Unix系统有提供计算md5 checksum的命令。 　　2） 数字签名 　　Hash 算法也是现代密码体系中的一个重要组成部分。由于非对称算法的运算速度较慢，所以在数字签名协议中，单向散列函数扮演了一个重要的角色。对 Hash 值，又称"数字摘要"进行数字签名，在统计上可以认为与对文件本身进行数字签名是等效的。而且这样的协议还有其他的优点。 　　3） 鉴权协议 　　如下的鉴权协议又被称作"挑战--认证模式：在传输信道是可被侦听，但不可被篡改的情况下，这是一种简单而安全的方法。 　　以上就是一些关于hash以及其相关的一些基本预备知识。那么在emule里面他具体起到什么作用呢？编辑本段hash函数 - userhash　　道理同上，当我们在第一次使用emule的时候，emule会自动生成一个值，这个值也是唯一的，它是我们在emule世界里面的标志，只要你不卸载，不删除config，你的userhash值也就永远不变，积分制度就是通过这个值在起作用，emule里面的积分保存，身份识别，都是使用这个值，而和你的id和你的用户名无关，你随便怎么改这些东西，你的userhash值都是不变的，这也充分保证了公平性。其实他也是一个信息摘要，只不过保存的不是文件信息，而是我们每个人的信息。编辑本段hash函数 - hash文件　　我们经常在emule日志里面看到，emule正在hash文件，这里就是利用了hash算法的文件校验性这个功能了，文章前面已经说了一些这些功能，其实这部分是一个非常复杂的过程，目前在ftp,bt等软件里面都是用的这个基本原理，emule里面是采用文件分块传输，这样传输的每一块都要进行对比校验，如果错误则要进行重新下载，这期间这些相关信息写入met文件，直到整个任务完成，这个时候part文件进行重新命名，然后使用move命令，把它传送到incoming文件里面，然后met文件自动删除，所以我们有的时候会遇到hash文件失败，就是指的是met里面的信息出了错误不能够和part文件匹配，另外有的时候开机也要疯狂hash，有两种情况一种是你在第一次使用，这个时候要hash提取所有文件信息，还有一种情况就是上一次你非法关机，那么这个时候就是要进行排错校验了。 　　关于hash的算法研究，一直是信息科学里面的一个前沿，尤其在网络技术普及的今天，他的重要性越来越突出，其实我们每天在网上进行的信息交流安全验证，我们在使用的操作系统密钥原理，里面都有它的身影，特别对于那些研究信息安全有兴趣的朋友，这更是一个打开信息世界的钥匙，他在hack世界里面也是一个研究的焦点.我是一个门外汉，利用这个周末找了一些资料，胡乱写了一点关于hash的文章，也有不少是我自己的分析，这期间肯定还有不对的地方，还请朋友们多多指出错误，我抛砖引玉希望大家批评指导。

哈希算法，速度快。

哈希表（Hash table，也叫散列表），是根据关键码值(Key value)而直接进行访问的数据结构。也就是说，它通过把关键码值映射到表中一个位置来访问记录，以加快查找的速度。这个映射函数叫做散列函数，存放记录的数组叫做散列表。记录的存储位置=f(关键字)这里的对应关系f称为散列函数，又称为哈希（Hash函数），采用散列技术将记录存储在一块连续的存储空间中，这块连续存储空间称为散列表或哈希表（Hash table）。哈希表hashtable(key，value) 就是把Key通过一个固定的算法函数既所谓的哈希函数转换成一个整型数字，然后就将该数字对数组长度进行取余，取余结果就当作数组的下标，将value存储在以该数字为下标的数组空间里。（或者：把任意长度的输入（又叫做预映射， pre-image），通过散列算法，变换成固定长度的输出，该输出就是散列值。这种转换是一种压缩映射，也就是，散列值的空间通常远小于输入的空间，不同的输入可能会散列成相同的输出，而不可能从散列值来唯一的确定输入值。简单的说就是一种将任意长度的消息压缩到某一固定长度的消息摘要的函数。） 而当使用哈希表进行查询的时候，就是再次使用哈希函数将key转换为对应的数组下标，并定位到该空间获取value，如此一来，就可以充分利用到数组的定位性能进行数据定位。

这个问题有点难度，不是很好说清楚。 我来做一个比喻吧。 我们有很多的小猪，每个的体重都不一样，假设体重分布比较平均(我们考虑到公斤级别)，我们按照体重来分,划分成100个小猪圈。 然后把每个小猪，按照体重赶进各自的猪圈里，记录档案。 好了，如果我们要找某个小猪怎么办呢？我们需要每个猪圈，每个小猪的比对吗？ 当然不需要了。 我们先看看要找的这个小猪的体重，然后就找到了对应的猪圈了。 在这个猪圈里的小猪的数量就相对很少了。 我们在这个猪圈里就可以相对快的找到我们要找到的那个小猪了。 对应于hash算法。 就是按照hashcode分配不同的猪圈，将hashcode相同的猪放到一个猪圈里。 查找的时候，先找到hashcode对应的猪圈，然后在逐个比较里面的小猪。 所以问题的关键就是建造多少个猪圈比较合适。 如果每个小猪的体重全部不同（考虑到毫克级别)，每个都建一个猪圈，那么我们可以最快速度的找到这头猪。缺点就是，建造那么多猪圈的费用有点太高了。 如果我们按照10公斤级别进行划分，那么建造的猪圈只有几个吧，那么每个圈里的小猪就很多了。我们虽然可以很快的找到猪圈，但从这个猪圈里逐个确定那头小猪也是很累的。 所以，好的hashcode，可以根据实际情况，根据具体的需求，在时间成本(更多的猪圈，更快的速度)和空间本(更少的猪圈，更低的空间需求)之间平衡。

<meta charset="utf-8"> 想想一下，我们有一个数组，数组长度是100个，现在的需求是：给出这个数组是否包含一个对象obj？ 如果这是个无序的数组，那么我们只能用遍历的方法来查找是否包含这个对象obj了。这是我们的时间复杂度就是O(n)。 这种查找效率是很低的，所以hash表应运而生。 hash表其实也是一个数组，区别数组的地方是它会建立 存储的值 到 存储的下标 索引的一个映射，也就是散列函数。 我们来举一个通俗易懂的例子： 现在我们有个hash表，表长度count = 16，现在我们依次把3，12，24，30依次存入hash表中。 首先我们来约定一个简单的映射关系：存储的索引下表(index) = 存储值(value) % hash表长度(count)； 算下来hash表的存储分布是这样的：hash[3] = 3、hash[12] = 12、hash[8] = 24、hash[14] = 30 还是一样的需求，当我们给出24的时候，求出hash表中是否存有24？ 此时，按照原先约定的映射关系：index = 24 % 16 = 8，然后我们在hash[8]查询等于24。这样，通过数组需要O(n)的时间复杂度，通过hash表只需要O(1)； 上面提到的hash表在存入3，12，24，30后，如果要面临存入19呢？ 此时index = 19 % 16 = 3，而之前hash[3] 已经存入了3这个值了！这种情况就是发送了散列碰撞。 此时，我们可以改进一下我们的hash表，让它存储的是一个链表。这样发送散列碰撞的元素就可以以链表的形式共处在hash表的某一个下标位置了。 所以，只要发生了散列碰撞，我们查找的时间复杂度就不能像O(1)这么小了，因为还要考虑链表的查找时间复杂度O(n)。 哈希表还有一个重要的属性: 负载因子(load factor)，它用来衡量哈希表的 空/满 程度 当存储的元素个数越来越多，在hash表长度不变的前提下，发生散列碰撞的概率就会变大，查找性能就变低了。所以当负载因子达到一定的值，hash表会进行自动扩容。 哈希表在自动扩容时，一般会扩容出一倍的长度。元素的hash值不变，对哈希表长度取模的值也会改变，所以元素的存储位置也要相对应重新计算，这个过程也称为重哈希(rehash)。 哈希表的扩容并不总是能够有效解决负载因子过大而引起的查询性能变低的问题。假设所有 key 的哈希值都一样，那么即使扩容以后他们的位置也不会变化。虽然负载因子会降低，但实际存储在每个箱子中的链表长度并不发生改变，因此也就不能提高哈希表的查询性能。所以，设计一个合理有效的散列函数显得相当的有必要，这个合理有效应该体现在映射之后各元素均匀的分布在hash表当中。 说回NSDictionary 字典是开发中最常见的集合了。当我们调用 我们来探究下字典存储键值对的过程，有两个方法对hash存储起着关键的影响： demo1 @interface KeyType : NSObject<NSCopying> @property (nonatomic, copy) NSString *keyName; @end @implementation KeyType //直接电影父类hash方法 //直接调用父类isEqual方法 @end @implementation ViewController @end 控制台打印： for value 1 2 for key hash func copy func 2 分析： dic.count = 1，说明{key1 : @"object1"}已经存储进去了。然而通过这个key去获取竟然返回null？ 从打印也可以看出来，现在isEqual函数开始被调用了。 分析： //我们可以强制重写KeyType的isEqual:返回YES，demo2的返回值就不是null了 由此可见，当一个类需要作为字典的key，重写hash和isEqual:方法显得很有必要。 重写hash方法 为什么要重写hash方法？ 我们先来看看NSObject的hash方法返回什么： KeyType *key1 = [[KeyType alloc] initWithKeyName:@"key1"]; NSLog(@"%p",key1); NSLog(@"%lx",[key1 hash]); 控制台打印： 0x600000640610 600000640610 由此可见，NSObject是把对象的内存地址作为hash值返回。 以内存地址作为hash可以保证唯一性，但是这样好不好？ 这样不好！ 来看下这个场景： @interface KeyType : NSObject<NSCopying> @property (nonatomic, copy) NSString *keyName; @end @implementation KeyType //强制返回YES @end @implementation ViewController 很明显，最后打印是null。 但是在一般的业务场景，因为key1和key2的keyName属性都一样，所以应该被看为同一个key。 所以我们要重新hash方法。 如何重写hash方法 一个合理的hash方法要尽量让hash表中的元素均匀分布，来保证较高的查询性能。 如果两个对象可以被视为同一个对象，那么他们的hash值要一样。 mattt在文章Equality 中给出了一个普遍的算法: Instagram在开源IGListKit的同时，鼓励这么写hash方法： 如何写一个合理高效的判等方法？ 首先对内存地址进行判断，地址相等return YES; 进行判空处理，self == nil || object == nil ，return NO; 类型判断，![object isKindOfClass:[self class]] , return NO; 对对象的其他属性进行判断 根据这四个步骤，我们可以发现，我们都是先判断时间开销最少的属性。所以对于第4个步骤，如果对象有很多属性，我们也要依照这个原则来！比如[self.array isEqual:other.array] && self.intVal == other.intVal这种写法是不合理的，因为array的判等会去遍历元素，时间开销大。如果intVal不相等的话就可以直接return NO了，没必要进行数组的判等。应该这么写： self.intVal == other.intVal && [self.array isEqual:other.array] 示例如下：

与特征码的用法一样。在hash前加上“magnet:?xt=urn:btih:”，再复制进迅雷里面，就能得到种子。torrent文件本质上是文本文件，包含Tracker信息和文件信息两部分。Tracker信息主要是BT下载中需要用到的Tracker服务器的地址和针对Tracker服务器的设置，文件信息是根据对目标文件的计算生成的，计算结果根据BitTorrent协议内的B编码规则进行编码。它的主要原理是需要把提供下载的文件虚拟分成大小相等的块，块大小必须为2k的整数次方（由于是虚拟分块，硬盘上并不产生各个块文件），并把每个块的索引信息和Hash验证码写入.torrent文件中；所以，.torrent文件就是被下载文件的“索引”。根据BitTorrent协议，文件发布者会根据要发布的文件生成提供一个种子文件。下载者要下载文件内容，需要先得到相应的种子文件，然后使用BT客户端软件进行下载。

首先介绍下Hash函数Hash函数（也称散列函数或散列算法）的输入为任意长度的消息，而输出为某一固定长度的消息，即Hash函数是一种将任意长度的消息串M映射成为一个定长消息的函数，记为H。称h=H(M)为消息M的Hash值或消息摘要，有时也称为消息的指纹。通常Hash函数应用于数字签名、消息完整性检查等方面。设H是一个Hash函数，x是任意长度的二元串，相应的消息摘要为y=H(x)，通常消息摘要是一个相对较短的二元串。假设我们已经计算出了y的值，那么如果有人改变了x的值为xˊ，则通过计算消息摘要yˊ=H(xˊ)，验证yˊ与y不相等就可以知道原来的消息x已被改变。通常，Hash函数可以分为两类：不带密钥的Hash函数和带密钥的Hash函数。不带密钥的Hash函数只需要有一个消息输入；带密钥的Hash函数规定要有两个不同的输入，即一个消息和一个密钥。Hash函数的目的是为指定的消息产生一个消息“指纹”，Hash函数通常具有以下这些性质：压缩性。Hash函数将一个任意比特长度的输入x，映射成为固定长度为n的输出H(x)。正向计算简单性。给定Hash函数H和任意的消息输入x，计算H(x)是简单的。逆向计算困难性。对所有预先给定的输出值，找到一个消息输入使得它的Hash值等于这个输出，在计算上是不可行的。即对给定的任意值y，求使得H(x)=y的x在计算上是不可行的。这一性质也称为单向性。弱无碰撞性。对于任何输入，找到一个与它有相同输出的第二个输入，在计算上是不可行的，即给定一个输入x，找到一个xˊ，使得H(x)= H(xˊ)成立在计算上是不可行的。强无碰撞性。找出任意两个不同的输入x与xˊ，使得H(x)= H(xˊ)成立在计算上是不可行的。攻击者可以对Hash函数发起两种攻击。第一种是找出一个xˊ，使得H(x)= H(xˊ)。例如，在一个使用Hash函数的签名方案中，假设s是签名者对消息x的一个有效签名，s=sig(H(x))。攻击者可能会寻找一个与x不同的消息xˊ，使得H(x)= H(xˊ)。如果找得到，则攻击者就可以伪造对消息xˊ的签名，这事因为s也是对消息xˊ的有效签名。Hash函数的弱无碰撞性可以抵抗这种攻击。攻击者还可以发起另一种攻击，同样一个应用Hash函数的签名方案中，对手可能会寻找两个不同的消息x和xˊ，使得H(x)= H(xˊ)，然后说服签名者对消息x签名，得到s=sig(H(x))。由于s=sig(H(xˊ))，所以攻击者得到了一个对消息xˊ的有效签名。Hash函数的强无碰撞性可以抵抗这种攻击。Hash函数的另一种常见的攻击方法是生日攻击，感兴趣的读者可以参阅参考文献中生日攻击的的相关资料。为防止生日攻击，通常的方法就是增加Hash值的比特长度，一般最小的可接受长度为128位。常见的Hash函数，如MD5和SHA分别具有128比特和160比特的消息摘要。

（或译作“散列”）是一种函数，它把任何数字或者字符串输入转化成一个固定长度的输出。通过输出我们不可能反向推得输入，除非尝试了所有的可能的输入值。下面是一个简单的哈希函数的例子，平方根：17202的平方根是很容易求得的，它大概是131.15639519291463，所以一个简单的哈希函数的输出可能是输入的数字的平方根的后面几位小数，在这个例子里面就是9291463。但是，只给出9291463的话，我们几乎不可能推算出它是哪个输入的输出。现代加密哈希比如像SHA-256，比上面这个例子要复杂的多也要安全的多。哈希这个词也用于指代这样一个函数的输出值

hash 模式和 history 模式都属于浏览器自身的特性， Vue-Router 只是利用了这两个特性 （通过调用浏览器提供的接口）来实现前端路由。 一般场景下，hash 和 history 都可以，除非你更在意颜值， # 符号夹杂在 URL 里看起来确实有些不太美丽。 另外，根据 Mozilla Develop Network 的介绍，调用 history.pushState() 相比于直接修改 hash ，存在以下优势： u2003u2003结合自身例子，对于一般的 Vue + Vue-Router + Webpack + XXX 形式的 Web 开发场景，用 history 模式即可， 只需在后端（Apache 或 Nginx）进行简单的路由配置， 同时搭配前端路由的 404 页面支持。

*nix系系统：ES(Unix)例子: IvS7aeT4NzQPM说明：Linux或者其他linux内核系统中长度: 13 个字符描述：第1、2位为salt，例子中的"Iv"位salt，后面的为hash值系统：MD5(Unix)例子：$1$12345678$XM4P3PrKBgKNnTaqG9P0T/说明：Linux或者其他linux内核系统中长度：34个字符描述：开始的$1$位为加密标志，后面8位12345678为加密使用的salt,后面的为hash加密算法：2000次循环调用MD5加密系统：SHA-512(Unix)例子：$6$12345678$U6Yv5E1lWn6mEESzKen42o6rbEm说明：Linux或者其他linux内核系统中长度: 13 个字符描述：开始的$6$位为加密标志，后面8位为salt，后面的为hash加密算法：5000次的SHA-512加密系统：SHA-256(Unix)例子：$5$12345678$jBWLgeYZbSvREnuBr5s3gp13vqi说明：Linux或者其他linux内核系统中长度: 55 个字符描述：开始的$5$位为加密标志，后面8位为salt，后面的为hash加密算法：5000次的SHA-256加密系统：MD5(APR)例子：$apr1$12345678$auQSX8Mvzt.tdBi4y6Xgj.说明：Linux或者其他linux内核系统中长度：37个字符描述：开始的$apr1$位为加密标志，后面8位为salt，后面的为hash加密算法：2000次循环调用MD5加密windows系统：windows例子：Admin:b474d48cdfc4974d86ef4d24904cdd91长度：98个字符加密算法：MD4(MD4(Unicode($pass)).Unicode(strtolower($username)))mysql系统：mysql例子：606717496665bcba说明：老版本的MySql中长度：8字节（16个字符）说明：包括两个字节，且每个字的值不超过0x7fffffff系统：MySQL5例子：*E6CC90B878B948C35E92B003C792C46C58C4AF40说明：较新版本的MySQL长度：20字节（40位）加密算法：SHA-1(SHA-1($pass))其他系统：系统：MD5(WordPress)例子：$P$B123456780BhGFYSlUqGyE6ErKErL01说明：WordPress使用的md5长度：34个字符描述：$P$表示加密类型，然后跟着一位字符，经常是字符‘B"，后面是8位salt，后面是就是hash加密算法：8192次md5循环加密系统：MD5(phpBB3)说明：phpBB 3.x.x.使用例子：$H$9123456785DAERgALpsri.D9z3ht120长度：34个字符描述：开始的$H$为加密标志，后面跟着一个字符，一般的都是字符‘9"，然后是8位salt，然后是hash 值加密算法：2048次循环调用MD5加密系统：RAdmin v2.x说明：Remote Administrator v2.x版本中例子：5e32cceaafed5cc80866737dfb212d7f长度：16字节（32个字符）加密算法：字符用0填充到100字节后，将填充过后的字符经过md5加密得到（32位值）md5加密标准MD5例子：c4ca4238a0b923820dcc509a6f75849b使用范围：phpBB v2.x, Joomla 的 1.0.13版本前，及其他cmd长度：16个字符其他的加salt及变形类似：md5($salt.$pass)例子:f190ce9ac8445d249747cab7be43f7d5:12md5(md5($pass))例子:28c8edde3d61a0411511d3b1866f0636md5(md5($pass).$salt)例子:6011527690eddca23580955c216b1fd2:wQ6md5(md5($salt).md5($pass))例子: 81f87275dd805aa018df8befe09fe9f8:wH6_Smd5(md5($salt).$pass)例子: 816a14db44578f516cbaef25bd8d8296:1234

打开迅雷,然后复制哈希码,迅雷一般会自己开始新建下载,如果没有,就新建下载然后将哈希码粘贴进去

n 回锅肉丁、混杂v 切碎、 把..搞的乱七八糟

先看一下hash表的结构图： 哈希表（Hash table，也叫散列表），是根据键（Key）而直接访问在内存存储位置的数据结构。也就是说，它通过计算一个关于键值的函数，将所需查询的数据映射到表中一个位置来访问记录，这加快了查找速度。这个映射函数叫做散列函数，存放记录的数组叫做散列表 白话一点的说就是通过把Key通过一个固定的算法函数（hash函数）转换成一个整型数字，然后就对该数字对数组的长度进行取余，取余结果就当作数组的下标，将value存储在以该数字为下标的数组空间里。 先了解一下下面几个常说的几个关键字是什么： key ：我们输入待查找的值 value ：我们想要获取的内容 hash值 ：key通过hash函数算出的值（对数组长度取模，便可得到数组下标） hash函数（散列函数） ：存在一种函数F，根据这个函数和查找关键字key，可以直接确定查找值所在位置，而不需要一个个遍历比较。这样就预先知道key在的位置，直接找到数据，提升效率。 即 地址index=F(key) hash函数就是根据key计算出该存储地址的位置，hash表就是基于hash函数建立的一种查找表。 方法有很多种，比如直接定址法、数字分析法、平方取中法、折叠法、随机数法、除留余数法等，网上相关介绍有很多，这里就不重点说这个了 对不同的关键字可能得到同一散列地址， 即k1≠k2，而f(k1)=f(k2)，或f(k1) MOD 容量 =f(k2) MOD 容量 ，这种现象称为 碰撞 ，亦称 冲突 。 通过构造性能良好的hash函数，可以减少冲突，但一般不可能完全避免冲突，因此解决冲突是hash表的另一个关键问题。 创建和查找hash表都会遇到冲突，两种情况下解决冲突的方法应该一致。 这里要提到两个参数： 初始容量 ， 加载因子 ，这两个参数是影响hash表性能的重要参数。 容量 ： 表示hash表中数组的长度，初始容量是创建hash表时的容量。 加载因子 ： 是hash表在其容量自动增加之前可以达到多满的一种尺度（存储元素的个数），它衡量的是一个散列表的空间的使用程度。 loadFactor = 加载因子 / 容量 一般情况下，当loadFactor <= 1时，hash表查找的期望复杂度为O(1). 对使用链表法的散列表来说， 负载因子越大，对空间的利用更充分，然后后果是查找效率的降低；如果负载因子太小，那么散列表的数据将过于稀疏，对空间造成严重浪费 。系统默认负载因子为0.75。 当hash表中元素越来越多的时候，碰撞的几率也就越来越高（因为数组的长度是固定的），所以为了提高查询的效率，就要对数组进行扩容。而在数组扩容之后，最消耗性能的点就出现了，原数组中的数据必须重新计算其在新数组中的位置，并放进去，这就是 扩容 。 什么时候进行扩容呢？当表中 元素个数超过了容量 * loadFactor 时，就会进行数组扩容。 Foundation框架下提供了很多高级数据结构，很多都是和Core Foundation下的相对应，例如NSSet就是和_CFSet相对应，NSDictionary就是和_CFDictionary相对应。 源码 这里说的hash并不是之前说的hash表，而是一个方法。为什么要有hash方法？ 这个问题需要从hash表数据结构说起，首先看下如何在数组中查找某个成员 在数组未排序的情况下，查找的时间复杂度是O(n)（n为数组长度）。hash表的出现，提高了查找速度，当成员被加入到hash表中时，会计算出一个hash值，hash值对数组长度取模，会得到该成员在数组中的位置。 通过这个位置可以将查找的时间复杂度优化到O(1)，前提是在不发生冲突的情况下。 这里的hash值是通过hash方法计算出来的，且hash方法返回的hash值最好唯一 和数组相比，基于hash值索引的hash表查找某个成员的过程： 可以看出优势比较明显，最坏的情况和数组也相差无几。 重写person的hash方法和copyWithZone方法，方便查看hash方法是否被调用： 打印结果： 可以了解到： hash方法只在对象被添加到NSSet和设置为NSDictionary的key时被调用 NSSet添加新成员时，需要根据hash值来快速查找成员，以保证集合中是否已经存在该成员。 NSDictionary在查找key时，也是利用了key的hash值来提高查找的效率。 这里可以得到这个结论： 相等变量的hash结果总是相同的，不相等变量的hash结果有可能相同 根据数据结构可以发现set内部使用了指针数组来保存keys，可以从 源码 中了解到采用的是连续存储的方式存储。 NSSet添加key，key值会根据特定的hash函数算出hash值，然后存储数据的时候，会根据hash函数算出来的值，找到对应的下标，如果该下标下已有数据，开放定址法后移动插入，如果数组到达阈值，这个时候就会进行扩容，然后重新hash插入。查询速度就可以和连续性存储的数据一样接近O(1)了。 和上面的集合NSSet相比较，多了一个指针数组values。 通过比较集合NSSet和字典NSDictionary的 源码 可以知道两者实现的原理差不多，而字典则用了两个数组keys和values，说明这两个数据是被分开存储的。 通过源码可以看到，当有重复的key插入到字典NSDictionary时，会覆盖旧值，而集合NSSet则什么都不做，保证了里面的元素不会重复。 大家都知道，字典里的键值对key-value是一一对应的关系，从数据结构可以看出，key和value是分别存储在两个不同的数组里，这里面是如何对key、value进行绑定的呢？ 首先 key利用hash函数算出hash值，然后对数组的长度取模，得到数组下标的位置，同样将这个地址对应到values数组的下标，就匹配到相应的value。 注意到上面的这句话，要保证一点， 就是keys和values这两个数组的长度要一致 。所以扩容的时候，需要对keys和values两个数组一起扩容。 对于字典NSDictionary设置的key和value，key值会根据特定的hash函数算出hash值，keys和values同样多，利用hash值对数组长度取模，得到其对应的下标index，如果下标已有数据，开放定址法后移插入，如果数组达到阈值，就扩容，然后重新hash插入。这样的机制就把一些不连续的key-value值插入到能建立起关系的hash表中。 查找的时候，key根据hash函数以及数组长度，得到下标，然后根据下标直接访问hash表的keys和values，这样查询速度就可以和连续线性存储的数据一样接近O(1)了。 参考文章： 笔记-数据结构之 Hash（OC的粗略实现）

哈希函数（Hash Function），也称为散列函数，给定一个输入 x ，它会算出相应的输出 H(x) 。哈希函数的主要特征是： 另外哈希函数一般还要求以下两种特点： 1、免碰撞 ：即不会出现输入 x≠y ，但是H(x)=H(y) 的情况，其实这个特点在理论上并不成立，比如目前比特币使用的 SHA256 算法，会有 2^256 种输出，如果我们进行 2^256 + 1 次输入，那么必然会产生一次碰撞，事实上，通过 理论证明 ，通过 2^130 次输入就会有99%的可能性发生一次碰撞，不过即使如此，即便是人类制造的所有计算机自宇宙诞生开始一直运算到今天，发生一次碰撞的几率也是极其微小的。 2、隐匿性 ：也就是说，对于一个给定的输出结果 H(x) ，想要逆推出输入 x ，在计算上是不可能的。如果想要得到 H(x) 的可能的原输入，不存在比穷举更好的方法。 hash 算法的原理是试图将一个空间的数据集映射到另外一个空间（通常比原空间要小），并利用质数将数据集能够均匀的映射。目前主流的 hash 算法有： md4 、 md5 、 sha系列 。 MD4是麻省理工学院教授 Ronald Rivest 于1990年设计出来的算法。其摘要长度为128位，一般用32位的十六进制来表示。 2004年8月清华大学教授王小云，指出在计算MD4时可能发生杂凑冲撞。不久之后，Dobbertin 等人发现了MD4在计算过程中第一步和第三步中的漏洞，并向大家演示了如何利用一部普通电脑在几分钟内找到MD4中的冲突，毫无疑问，MD4就此被淘汰掉了。 1991年，Rivest 开发出技术上更为趋近成熟的MD5算法，它在MD4的基础上增加了"安全-带子"（safety-belts）的概念。虽然 MD5 比 MD4 复杂度大一些，但却更为安全。这个算法很明显的由四个和 MD4 设计有少许不同的步骤组成。 MD5 拥有很好的抗修改性，即对原数据进行任何改动，哪怕只修改1个字节，所得到的MD5值都有很大区别。 MD5很好的用在了大文件的断点续传上：如果有一个 5MB 的文件 客户端把它分割成5片 1MB 的文件 在上传的时候上传两个 MD5 值，一个是当前上传的文件片的 MD5 还有一个就是拼接之后的 MD5 (如果现在上传的是第二片 这个MD5就应该是第一片加上第二片的MD5)， 通过这样的方式能保证文件的完整性。 当如果文件传到一半断了，服务器可以通过验证文件 MD5 值就可以得知用户已经传到了第几片，并且知道之前上传的文件有没有发生变化，就可以判断出用户需要从第几片开始传递。 不过在2004年8月的国际密码学会议（Crypto"2004），王小云提出了一种快速找到 MD5 碰撞的方法（参见其 论文 ），降低了 MD5 的安全性，人们开始寻求更加可靠的加密算法。 SHA的全称是Secure Hash Algorithm(安全hash算法)，SHA系列有五个算法，分别是 SHA-1、SHA-224、SHA-256、SHA-384，和SHA-512，由美国国家安全局（NSA）所设计，并由美国国家标准与技术研究院（NIST）发布，是美国的政府标准。后四者有时并称为 SHA-2。SHA-1在许多安全协定中广为使用，包括 TLS/SSL 等，是 MD5 的后继者。 最初该算法于1993年发布，称做安全散列标准 (Secure Hash Standard)，最初这个版本被称为"SHA-0"，它在发布之后很快就被NSA撤回，因为有很大的安全缺陷，之后在1995年发布了修订版本，也就是SHA-1。 SHA-0 和 SHA-1 会从一个最大 2^64 位元的讯息中产生一串 160 位元的摘要，然后以 MD4 及 MD5 算法类似的原理来加密。 2017年，谷歌发布了最新的研究成功，宣布攻破了SHA-1，并详细描述了成功的SHA1碰撞攻击方式，使用这种方式，可以在亚马逊的云计算平台上，耗时10天左右创建出SHA-1碰撞，并且成本可以控制在11万美元以内。 即使如此，对于单台机器来说攻击的成本依然很高，发生一次SHA-1碰撞需要超过 9,223,372,036,854,775,808 个SHA1计算，这需要使用你的机器进行6500年计算。 SHA2包括了SHA-224、SHA-256、SHA-384，和SHA-512，这几个函数都将讯息对应到更长的讯息摘要，以它们的摘要长度（以位元计算）加在原名后面来命名，也就是说SHA-256会产生256位长度摘要。 SHA-2相对来说是安全的，至今尚未出现对SHA-2有效的攻击！ 由于目前大量的网站使用的SSL数字证数都是使用SHA-1签名的，而SHA-1又已经不安全，各大浏览器厂商均宣布了弃用SHA-1的时间表： 可以看出，在时间表之后，如果检测到网站的证书使用的还是SHA-1，就会弹出警告： 为了防止网站因出现上面的警告而显得不专业，我们需要尽快的申请使用跟安全放心的基于SHA-2签名的证书。

散列方法的主要思想是根据结点的关键码值来确定其存储地址：以关键码值K为自变量，通过一定的函数关系h(K)(称为散列函数)，计算出对应的函数值来，把这个值解释为结点的存储地址，将结点存入到此存储单元中。检索时，用同样的方法计算地址，然后到相应的单元里去取要找的结点。通过散列方法可以对结点进行快速检索。散列（hash，也称“哈希”）是一种重要的存储方式，也是一种常见的检索方法。 按散列存储方式构造的存储结构称为散列表（hash table）。散列表中的一个位置称为槽(slot)。散列技术的核心是散列函数(hash function)。 对任意给定的动态查找表DL，如果选定了某个“理想的”散列函数h及相应的散列表HT，则对DL中的每个数据元素X。函数值h（X.key）就是X在散列表HT中的存储位置。插入（或建表）时数据元素X将被安置在该位置上，并且检索X时也到该位置上去查找。由散列函数决定的存储位置称为散列地址。 因此，散列的核心就是：由散列函数决定关键码值(X.key)与散列地址h(X.key)之间的对应关系，通过这种关系来实现组织存储并进行检索。 一般情况下，散列表的存储空间是一个一维数组HT[M]，散列地址是数组的下标。设计散列方法的目标，就是设计某个散列函数h，0<=h( K ) < M；对于关键码值K，得到HT[i] = K。 在一般情况下，散列表的空间必须比结点的集合大，此时虽然浪费了一定的空间，但换取的是检索效率。设散列表的空间大小为M，填入表中的结点数为N，则称为散列表的负载因子（load factor，也有人翻译为“装填因子”）。建立散列表时，若关键码与散列地址是一对一的关系，则在检索时只需根据散列函数对给定值进行某种运算，即可得到待查结点的存储位置。但是，散列函数可能对于不相等的关键码计算出相同的散列地址，我们称该现象为冲突（collision），发生冲突的两个关键码称为该散列函数的同义词。在实际应用中，很少存在不产生冲突的散列函数，我们必须考虑在冲突发生时的处理办法。 在以下的讨论中，我们假设处理的是值为整型的关键码，否则我们总可以建立一种关键码与正整数之间的一一对应关系，从而把该关键码的检索转化为对与其对应的正整数的检索；同时，进一步假定散列函数的值落在0到M－1之间。散列函数的选取原则是：运算尽可能简单；函数的值域必须在散列表的范围内；尽可能使得结点均匀分布，也就是尽量让不同的关键码具有不同的散列函数值。需要考虑各种因素：关键码长度、散列表大小、关键码分布情况、记录的检索频率等等。下面我们介绍几种常用的散列函数。 顾名思义，除余法就是用关键码x除以M（往往取散列表长度），并取余数作为散列地址。除余法几乎是最简单的散列方法，散列函数为： h(x) ＝ x mod M。 使用此方法时，先让关键码key乘上一个常数A (0< A < 1)，提取乘积的小数部分。然后，再用整数n乘以这个值，对结果向下取整，把它做为散列的地址。散列函数为： hash ( key ) = _LOW( n × ( A × key % 1 ) )。 其中，“A × key % 1”表示取 A × key 小数部分，即： A × key % 1 = A × key - _LOW(A × key), 而_LOW(X)是表示对X取下整 由于整数相除的运行速度通常比相乘要慢，所以有意识地避免使用除余法运算可以提高散列算法的运行时间。平方取中法的具体实现是：先通过求关键码的平方值，从而扩大相近数的差别，然后根据表长度取中间的几位数（往往取二进制的比特位）作为散列函数值。因为一个乘积的中间几位数与乘数的每一数位都相关，所以由此产生的散列地址较为均匀。 假设关键字集合中的每个关键字都是由 s 位数字组成 (u1, u2, …, us)，分析关键字集中的全体，并从中提取分布均匀的若干位或它们的组合作为地址。数字分析法是取数据元素关键字中某些取值较均匀的数字位作为哈希地址的方法。即当关键字的位数很多时，可以通过对关键字的各位进行分析，丢掉分布不均匀的位，作为哈希值。它只适合于所有关键字值已知的情况。通过分析分布情况把关键字取值区间转化为一个较小的关键字取值区间。 举个例子：要构造一个数据元素个数n=80,哈希长度m=100的哈希表。不失一般性，我们这里只给出其中8个关键字进行分析，8个关键字如下所示： K1=61317602 K2=61326875 K3=62739628 K4=61343634 K5=62706815 K6=62774638 K7=61381262 K8=61394220 分析上述8个关键字可知，关键字从左到右的第1、2、3、6位取值比较集中，不宜作为哈希地址，剩余的第4、5、7、8位取值较均匀，可选取其中的两位作为哈希地址。设选取最后两位作为哈希地址，则这8个关键字的哈希地址分别为：2，75，28，34，15，38，62，20。 此法适于:能预先估计出全体关键字的每一位上各种数字出现的频度。 将关键码值看成另一种进制的数再转换成原来进制的数，然后选其中几位作为散列地址。 例Hash(80127429)=(80127429)13=8 137+0 136+1 135+2 134+7 133+4 132+2*131+9=(502432641)10如果取中间三位作为哈希值，得Hash（80127429）=432 为了获得良好的哈希函数，可以将几种方法联合起来使用，比如先变基，再折叠或平方取中等等，只要散列均匀，就可以随意拼凑。 有时关键码所含的位数很多，采用平方取中法计算太复杂，则可将关键码分割成位数相同的几部分（最后一部分的位数可以不同），然后取这几部分的叠加和（舍去进位）作为散列地址，这方法称为折叠法。 分为： 尽管散列函数的目标是使得冲突最少，但实际上冲突是无法避免的。因此，我们必须研究冲突解决策略。冲突解决技术可以分为两类：开散列方法( open hashing，也称为拉链法，separate chaining )和闭散列方法( closed hashing，也称为开地址方法，open addressing )。这两种方法的不同之处在于：开散列法把发生冲突的关键码存储在散列表主表之外，而闭散列法把发生冲突的关键码存储在表中另一个槽内。 (1)拉链法 开散列方法的一种简单形式是把散列表中的每个槽定义为一个链表的表头。散列到一个特定槽的所有记录都放到这个槽的链表中。图9-5说明了一个开散列的散列表，这个表中每一个槽存储一个记录和一个指向链表其余部分的指针。这7个数存储在有11个槽的散列表中，使用的散列函数是h(K) = K mod 11。数的插入顺序是77、7、110、95、14、75和62。有2个值散列到第0个槽，1个值散列到第3个槽，3个值散列到第7个槽，1个值散列到第9个槽。 闭散列方法把所有记录直接存储在散列表中。每个记录关键码key有一个由散列函数计算出来的基位置，即h(key)。如果要插入一个关键码，而另一个记录已经占据了R的基位置(发生碰撞)，那么就把R存储在表中的其它地址内，由冲突解决策略确定是哪个地址。 闭散列表解决冲突的基本思想是：当冲突发生时，使用某种方法为关键码K生成一个散列地址序列d0，d1，d2，... di ，...dm-1。其中d0=h（K）称为K的基地址地置( home position )；所有di(0< i< m)是后继散列地址。当插入K时，若基地址上的结点已被别的数据元素占用，则按上述地址序列依次探查，将找到的第一个开放的空闲位置di作为K的存储位置；若所有后继散列地址都不空闲，说明该闭散列表已满，报告溢出。相应地，检索K时，将按同值的后继地址序列依次查找，检索成功时返回该位置di ；如果沿着探查序列检索时，遇到了开放的空闲地址，则说明表中没有待查的关键码。删除K时，也按同值的后继地址序列依次查找，查找到某个位置di具有该K值，则删除该位置di上的数据元素（删除操作实际上只是对该结点加以删除标记）；如果遇到了开放的空闲地址，则说明表中没有待删除的关键码。因此，对于闭散列表来说，构造后继散列地址序列的方法，也就是处理冲突的方法。 形成探查的方法不同，所得到的解决冲突的方法也不同。下面是几种常见的构造方法。 (1)线性探测法 将散列表看成是一个环形表，若在基地址d（即h(K)=d）发生冲突，则依次探查下述地址单元：d+1，d+2，......，M-1，0，1，......，d-1直到找到一个空闲地址或查找到关键码为key的结点为止。当然，若沿着该探查序列检索一遍之后，又回到了地址d，则无论是做插入操作还是做检索操作，都意味着失败。 用于简单线性探查的探查函数是： p(K，i) = i 例9.7 已知一组关键码为（26，36，41，38，44，15，68，12，06，51，25），散列表长度M= 15，用线性探查法解决冲突构造这组关键码的散列表。 因为n=11，利用除余法构造散列函数，选取小于M的最大质数P=13，则散列函数为：h(key) = key%13。按顺序插入各个结点： 26: h(26) = 0，36: h(36) = 10， 41: h(41) = 2，38: h(38) = 12， 44: h(44) = 5。 插入15时，其散列地址为2，由于2已被关键码为41的元素占用，故需进行探查。按顺序探查法，显然3为开放的空闲地址，故可将其放在3单元。类似地，68和12可分别放在4和13单元中. (2)二次探查法 二次探查法的基本思想是：生成的后继散列地址不是连续的，而是跳跃式的，以便为后续数据元素留下空间从而减少聚集。二次探查法的探查序列依次为：12，-12，22 ，-22，...等，也就是说，发生冲突时，将同义词来回散列在第一个地址的两端。求下一个开放地址的公式为： (3)随机探查法 理想的探查函数应当在探查序列中随机地从未访问过的槽中选择下一个位置，即探查序列应当是散列表位置的一个随机排列。但是，我们实际上不能随机地从探查序列中选择一个位置，因为在检索关键码的时候不能建立起同样的探查序列。然而，我们可以做一些类似于伪随机探查( pseudo-random probing )的事情。在伪随机探查中，探查序列中的第i个槽是(h(K) + ri) mod M，其中ri是1到M - 1之间数的“随机”数序列。所有插入和检索都使用相同的“随机”数。探查函数将是 p(K，i) = perm[i - 1]， 这里perm是一个长度为M - 1的数组，它包含值从1到M – 1的随机序列。 例子： 例如，已知哈希表长度m=11，哈希函数为：H（key）= key % 11，则H（47）=3，H（26）=4，H（60）=5，假设下一个关键字为69，则H（69）=3，与47冲突。如果用线性探测再散列处理冲突，下一个哈希地址为H1=（3 + 1）% 11 = 4，仍然冲突，再找下一个哈希地址为H2=（3 + 2）% 11 = 5，还是冲突，继续找下一个哈希地址为H3=（3 + 3）% 11 = 6，此时不再冲突，将69填入5号单元，参图8.26 (a)。如果用二次探测再散列处理冲突，下一个哈希地址为H1=（3 + 12）% 11 = 4，仍然冲突，再找下一个哈希地址为H2=（3 - 12）% 11 = 2，此时不再冲突，将69填入2号单元，参图8.26 (b)。如果用伪随机探测再散列处理冲突，且伪随机数序列为：2，5，9，……..，则下一个哈希地址为H1=（3 + 2）% 11 = 5，仍然冲突，再找下一个哈希地址为H2=（3 + 5）% 11 = 8，此时不再冲突，将69填入8号单元，参图8.26 (c)。 (4)双散列探查法 伪随机探查和二次探查都能消除基本聚集——即基地址不同的关键码，其探查序列的某些段重叠在一起——的问题。然而，如果两个关键码散列到同一个基地址，那么采用这两种方法还是得到同样的探查序列，仍然会产生聚集。这是因为伪随机探查和二次探查产生的探查序列只是基地址的函数，而不是原来关键码值的函数。这个问题称为二级聚集( secondary clustering )。 为了避免二级聚集，我们需要使得探查序列是原来关键码值的函数，而不是基位置的函数。双散列探查法利用第二个散列函数作为常数，每次跳过常数项，做线性探查。

hash算法是一种散列算法，是把任意的长度的输入，转换成固定的额输出，福鼎的输出，输出的是散列值。在空间的比较中，输入的空间是远大于输出的散列值的空间，不同输入散列成同样的输出，一般很难从输出的散列值获取输入值的。常用的hash函数有直接取余法、乘法取整法，平方取中法。在直接取余法中，质数用到的比较多，在乘法取整法中，主要用于实数，在平方取中法里面，平方后取中间的，每位包含的信息比较多些。Hash在管理数据结构中的应用在用到hash进行管理的数据结构中，就对速度比较重视，对抗碰撞不太看中，只要保证hash均匀分布就可以。比如hashmap，hash值（key）存在的目的是加速键值对的查找，key的作用是为了将元素适当地放在各个桶里，对于抗碰撞的要求没有那么高。换句话说，hash出来的key，只要保证value大致均匀的放在不同的桶里就可以了。但整个算法的set性能，直接与hash值产生的速度有关，所以这时候的hash值的产生速度就尤为重要。

hash算法是：一种特殊的函数，不论输入多长的一串字符，只要通过这个函数都可以得到一个固定长度的输出值，这就好像身份证号码一样，永远都是十八位而且全国唯一。哈希算法的输出值就叫做哈希值。哈希算法也被称为“散列”，是区块链的四大核心技术之一。是能计算出一个数字消息所对应的、长度固定的字符串。原理：Hash算法的原理是把输入空间的值映射到Hash空间内，由于Hash值的空间远小于输入的空间，而且借助抽屉原理 ，可以得出一定会存在不同的输入被映射成相同输出的情况，如果一个Hash算法足够好，那么他就一定会有更小的发生冲突的概率，也就是说，一个好的Hash算法应该具有优秀的 抗碰撞能力。

哈私电脑方面是一个编码

哈希算法（Hash 算法，Hash 算式，散列算法，消息摘要算法）将任意长度的二进制值映射为较短的固定长度的二进制值，这个小的二进制值称为哈希值。哈希值是一段数据唯一且极其紧凑的数值表示形式。构成哈希算法的条件：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，最后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，哈希值相同的概率非常小。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。常见hash算法的原理散列表，它是基于快速存取的角度设计的，也是一种典型的“空间换时间”的做法。顾名思义，该数据结构可以理解为一个线性表，但是其中的元素不是紧密排列的，而是可能存在空隙。散列表（Hash table，也叫哈希表），是根据关键码值（Key value）而直接进行访问的数据结构。也就是说，它通过把关键码值映射到表中一个位置来访问记录，以加快查找的速度。这个映射函数叫做散列函数，存放记录的数组叫做散列表。

哈希算法（Hash Algorithm），又称散列算法，是一种从任意数据中提取小的数字的方法。散列算法就是一种以较短的信息来保数据唯一性的标志，这种标志与数据的每一个字节都相关，而且难以找到逆向规律。因此，当原数据发生改变时，其标志值也会发生改变。 一个优秀的 hash 算法，将能实现： 但在不同的使用场景中，如数据结构和安全领域里，其中对某一些特点会有所侧重。 以HashMap为例，key（hash值）对应一个(或多个数据)，key的作用是，对于抗碰撞的要求没有那么高。换句话说，hash出来的key，只要保证value大致均匀的放在不同的桶里就可以了。但整个算法的set性能，直接与hash值产生的速度有关，所以这时候的hash值的产生速度就尤为重要，如JDK中的String.hashCode()： 在密码学中，hash算法的作用主要是用于消息摘要和签名，对整个消息的完整性进行校验。这对于抗碰撞和抗篡改能力要求极高，对速度的要求在其次。以MD5为例，其输出长度为128位，设计预期碰撞概率为1/(2^128)，这是一个极小极小的数字. 目前流行的 Hash 算法包括 MD5、SHA-1 和 SHA-2。 可以看出，上面这几种流行的算法，它们最重要的一点区别就是”强抗碰撞性”。

提到hash，相信大多数同学都不会陌生，之前很火现在也依旧很火的技术区块链背后的底层原理之一就是hash，下面就从hash算法的原理和实际应用等几个角度，对hash算法进行一个讲解。1、什么是HashHash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。活动开发中经常使用的MD5和SHA都是历史悠久的Hash算法。echo md5("这是一个测试文案");// 输出结果：2124968af757ed51e71e6abeac04f98d在这个例子里，这是一个测试文案是原始值，2124968af757ed51e71e6abeac04f98d 就是经过hash算法得到的Hash值。整个Hash算法的过程就是把原始任意长度的值空间，映射成固定长度的值空间的过程。2、Hash的特点一个优秀的hash算法，需要什么样的要求呢？a)、从hash值不可以反向推导出原始的数据这个从上面MD5的例子里可以明确看到，经过映射后的数据和原始数据没有对应关系b)、输入数据的微小变化会得到完全不同的hash值，相同的数据会得到相同的值echo md5("这是一个测试文案");// 输出结果：2124968af757ed51e71e6abeac04f98decho md5("这是二个测试文案");// 输出结果：bcc2a4bb4373076d494b2223aef9f702可以看到我们只改了一个文字，但是整个得到的hash值产生了非常大的变化。c)、哈希算法的执行效率要高效，长的文本也能快速地计算出哈希值d)、hash算法的冲突概率要小由于hash的原理是将输入空间的值映射成hash空间内，而hash值的空间远小于输入的空间。根据抽屉原理，一定会存在不同的输入被映射成相同输出的情况。那么作为一个好的hash算法，就需要这种冲突的概率尽可能小

hash n. 无用信息, 杂乱信号, 复述 vt. 切细, 搞糟, 推敲 n. 无用信息, 杂乱信号

楼上说的正确。。当可以不管。。不影响使用

hashtable和hashmap，从存储结构和实现来讲基本上都是相同的，最大的不同就是hashtable是线程安全的，put等方法都加了synchronized关键字。另外就继承关系上面有点区别，这里就从如下几个方面来分析一下hashtable，从中穿插着和hashmap的对比说明。1、继承关系[java] view plain copy public class Hashtable<K,V>extends Dictionary<K,V>implements Map<K,V>, Cloneable, java.io.Serializable 这里和hashmap的唯一区别就是hashtable继承Dictionary，这个抽象类没有实现任何方法，按照官方的说法是这个类已经过时了，hashMap则是继承abstractMap。2、关键类，这个类实现Iterator的功能，它实现了Enumeration和Iterator接口，其实Enumeration和Iterator的功能差不多，至于为什么需要同时实现两个接口，有一种说法是历史原因，具体的话我们就不去分析说明了，这里的Enumerator就是一个迭代器的功能，有hashNext和next方法。[java] view plain copy private class Enumerator<T> implements Enumeration<T>, Iterator<T> {Entry[] table = Hashtable.this.table;int index = table.length;Entry<K,V> entry = null;Entry<K,V> lastReturned = null;int type;/*** Indicates whether this Enumerator is serving as an Iterator* or an Enumeration. (true -> Iterator).*/boolean iterator;/*** The modCount value that the iterator believes that the backing* Hashtable should have. If this expectation is violated, the iterator* has detected concurrent modification.*/protected int expectedModCount = modCount;Enumerator(int type, boolean iterator) {this.type = type;this.iterator = iterator;}public boolean hasMoreElements() {Entry<K,V> e = entry;int i = index;Entry[] t = table;/* Use locals for faster loop iteration */while (e == null && i > 0) {e = t[--i];}entry = e;index = i;return e != null;}public T nextElement() {Entry<K,V> et = entry;int i = index;Entry[] t = table;/* Use locals for faster loop iteration */while (et == null && i > 0) {et = t[--i];}entry = et;index = i;if (et != null) {Entry<K,V> e = lastReturned = entry;entry = e.next;return type == KEYS ? (T)e.key : (type == VALUES ? (T)e.value : (T)e);}throw new NoSuchElementException("Hashtable Enumerator");}// Iterator methodspublic boolean hasNext() {return hasMoreElements();}public T next() {if (modCount != expectedModCount)throw new ConcurrentModificationException();return nextElement();}public void remove() {if (!iterator)throw new UnsupportedOperationException();if (lastReturned == null)throw new IllegalStateException("Hashtable Enumerator");if (modCount != expectedModCount)throw new ConcurrentModificationException();synchronized(Hashtable.this) {Entry[] tab = Hashtable.this.table;int index = (lastReturned.hash & 0x7FFFFFFF) % tab.length;for (Entry<K,V> e = tab[index], prev = null; e != null;prev = e, e = e.next) {if (e == lastReturned) {modCount++;expectedModCount++;if (prev == null)tab[index] = e.next;elseprev.next = e.next;count--;lastReturned = null;return;}}throw new ConcurrentModificationException();}}} 3、关键属性和方法hashtable和hashmap的关键属性和方法的实现基本没有区别，或者说没有区别，最大的区别就是前者的方法有synchronized关键字，是线程安全的方法，后者不是线程安全的方法，另外hashtable不支持null的key和value，hashmap支持null的key和value。具体的方法实现和hashmap是一样的，这里就不在重复的分析了。最后总结，hashtable是线程安全的hashmap。

HashSet 是哈希表实现的，无序的结合,表现为检索(contains)的时间复杂度是 o(0)TreeSet 是红黑树实现的，排序的集合【public class TreeSet<E> extends AbstractSet<E> implements SortedSet<E>, Cloneable, java.io.Serializablepublic class HashSet<E> extends AbstractSet<E> implements Set<E>, Cloneable, java.io.Serializable】其中SortedSet中组合了一个：Comparator<? super E> comparator();因此 TreeSet与HashSet最大区别在于排序.........、Treeset中的数据是自动排好序的，不允许放入null值2、HashSet中的数据是无序的，可以放入null，但只能放入一个null，两者中的值都不能重复，就如数据库中唯一约束3、HashSet要求放入的对象必须实现HashCode()方法，放入的对象，是以hashcode码作为标识的，而具有相同内容的String对象，hashcode是一样，所以放入的内容不能重复。但是同一个类的对象可以放入不同的实例

java数据结构-HashMap一直以来似乎都有一个错觉，认为map跟其他的集合类一样继承自Collection，其实不然，Map和Collection在结构层次上是没有任何关系的，通过查看源码可以发现map所有操作都是基于key-value对，而不是单独的元素。下面以HashMap为例子，深入对Map的实现机制进行了解，在这个过程中，请打开jdk源码。Hash算法HashMap使用Hash算法，所以在解剖HashMap之间，需要先简单的了解Hash算法，Hash算法一般也成为散列算法，通过散列算法将任意的值转化成固定的长度输出，该输出就是散列值，这是一种压缩映射，也就是，散列值的空间远远小于输入的值空间。简单的说，hash算法的意义在于提供了一种快速存取数据的方法,它用一种算法建立键值与真实值之间的对应关系,(每一个真实值只能有一个键值,但是一个键值可以对应多个真实值),这样可以快速在数组等里面存取数据。下面我们建立一个HashMap,然后往里面放入12对key-value，这个HashMap的默认数组长度为16，我们的key分别存放在该数组的格子中，每个格子下面存放的元素又是以链表的方式存放元素。publicstaticvoidmain(String[]args){Mapmap=newHashMap();map.put("What","chenyz");map.put("You","chenyz");map.put("Don"t","chenyz");map.put("Know","chenyz");map.put("About","chenyz");map.put("Geo","chenyz");map.put("APIs","chenyz");map.put("Can"t","chenyz");map.put("Hurt","chenyz");map.put("you","chenyz");map.put("google","chenyz");map.put("map","chenyz");map.put("hello","chenyz");}当我们新添加一个元素时，首先我们通过Hash算法计算出这个元素的Hash值的hashcode，通过这个hashcode的值，我们就可以计算出这个新元素应该存放在这个hash表的哪个格子里面，如果这个格子中已经存在元素，那么就把新的元素加入到已经存在格子元素的链表中。运行上面的程序，我们对HashMap源码进行一点修改，打印出每个key对象的hash值What-->hash值：8You-->hash值：3Don"t-->hash值：7Know-->hash值：13About-->hash值：11Geo-->hash值：12APIs-->hash值：1Can"t-->hash值：7Hurt-->hash值：1you-->hash值：10google-->hash值：3map-->hash值：8hello-->hash值：0计算出来的Hash值分别代表该key应该存放在Hash表中对应数字的格子中，如果该格子已经有元素存在，那么该key就以链表的方式依次放入格子中从上表可以看出，Hash表是线性表和链表的综合所得，根据数据结构的定义，可以得出粗劣的结论，Hash算法的存取速度要比数组差一些，但是比起单纯的链表，在查找和存取方面却要好多。如果要查找一个元素时，同样的方式，通过Hash函数计算出这个元素的Hash值hashcode，然后通过这个hashcode值，直接找到跟这个hash值相对应的线性格子，进如该格子后，对这个格子存放的链表元素逐个进行比较，直到找到对应的hash值。在简单了解完Hash算法后，我们打开HashMap源码初始化HashMap下面我们看看Mapmap=newHashMap();这段代码究竟做了什么，发生了什么数据结构的变化。HashMap中几个重要的属性transientEntry[]table;用来保存key-value的对象Entry数组，也就是Hash表transientintsize;返回HashMap的键值对个数finalfloatloadFactor;负载因子，用来决定Entry数组是否扩容的因子，HashMap默认是0.75fintthreshold;重构因子，(capacity*loadfactor)负载因子与Entry[]数组容积的乘值publicclassHashMap<K,V>extendsAbstractMap<K,V>implementsMap<K,V>,Cloneable,Serializable{intthreshold;finalfloatloadFactor;transientEntry[]table;staticfinalfloatDEFAULT_LOAD_FACTOR=0.75f;staticfinalintDEFAULT_INITIAL_CAPACITY=16;publicHashMap(intinitialCapacity,floatloadFactor){if(initialCapacity<0)thrownewIllegalArgumentException("Illegalinitialcapacity:"+initialCapacity);if(initialCapacity>MAXIMUM_CAPACITY)initialCapacity=MAXIMUM_CAPACITY;if(loadFactor<=0||Float.isNaN(loadFactor))thrownewIllegalArgumentException("Illegalloadfactor:"+loadFactor);//Findapowerof2>=initialCapacityintcapacity=1;while(capacity<initialCapacity)capacity<<=1;this.loadFactor=loadFactor;threshold=(int)(capacity*loadFactor);table=newEntry[capacity];init();}以publicHashMap(intinitialCapacity,floatloadFactor)构造函数为例，另外两个构造函数实际上也是以同种方式来构建HashMap.首先是要确定hashMap的初始化的长度，这里使用的策略是循环查出一个大于initialCapacity的2的次方的数，例如initialCapacity的值是10，那么大于10的数是2的4次方，也就是16，capacity的值被赋予了16，那么实际上table数组的长度是16，之所以采用这样的策略来构建Hash表的长度，是因为2的次方运算对于计算机来说是有相当的效率。loadFactor，被称为负载因子，HashMap的默认负载因子是0.75fthreshold，接下来是重构因子，由负载因子和容量的乘机组成，它表示当HashMap元素被存放了多少个之后，需要对HashMap进行重构。通过这一系列的计算和定义后，初始化Entry[]table;put(key,value)接下来看一对key-value是如何被存放到HashMap中：put(key,value)publicVput(Kkey,Vvalue){if(key==null)returnputForNullKey(value);inthash=hash(key.hashCode());inti=indexFor(hash,table.length);System.out.println(key+"-->hash值："+i);//这就是刚才程序打印出来的key对应hash值for(Entry<K,V>e=table[i];e!=null;e=e.next){Objectk;if(e.hash==hash&&((k=e.key)==key||key.equals(k))){VoldValue=e.value;e.value=value;e.recordAccess(this);returnoldValue;}}modCount++;addEntry(hash,key,value,i);returnnull;}staticinthash(inth){h^=(h>>>20)^(h>>>12);returnh^(h>>>7)^(h>>>4);}staticintindexFor(inth,intlength){returnh&(length-1);}这里是整个hash的关键，请打开源码查看一步一步查看。hash(key.hashCode())计算出key的hash码//对于hash()的算法，这里有一篇分析很透彻的文章<HashMaphash方法分析>indexFor(hash,table.length)通过一个与算法计算出来，该key应在存放在Hash表的哪个格子中。for(Entry<K,V>e=table[i];e!=null;e=e.next)然后再遍历table[i]格中的链表，判断是否已经存在一样的key，如果存在一样的key值，那么就用新的value覆盖旧的value，并把旧的value值返回。addEntry(hash,key,value,i)如果经过遍历链表没有发现同样的key，那么进行addEntry函数的操作，增加当前key到hash表中的第i个格子中的链表中voidaddEntry(inthash,Kkey,Vvalue,intbucketIndex){Entry<K,V>e=table[bucketIndex];table[bucketIndex]=newEntry<K,V>(hash,key,value,e);if(size++>=threshold)resize(2*table.length);}Entry<K,V>e=table[bucketIndex];创建一个Entry对象来存放键值（ps:Entry对象是一个链表对象）table[bucketIndex]=newEntry<K,V>(hash,key,value,e);将Entry对象添加到链表中if(size++>=threshold)resize(2*table.length);最后将size进行自增，判断size值是否大于重构因子，如果大于那么就是用resize进行扩容重构。voidresize(intnewCapacity){Entry[]oldTable=table;intoldCapacity=oldTable.length;if(oldCapacity==MAXIMUM_CAPACITY){threshold=Integer.MAX_VALUE;return;}Entry[]newTable=newEntry[newCapacity];transfer(newTable);table=newTable;threshold=(int)(newCapacity*loadFactor);}这里为什么是否需要扩容重构，其实是涉及到负载因子的性能问题loadFactor负载因子上面说过loadFactor是一个hashMap的决定性属性，HashSet和HashMap的默认负载因子都是0.75，它表示，如果哈希表的容量超过3/4时，将自动成倍的增加哈希表的容量，这个值是权衡了时间和空间的成本，如果负载因子较高，虽然会减少对内存空间的需求，但也会增加查找数据的时间开销，无论是put()和get()都涉及到对数据进行查找的动作，所以负载因子是不适宜设置过高get(key)接下来看看get(key)做了什么publicVget(Objectkey){if(key==null)returngetForNullKey();inthash=hash(key.hashCode());for(Entry<K,V>e=table[indexFor(hash,table.length)];e!=null;e=e.next){Objectk;if(e.hash==hash&&((k=e.key)==key||key.equals(k)))returne.value;}returnnull;}这些动作似乎是跟put(key，value)相识，通过hash算法获取key的hash码，再通过indexFor定位出该key存在于table的哪一个下表，获取该下标然后对下标中的链表进行遍历比对，如果有符合就直接返回该key的value值。keySet()这里还涉及另一个问题，上面说了HashMap是跟set没有任何亲属关系，但map也一样实现了keySet接口，下面谱析一下keySet在hashMap中是如何实现的，这里给出部分代码，请结合源码查看publicKnext(){returnnextEntry().getKey();}finalEntry<K,V>nextEntry(){if(modCount!=expectedModCount)thrownewConcurrentModificationException();Entry<K,V>e=next;if(e==null)thrownewNoSuchElementException();if((next=e.next)==null){Entry[]t=table;while(index<t.length&&(next=t[index++])==null);}current=e;returne;}代码很简单，就是对每个格子里面的链表进行遍历，也正是这个原因，当我们依次将key值put进hashMap中，但在使用map.entrySet().iterator()进行遍历时候却不是put时候的顺序。扩容在前面说到put函数的时候，已经提过了扩容的问题if(size++>=threshold)resize(2*table.length);这里一个是否扩容的判断，当数据达到了threshold所谓的重构因子，而不是HashMap的最大容量，就进行扩容。voidresize(intnewCapacity){Entry[]oldTable=table;intoldCapacity=oldTable.length;if(oldCapacity==MAXIMUM_CAPACITY){threshold=Integer.MAX_VALUE;return;}Entry[]newTable=newEntry[newCapacity];transfer(newTable);table=newTable;threshold=(int)(newCapacity*loadFactor);}voidtransfer(Entry[]newTable){Entry[]src=table;intnewCapacity=newTable.length;for(intj=0;j<src.length;j++){Entry<K,V>e=src[j];if(e!=null){src[j]=null;do{Entry<K,V>next=e.next;inti=indexFor(e.hash,newCapacity);e.next=newTable[i];newTable[i]=e;e=next;}while(e!=null);}}}transfer方法实际上是将所有的元素重新进行一些hash，这是因为容量变化了，每个元素相对应的hash值也会不一样。使用HashMap1.不要再高并发中使用HashMap，HashMap是线程不安全，如果被多个线程共享之后，将可能发生不可预知的问题。2.如果数据大小事固定的，最好在初始化的时候就给HashMap一个合理的容量值，如果使用newHashMap()默认构造函数，重构因子的值是16*0.75=12，当HashMap的容量超过了12后，就会进行一系列的扩容运算，重建一个原来成倍的数组，并且对原来存在的元素进行重新的hash运算，如果你的数据是有成千上万的，那么你的成千上万的数据也要跟这你的扩容不断的hash，这将产生高额的内存和cpu的大量开销。当然啦，HashMap的函数还有很多，不过都是基于table的链表进行操作，当然也就是hash算法，Map&hashMap在平时我们的应用非常多，最重要的是我们要对每句代码中每块数据结构变化心中有数。上面主要是参考了jdk源码，数据结构和一些相关资料本着好记性不如烂博客的精神记录下来，希望朋友们如果发觉哪里不对请指出来，虚心请教

hashtable和hashmap，从存储结构和实现来讲基本上都是相同的，最大的不同就是hashtable是线程安全的，put等方法都加了synchronized关键字。另外就继承关系上面有点区别，这里就从如下几个方面来分析一下hashtable，从中穿插着和hashmap的对比说明。1、继承关系[java] view plain copy public class Hashtable<K,V> extends Dictionary<K,V> implements Map<K,V>, Cloneable, java.io.Serializable 这里和hashmap的唯一区别就是hashtable继承Dictionary，这个抽象类没有实现任何方法，按照官方的说法是这个类已经过时了，hashMap则是继承abstractMap。2、关键类，这个类实现Iterator的功能，它实现了Enumeration和Iterator接口，其实Enumeration和Iterator的功能差不多，至于为什么需要同时实现两个接口，有一种说法是历史原因，具体的话我们就不去分析说明了，这里的Enumerator就是一个迭代器的功能，有hashNext和next方法。[java] view plain copy private class Enumerator<T> implements Enumeration<T>, Iterator<T> { Entry[] table = Hashtable.this.table; int index = table.length; Entry<K,V> entry = null; Entry<K,V> lastReturned = null; int type; /** * Indicates whether this Enumerator is serving as an Iterator * or an Enumeration. (true -> Iterator). */ boolean iterator; /** * The modCount value that the iterator believes that the backing * Hashtable should have. If this expectation is violated, the iterator * has detected concurrent modification. */ protected int expectedModCount = modCount; Enumerator(int type, boolean iterator) { this.type = type; this.iterator = iterator; } public boolean hasMoreElements() { Entry<K,V> e = entry; int i = index; Entry[] t = table; /* Use locals for faster loop iteration */ while (e == null && i > 0) { e = t[--i]; } entry = e; index = i; return e != null; } public T nextElement() { Entry<K,V> et = entry; int i = index; Entry[] t = table; /* Use locals for faster loop iteration */ while (et == null && i > 0) { et = t[--i]; } entry = et; index = i; if (et != null) { Entry<K,V> e = lastReturned = entry; entry = e.next; return type == KEYS ? (T)e.key : (type == VALUES ? (T)e.value : (T)e); } throw new NoSuchElementException("Hashtable Enumerator"); } // Iterator methods public boolean hasNext() { return hasMoreElements(); } public T next() { if (modCount != expectedModCount) throw new ConcurrentModificationException(); return nextElement(); } public void remove() { if (!iterator) throw new UnsupportedOperationException(); if (lastReturned == null) throw new IllegalStateException("Hashtable Enumerator"); if (modCount != expectedModCount) throw new ConcurrentModificationException(); synchronized(Hashtable.this) { Entry[] tab = Hashtable.this.table; int index = (lastReturned.hash & 0x7FFFFFFF) % tab.length; for (Entry<K,V> e = tab[index], prev = null; e != null; prev = e, e = e.next) { if (e == lastReturned) { modCount++; expectedModCount++; if (prev == null) tab[index] = e.next; else prev.next = e.next; count--; lastReturned = null; return; } } throw new ConcurrentModificationException(); } } } 3、关键属性和方法hashtable和hashmap的关键属性和方法的实现基本没有区别，或者说没有区别，最大的区别就是前者的方法有synchronized关键字，是线程安全的方法，后者不是线程安全的方法，另外hashtable不支持null的key和value，hashmap支持null的key和value。具体的方法实现和hashmap是一样的，这里就不在重复的分析了。最后总结，hashtable是线程安全的hashmap。

我恨你 卢莎莎

rosh hashanah holiday是犹太新年。犹太新年Rosh Hashanah是犹太民族重要的传统节日，犹太新年的开始是犹太历的每年七月初一，通常在公历9月到10月之间，所以这几天正是犹太新年的假期。根据犹太习俗，犹太新年是为了纪念上帝开天辟地，爱心驾驭世间。跟中国的春节一样，犹太人的新年也是祈求来年的幸福和顺意，当然也包含对已经过去的一年的总结，和中国人一样非常重视家庭的团聚，犹太新年也是阖家团聚、充满美食和快乐的日子。扩展资料犹太节日的特殊性：一、几乎所有的节日都与整个民族的历史经历相关联，而不是来源于某个个人的事绩或生平。如逾越节是回顾整个民族在摩西带领下摆脱奴役和获得解放的过程；犹太新年和赎罪日则集中在犹太人的忏悔和希望开始新生活上。二、几乎所有的犹太人传统节日都具有强烈的宗教色彩，很少有节日属于纯粹意义上的世俗节（20世纪新增的节日例外），明显地反映出犹太文化规范，就连犹太新年也是如此，它被看作是“忏悔十日”的开始，并作为“敬畏的日子”，站在上帝面前接受审判。三、几乎所有的节日庆祝方式都是一种文化教育活动，而不仅仅是家人朋友之间的聚会，或简单的节日美食大餐。参考资料来源：百度百科-犹太新年参考资料来源：百度百科-犹太节日

hashCode 的常规协定是：在 Java 应用程序执行期间，在同一对象上多次调用 hashCode 方法时，必须一致地返回相同的整数，前提是对象上 equals 比较中所用的信息没有被修改。从某一应用程序的一次执行到同一应用程序的另一次执行，该整数无需保持一致。如果根据 equals(Object) 方法，两个对象是相等的，那么在两个对象中的每个对象上调用 hashCode 方法都必须生成相同的整数结果。以下情况不 是必需的：如果根据 equals(java.lang.Object) 方法，两个对象不相等，那么在两个对象中的任一对象上调用hashCode 方法必定会生成不同的整数结果。但是，程序员应该知道，为不相等的对象生成不同整数结果可以提高哈希表的性能。实际上，由 Object 类定义的 hashCode 方法确实会针对不同的对象返回不同的整数。（这一般是通过将该对象的内部地址转换成一个整数来实现的，但是 JavaTM 编程语言不需要这种实现技巧。）这么理解,在你调用equals()方法比较两个对象的时候,编译器会自动调用hashCode()来比较两个对象是否产生相同的整数结果.equals()返回true,则hashCode()必返回true.equals()返回false,则hashCode()必返回false.那么你重写equals()方法,肯定必须重写hashCode方法来保证二者的同步关系(暂且称这种关系为同步关系).

String类型当然不能转换成Hashtable这是C#吧？String是字符串类型，Hashtable是集合，没法转的只能这样：HashTable ht = new HashTable(); //创建一个HashTable实例ht.Add(key,value);或者string str = (string)ht[key]

第一种、LinkedHashMap转数组，数组再转成ArrayList 第二种、jackson自带convertValue方法转换

Java中HashMap和TreeMap的区别什么是Map集合在数组中我们是通过数组下标来对其内容索引的，而在Map中我们通过对象来对对象进行索引，用来索引的对象叫做key,其对应的对象叫做value.这就是我们平时说的键值对。HashMap 非线程安全 TreeMap 非线程安全1、多个thread对同一个java实例的访问（read和modify）不会相互干扰，它主要体现在关键字synchronized.如ArrayList和Vector,HashMap和Hashtable（后者每个方法前都有synchronized关键字）。如果你在interator一个List对象时，其它线程remove一个element,问题就出现了。2、每个线程都有自己的字段，而不会在多个线程之间共享。它主要体现在java.lang.ThreadLocal类，而没有Java关键字支持，如像static、transient那样。1.AbstractMap抽象类和SortedMap接口AbstractMap抽象类：（HashMap继承AbstractMap）覆盖了equals（）和hashCode（）方法以确保两个相 等映射返回相同的哈希码。如果两个映射大小相等、包含同样的键且每个键在这两个映射中对应的值都相同，则这两个映射相等。映射的哈希码是映射元素哈希码的 总和，其中每个元素是Map.Entry接口的一个实现。因此，不论映射内部顺序如何，两个相等映射会报告相同的哈希码。SortedMap接口：（TreeMap继承自SortedMap）它用来保持键的有序顺序。SortedMap接口为映像的视图（子集）， 包括两个端点提供了访问方法。除了排序是作用于映射的键以外，处理SortedMap和处理SortedSet一样。添加到SortedMap实现类的元 素必须实现Comparable接口，否则您必须给它的构造函数提供一个Comparator接口的实现。TreeMap类是它的唯一一份实现。

第一种: Map map = new HashMap(); Iterator iter = map.entrySet().iterator(); while (iter.hasNext()) { Map.Entry entry = (Map.Entry) iter.next(); Object key = entry.getKey(); Object val = entry.getValue(); } 效率高,以后一定要使用此种方式！ 第二种: Map map = new HashMap(); Iterator iter = map.keySet().iterator(); while (iter.hasNext()) { Object key = iter.next(); Object val = map.get(key); } 效率低,以后尽量少使用！ HashMap的遍历有两种常用的方法，那就是使用keyset及entryset来进行遍历，但两者的遍历速度是有差别的，下面请看实例：public class HashMapTest { public static void main(String[] args) { HashMap hashmap = new HashMap(); for (int i = 0; i < 1000; i ) { hashmap.put("" i, "thanks"); }long bs = Calendar.getInstance().getTimeInMillis(); Iterator iterator = hashmap.keySet().iterator(); while (iterator.hasNext()) { System.out.print(hashmap.get(iterator.next())); } System.out.println(); System.out.println(Calendar.getInstance().getTimeInMillis() - bs); listHashMap(); }public static void listHashMap() { java.util.HashMap hashmap = new java.util.HashMap(); for (int i = 0; i < 1000; i ) { hashmap.put("" i, "thanks"); } long bs = Calendar.getInstance().getTimeInMillis(); java.util.Iterator it = hashmap.entrySet().iterator(); while (it.hasNext()) { java.util.Map.Entry entry = (java.util.Map.Entry) it.next(); // entry.getKey() 返回与此项对应的键 // entry.getValue() 返回与此项对应的值 System.out.print(entry.getValue()); } System.out.println(); System.out.println(Calendar.getInstance().getTimeInMillis() - bs); } }对于keySet其实是遍历了2次，一次是转为iterator，一次就从hashmap中取出key所对于的value。而entryset只是遍历了第一次，他把key和value都放到了entry中，所以就快了。注:Hashtable的遍历方法和以上的差不多！进行实例分析一下下：以下通过程序来简单实践一下HashMap的的遍历 如果要保持HashMap的遍历顺序和原插入顺序一致，可以使用LinkedHashMap，使用方法和HashMap一样，改一下声明即可：LinkedHashMap myMap = new LinkedHashMap(); 当然需要导入：java.util.LinkedHashMapimport java.util.Collection; import java.util.HashMap; import java.util.Iterator; import java.util.Map;public class MapList {public static void main(String[] args) { // TODO Auto-generated method stub HashMap myMap = new HashMap(); myMap.put("hello", ""); myMap.put("bye", "再见"); myMap.put("thanks", ""); myMap.put("ok", "好的"); System.out.println("--------------------遍历key和value----------------------"); for(Iterator iter = myMap.entrySet().iterator();iter.hasNext();){ Map.Entry element = (Map.Entry)iter.next(); Object strKey = element.getKey(); Object strObj = element.getValue(); System.out.println("myMap.get(""+strKey+"")="+strObj); } System.out.println(); System.out.println("--------------------遍历整个HashMap----------------------"); Collection objs = myMap.entrySet(); for (Iterator iterator=objs.iterator(); iterator.hasNext();){ Object obj = iterator.next(); System.out.println(obj); } System.out.println(); System.out.println("--------------------遍历HashMap的key----------------------"); Collection keys = myMap.keySet(); for (Iterator iterator=keys.iterator(); iterator.hasNext();){ Object key = iterator.next(); System.out.println(key); } System.out.println(); System.out.println("--------------------遍历HashMap的value----------------------"); Collection values = myMap.values(); for (Iterator iterator=values.iterator(); iterator.hasNext();){ Object value = iterator.next(); System.out.println(value); } } } 运行结果： --------------------遍历key和value---------------------- myMap.get("hello")= myMap.get("thanks")= myMap.get("ok")=好的 myMap.get("bye")=再见--------------------遍历整个HashMap---------------------- hello= thanks= ok=好的 bye=再见--------------------遍历HashMap的key---------------------- hello thanks ok bye--------------------遍历HashMap的value---------------------- 好的 再见

顺序不会改变，是你放入的顺序。插入较慢，检索较快

第一种: Map map = new HashMap(); Iterator iter = map.entrySet().iterator(); while (iter.hasNext()) { Map.Entry entry = (Map.Entry) iter.next(); Object key = entry.getKey(); Object val = entry.getValue(); } 效率高,以后一定要使用此种方式！ 第二种: Map map = new HashMap(); Iterator iter = map.keySet().iterator(); while (iter.hasNext()) { Object key = iter.next(); Object val = map.get(key); } 效率低,以后尽量少使用！ HashMap的遍历有两种常用的方法，那就是使用keyset及entryset来进行遍历，但两者的遍历速度是有差别的，下面请看实例：public class HashMapTest { public static void main(String[] args) ...{ HashMap hashmap = new HashMap(); for (int i = 0; i < 1000; i ) ...{ hashmap.put("" i, "thanks"); }long bs = Calendar.getInstance().getTimeInMillis(); Iterator iterator = hashmap.keySet().iterator(); while (iterator.hasNext()) ...{ System.out.print(hashmap.get(iterator.next())); } System.out.println(); System.out.println(Calendar.getInstance().getTimeInMillis() - bs); listHashMap(); }public static void listHashMap() ...{ java.util.HashMap hashmap = new java.util.HashMap(); for (int i = 0; i < 1000; i ) ...{ hashmap.put("" i, "thanks"); } long bs = Calendar.getInstance().getTimeInMillis(); java.util.Iterator it = hashmap.entrySet().iterator(); while (it.hasNext()) ...{ java.util.Map.Entry entry = (java.util.Map.Entry) it.next(); // entry.getKey() 返回与此项对应的键 // entry.getValue() 返回与此项对应的值 System.out.print(entry.getValue()); } System.out.println(); System.out.println(Calendar.getInstance().getTimeInMillis() - bs); } }对于keySet其实是遍历了2次，一次是转为iterator，一次就从hashmap中取出key所对于的value。而entryset只是遍历了第一次，他把key和value都放到了entry中，所以就快了。注:Hashtable的遍历方法和以上的差不多！进行实例分析一下下：以下通过程序来简单实践一下HashMap的的遍历 如果要保持HashMap的遍历顺序和原插入顺序一致，可以使用LinkedHashMap，使用方法和HashMap一样，改一下声明即可：LinkedHashMap myMap = new LinkedHashMap(); 当然需要导入：java.util.LinkedHashMapimport java.util.Collection; import java.util.HashMap; import java.util.Iterator; import java.util.Map;public class MapList {public static void main(String[] args) { // TODO Auto-generated method stub HashMap myMap = new HashMap(); myMap.put("hello", "你好"); myMap.put("bye", "再见"); myMap.put("thanks", "谢谢"); myMap.put("ok", "好的"); System.out.println("--------------------遍历key和value----------------------"); for(Iterator iter = myMap.entrySet().iterator();iter.hasNext();){ Map.Entry element = (Map.Entry)iter.next(); Object strKey = element.getKey(); Object strObj = element.getValue(); System.out.println("myMap.get(""+strKey+"")="+strObj); } System.out.println(); System.out.println("--------------------遍历整个HashMap----------------------"); Collection objs = myMap.entrySet(); for (Iterator iterator=objs.iterator(); iterator.hasNext();){ Object obj = iterator.next(); System.out.println(obj); } System.out.println(); System.out.println("--------------------遍历HashMap的key----------------------"); Collection keys = myMap.keySet(); for (Iterator iterator=keys.iterator(); iterator.hasNext();){ Object key = iterator.next(); System.out.println(key); } System.out.println(); System.out.println("--------------------遍历HashMap的value----------------------"); Collection values = myMap.values(); for (Iterator iterator=values.iterator(); iterator.hasNext();){ Object value = iterator.next(); System.out.println(value); } } } 运行结果： --------------------遍历key和value---------------------- myMap.get("hello")=你好 myMap.get("thanks")=谢谢 myMap.get("ok")=好的 myMap.get("bye")=再见--------------------遍历整个HashMap---------------------- hello=你好 thanks=谢谢 ok=好的 bye=再见--------------------遍历HashMap的key---------------------- hello thanks ok bye--------------------遍历HashMap的value---------------------- 你好 谢谢 好的 再见

首先2个都是map，所以用key取值肯定是没区别的，区别在于用Iterator遍历的时候LinkedHashMap保存了记录的插入顺序，先插入的先遍历到TreeMap默认是按升序排，也可以指定排序的比较器。遍历的时候按升序遍历。例如：a是LinkedHashMap，b是TreeMap。a.put("2","ab");a.put("1","bc");b.put("2","ab");b.put("1","bc");那么遍历a的时候，先遍历到key是2的，因为2先放进去。遍历b的时候，先遍历到“1”，因为按顺序是先1后2

它们底层的原理不一样，LinkedHashMap是用链表实现的，而TreeMap是用二叉树是实现的！相信楼主对链表和二叉树应该很熟悉吧！

　　java为数据结构中的映射定义了一个接口java.util.Map;它有四个实现类,分别是HashMap Hashtable LinkedHashMap 和TreeMap.　　Map主要用于存储健值对，根据键得到值，因此不允许键重复(重复了覆盖了),但允许值重复。Hashmap 是一个最常用的Map,它根据键的HashCode值存储数据,根据键可以直接获取它的值，具有很快的访问速度，遍历时，取得数据的顺序是完全随机的。 HashMap最多只允许一条记录的键为Null;允许多条记录的值为 Null;HashMap不支持线程的同步，即任一时刻可以有多个线程同时写HashMap;可能会导致数据的不一致。如果需要同步，可以用 Collections的synchronizedMap方法使HashMap具有同步的能力，或者使用ConcurrentHashMap。　　Hashtable与 HashMap类似,它继承自Dictionary类，不同的是:它不允许记录的键或者值为空;它支持线程的同步，即任一时刻只有一个线程能写Hashtable,因此也导致了 Hashtable在写入时会比较慢。　　LinkedHashMap 是HashMap的一个子类，保存了记录的插入顺序，在用Iterator遍历LinkedHashMap时，先得到的记录肯定是先插入的.也可以在构造时用带参数，按照应用次数排序。在遍历的时候会比HashMap慢，不过有种情况例外，当HashMap容量很大，实际数据较少时，遍历起来可能会比 LinkedHashMap慢，因为LinkedHashMap的遍历速度只和实际数据有关，和容量无关，而HashMap的遍历速度和他的容量有关。　　TreeMap实现SortMap接口，能够把它保存的记录根据键排序,默认是按键值的升序排序，也可以指定排序的比较器，当用Iterator 遍历TreeMap时，得到的记录是排过序的。　　一般情况下，我们用的最多的是HashMap,在Map 中插入、删除和定位元素，HashMap 是最好的选择。但如果您要按自然顺序或自定义顺序遍历键，那么TreeMap会更好。如果需要输出的顺序和输入的相同,那么用LinkedHashMap 可以实现,它还可以按读取顺序来排列.　　HashMap是一个最常用的Map，它根据键的hashCode值存储数据，根据键可以直接获取它的值，具有很快的访问速度。HashMap最多只允许一条记录的键为NULL，允许多条记录的值为NULL。　　HashMap不支持线程同步，即任一时刻可以有多个线程同时写HashMap，可能会导致数据的不一致性。如果需要同步，可以用Collections的synchronizedMap方法使HashMap具有同步的能力。　　Hashtable与HashMap类似，不同的是：它不允许记录的键或者值为空；它支持线程的同步，即任一时刻只有一个线程能写Hashtable，因此也导致了Hashtable在写入时会比较慢。　　LinkedHashMap保存了记录的插入顺序，在用Iterator遍历LinkedHashMap时，先得到的记录肯定是先插入的。　　在遍历的时候会比HashMap慢TreeMap能够把它保存的记录根据键排序，默认是按升序排序，也可以指定排序的比较器。当用Iterator遍历TreeMap时，得到的记录是排过序的。

您好根据您的提问，linkedhashmap是链表连接，确实是有序的，用values方法返回一个包含所有value的collection，然后读第一条就可以了。LinkedHashMap当前实现(Java 8)跟踪其尾部。如果考虑性能和/或 Map 大小，你可以通过反射访问该字段。由于实施可能会发生变化，因此也可能采用后备策略。如果抛出异常，你可能希望记录某些内容，因此你知道实现已更改。它可能看起来像：public static Entry getFirst(Map map) {undefinedif (map.isEmpty()) return null;return map.entrySet().iterator().next();}public static Entry getLast(Map map) {undefinedtry {undefinedif (map instanceof LinkedHashMap) return getLastViaReflection(map);} catch (Exception ignore) { }return getLastByIterating(map);}private static Entry getLastByIterating(Map map) {undefinedEntry last = null;for (Entry e : map.entrySet()) last = e;return last;}private static Entry getLastViaReflection(Map map) throws NoSuchFieldException, IllegalAccessException {undefinedField tail = map.getClass().getDeclaredField(“tail”);tail.setAccessible(true);return (Entry) tail.get(map);}

讲下LinkedHashSet，他的优点是按照插入顺序排列，速度略慢详细描述：LinkedHashMap和LinkedHashSet是JDK 1.4中引入的两个新的集合类。虽然已经过去5年了，但我敢打赌并不是很多人都用过（因为我就没有用过）。但这两个类在某些情况下还是非常有用的，过去没有用，现在没有用，都没有关系。但还是应该对这两个Collection框架的新成员有所了解，因为也许以后你会到，或者其实你现在就应该要用到。LinkedHashMap/LinkedHashSet 顾名思义，就是在Hash的实现上添加了Linked的支持。对于HashMap/HashSet的每个节点上通过一个链表串联起来，这样就可以保证确定的顺序。对于希望有常量复杂度的高效存取性能要求，同时有要求排序的情况下，现在可以直接使用LinkedHashMap/Set了。对于LinkedHashMap还有一点特别注意，LinkedHashMap支持两种排序：插入顺序、访问顺序。前者是指按照插入时的顺序排序，后者是指按照最旧使用到最近使用的顺序。即如果在一个LinkedHashMap中有5个节点，现在的顺序是e1, e2, e3, e4, e5. 如果是使用顺序的话，现在访问了一次e2, 那么e2节点将移至链表的尾部。现在顺序变为：e1, e3, e4, e5, e2. 这会造成严重的性能问题吗？答案当然是否定的。因为在这儿的链表操作是常量级的。这也是LinkedHashMap/Set在这儿比TreeMap/Set性能更高的原因。同样，LinkedHashMap/Set也不是thread-safe的。如果在多线程下访问，是需要进行外部同步，或者使用Collections.synchronizedMap()的方法包装成一个thread-safe的Map/Set。特别需要注意的是，在使用“访问顺序”时，读取节点操作也是“结构变化”的操作。因为，这会改变元素遍历的顺序。所以，在使用LinkedHashMap的iterator()方法，遍历元素时，如果其它线程有读取操作，也要进行同步。否则，也会抛出同其它fail-fast一样的由于删除或增加操作而引起的CurrentModificationException的例外。LinkedHashMap,HashMap等

讲下LinkedHashSet，他的优点是按照插入顺序排列，速度略慢x0dx0ax0dx0a详细描述：x0dx0aLinkedHashMap和LinkedHashSet是JDK 1.4中引入的两个新的集合类。虽然已经过去5年了，但我敢打赌并不是很多人都用过（因为我就没有用过）。但这两个类在某些情况下还是非常有用的，过去没有用，现在没有用，都没有关系。但还是应该对这两个Collection框架的新成员有所了解，因为也许以后你会到，或者其实你现在就应该要用到。x0dx0ax0dx0aLinkedHashMap/LinkedHashSet 顾名思义，就是在Hash的实现上添加了Linked的支持。对于HashMap/HashSet的每个节点上通过一个链表串联起来，这样就可以保证确定的顺序。对于希望有常量复杂度的高效存取性能要求，同时有要求排序的情况下，现在可以直接使用LinkedHashMap/Set了。x0dx0ax0dx0a对于LinkedHashMap还有一点特别注意，LinkedHashMap支持两种排序：插入顺序、访问顺序。前者是指按照插入时的顺序排序，后者是指按照最旧使用到最近使用的顺序。即如果在一个LinkedHashMap中有5个节点，现在的顺序是e1, e2, e3, e4, e5. 如果是使用顺序的话，现在访问了一次e2, 那么e2节点将移至链表的尾部。现在顺序变为：e1, e3, e4, e5, e2. x0dx0ax0dx0a这会造成严重的性能问题吗？答案当然是否定的。因为在这儿的链表操作是常量级的。这也是LinkedHashMap/Set在这儿比TreeMap/Set性能更高的原因。x0dx0ax0dx0a同样，LinkedHashMap/Set也不是thread-safe的。如果在多线程下访问，是需要进行外部同步，或者使用Collections.synchronizedMap()的方法包装成一个thread-safe的Map/Set。x0dx0ax0dx0a特别需要注意的是，在使用“访问顺序”时，读取节点操作也是“结构变化”的操作。因为，这会改变元素遍历的顺序。所以，在使用LinkedHashMap的iterator()方法，遍历元素时，如果其它线程有读取操作，也要进行同步。否则，也会抛出同其它fail-fast一样的由于删除或增加操作而引起的CurrentModificationException的例外。x0dx0ax0dx0aLinkedHashMap,HashMap等

对你给出的文件处理还简单些，如果是很多的单词要处理就要动态分配了。此文件共38个单词，建立散列表，取负载因子=0.7，因此散列表大小38/0.7=54，大于54的质数57。先读入一行英文单词，处理分成几个单词，对每个单词取固定位数返回位置，如此位置表内为空，就写入。有必要加我。

橄榄球邉邮且晃逦迥昵?即公元一八二三年,英格兰中部,有一个地名叫「RUGBY镇」,在这镇内有一所历史悠久的学校就是「RUGBY SCHOOL」.当时在欧洲,英国等地区,足球邉雍茱L盛,对抗比赛激烈.一八二三年,RUGBY SCHOOL,校内足球对抗赛中,有一名球员「WILLIAM,WEBB,ELLIS」(威廉,伟浦,艾律斯)因求胜心切,以双手抱住球,跑进球门内.当然这种行为,在足球规则比赛上是犯规的动作.但,因「爱律斯」这种犯规动作,引起在场观战之球界人士及观众,发生了灵感.即「足球比赛如可以用手比赛,必定变成一项更好玩的足球邉印?从这时期开始「RUGBY SCHOOL」的学生就开始用手打足球. 橄榄球邉?就这样产生而改进,演变,发展起来的.「橄榄球」这名称是我国独有的.因球型与「橄榄球」的型体相似而来的.国际间正式的名称是「RUGBY FOOTBALL」可以译为「RUGBY式足球」,足球叫做「FOOTBALL」,为纪念橄榄球邉影l生的地名与校名,特以「RUGBY」冠其前,与原来的足球分别. 在「RUGBY SCHOOL」校园内,墙壁上为「爱律斯」立纪念碑,碑文是这样写的.「本碑为纪念(威廉.伟浦.爱律斯)不受足球规则上之束缚．将球用双臂抱住而奔跑．从而铸成了明确的橄榄球邉又腕w．本碑为其无视足球规则之卓越之创意而奉献．」公元一八二三年． 足球及其他各项球类邉?其使用球型,虽有大小之分别,但都是圆的.唯独橄榄球邉邮褂脵E圆形（橄榄型）的． 其由来据各项资料,当初「RUGBY SCHOOL」学生打橄榄球是用「猪的膀胱,晒乾吹涨」,而其型体不圆,两端椭圆形的.到了公元一八五一年,伦敦大博览会时,RUGBY SCHOOL校门前皮靴商（学校指定商人）,其初代「WILLIAM GILBERT」（吉尔巴托）,制造四块皮合缝椭圆形的球,参加博览会展示.从这时期以后,英国所有的橄榄球队开始使用「吉尔巴托」制的四块皮合缝椭圆形球了. 当然在百余年间,球之型态,材质经常有所改进．协会对球之长度,高度,重量也有明文规定．目前所有的球类邉?使用椭圆形球的,除英式橄榄球外,还有美式橄榄球．美式橄榄球原名是「AMERICAN FOOT BALL」可译为美式足球． 美式橄榄球是由英式橄榄球传到美国．因为美国独立后不愿意依照英国人,什麼都要自己发明,自己创造的精神而改变的．球员是十二人一队,比赛规则与英式橄榄球完全不同,只球门与球型相同,但球比英式略小．目前全世界橄榄球邉?除南非使用八块皮合缝的球以外,其他各国都是使用四块皮合缝的球． 而大多数球类邉佣几挠孟鹉z制的球,橄榄球还用皮革制的．创制橄榄球的祖师「GILBERT」吉尔巴托皮靴店,现在由其后代继续,於「RUGBBY SCHOOL」校门前经营,是全世界最久的橄榄球制造商店,以手工艺的方法制成的「英国协会公认球」「MATCH」闻名全世界．在这里我们要进一步考究「吉尔巴托」为什麼会制造出椭圆形的球呢?这问题至今在英国球界及橄榄球史文献资料中还搜不出明确的定论,还是一个谜． 但根据各项历史文件及传说来推测,橄榄球邉邮怯勺闱蜻动演变而产生的．因此当时爱好橄榄球邉拥娜?却有一种共同的心理,即要与足球分别．因此,比赛规则之制度上「球门两边柱超伸横杆」,「攻球门,球要越过横杆上面」,「虽然可以用手打球,但不许向前传球」等等,这一切都是一种完全与原来的足球邉硬煌男率阶闱蜻动．因球型是椭圆形的,才会有今天的橄榄球邉又婺?椭圆形球对橄榄球邉又l展,产生了很多传统特性,因球原转变不定,椭圆形球即是活生生的「人生」． 沃尔特-坎普(1859-1925)被称为美式橄榄球之父，他改革了英式橄榄球的规则，奠定了美式橄榄球规则今天的基础。1876--1882年在耶鲁大学学医期间，他担任校队的中卫兼队长，当时的队长相当于现在的总教练。1888--1892年，他担任了耶鲁大学校队的教练，四分卫的位置和每队11人上场比赛都是他设立的规则。他的许多有关美式橄榄球的文章和书籍大力地普及了这项运动。 1967年1月15日，首届“超级杯”（Super Bowl）橄榄球冠军赛在加利福尼亚洛杉矶的洛杉矶纪念体育馆举行。从那时候起，超级杯每年举行一届，在不同的地点由不同的参赛队参加。每年，球迷们都会聚集起来支持自己的球队，希望他们能打入季后赛并最终进入超级杯。 一天，堪萨斯城酋长队和美国橄榄球联盟的创始人拉马尔?亨特偶然看到女儿的“超级球”（Super Ball），这激发了他的灵感，于是就把美国橄榄球联盟和国家橄榄球联盟（现改为美国橄榄球联合会和国家橄榄球联合会）之间的冠军赛称为“超级杯”。这就是“超级杯”这个名字的由来。这种冠名的方式后来在美国成为一种全国现象。 美式橄榄球球场 ======================================== 先解释几个名词 5-Yark Marks 五码线，就是场地中间密密麻麻的间隔线，相互间隔5码，所以得名 Hash Marks 码线，离最近的边线70英尺9英寸。 End Line 底线，就是场地最远两端的边线，球越过视为出界。 Side Line 边线，球场两侧最外面的边线，球越过视为出界。 Goal Line 短线，可以理解为两端最后的两条五码线，再过去就是达阵区 End Zone 达阵区，也叫端区。就是底线与短线之间十码宽的区域。一个控制球队员在他越过或压在球门线时判为达阵。 Goal Posts 就是球门。球门柱必须是单一标准的型号，被涂成亮黄色。球门柱必须是18英尺6英寸宽，顶上的横杆必须离地10英尺。门柱顶点延长到至少离横杆3英寸。每根球门柱顶端缚一根4到42英寸长的缎带。（用于观察风向） 美式橄榄球得分规则 ======================================== 得分方式 1.达阵(touchdown)：球员带球进入达阵区域内（以球为主），可得6分，只要球尖通过达阵线向上延伸的假想面，即算达阵成功。 2.射门(field goal)：可得3分。 3.安全得分(safety)：进攻的球员若在自己的达阵区被擒抱，对方可得2分，而且还得「自由踢」(free kick)，等于球权仍是对方的。 带球触地进攻(在对方球门线后) (try) 1. 达阵后，得分队可以在争球进攻（scrimmage down）中获得一个带球触地进攻(try)。球可以放置在离球门线2码或以上的两条界内虚线之间的任何位置。在踢附加分中，如果采用踢球射门的方式，射中得1分，如果采用达阵的方式，成功达阵得2分，安全分得1分。 2. 防守方不能在带球触地进攻(try)中得分。一旦防守方得到控球权或者射门踢球被阻挡或者达阵不成功，带球触地进攻(try)就结束。 3. 任何对防守方为阻止带球触地进攻(try)而犯规的码数处罚将在随后的带球触地进攻(try)或随后的踢球中执行。任何在成功的带球触地进攻(try)中的犯规将会受到码数处罚，并在随后的踢球中执行。 4. 在带球触地进攻(try)中，只有落地球球员(fumbling player)才可以夺回落地球和推进落地球。 基本规则概述 ======================================== 比赛的计时 比赛共分上、下半场，各30分钟，一个半场又分2节，一节15分钟。 交锋定时器 A．45秒 在上次交锋完到下次中锋发球的时间只有45秒。若超过时间罚退2码。 B．25秒 达阵后到加分踢球中锋发球前，时间只有25秒。若超过时间则罚5码。 自动暂停计时的情况 1．达阵或射门后 2．加分踢球 3．球出界 4．回攻球员做出巧接（fair catch）后 5．有犯规情况，而交锋完成时 6．距上下半场结束前2分钟的「2分钟暂停」 7．各节结束 8．进攻权转移 9．传球失败（imcompelte pass） 在比赛的任何时刻, 每个队均只能有11名队员在场上, 一方全是进攻队员, 另一方则全是防守队员. 比赛刚开始时, 由防守方在自己三十码线处把球踢给对方 (kick off). 进攻方接到球后就会尽量往中场线冲, 而防守方也会在球踢出后就冲向对方, 希望能够尽早把进攻方得球的队员挡住. 进攻的一方最终就从得球队员倒地的地点开始真正的进攻. 这个时候两队都会换上一帮不同的球员. 原来先前两队派上的并不是真正的进攻或防守队员, 而只是所谓的receiving team(要进攻的一方) 和 kicking team (要防守的一方), 统称 special teams. 进攻的一方要想把球控制在自己这边, 就必须在三次进攻之内前进10码, 否则在第四次进攻的时候就要把球踢还给对方并交换进攻与防守的角色. 每次进攻机会叫一个 down; 第一次进攻就叫 first down, 或 first and ten (ten 是表示要前进十码). 如果第一次进攻前进了四码, 那么第二次进攻就叫 second and six(因为还有六码才能凑够十码). 如果三次进攻后前进了十码或以上, 进攻方就还可以得到三次机会; 否则他们就要把球踢给对方 (punt), 这就叫 three-and-out,或 three-and-punt. 不过有的时候如果只是差一点点就可以得到一个新的 first down, 或者进攻一方已经落后很多, 或者是比赛时间已经所剩无几, 则在forth down的时候也可以继续进攻, 而不是乖乖的把球踢给对方. 如果第四次进攻仍然无法拿到十码, 那防守的一方就会从该次进攻后球所在的位置开始反攻 (这往往意味着会给对方很好的field-position来开始他们的反攻). 举例 假设现在offense从自己半场35码的地方开始进攻. Offense 一方的目标, 当然是要尽快得分. 得分的手段, 大体来说有两种. 一是 touch down (得六分), 另一个是fieldgoal (得三分). Touch down 的意思, 是指进攻方的任何一个球员在不出场地边线的情况下把橄榄球的整体突破对方的端线 (也就是 0 码的地方). 如此说来, 即使你只是从空中跳起来把球在端线的那边晃了一下又马上被防守队员推了回来,你也算是取得了一个 touch down. 当然一般大家在电视看到的都是进攻队员趾高气扬地以盛装舞步带球进入对方端区的镜头. Touch down 之后, 进攻方还可以得到额外的一分, 条件是他们必须把球从25码的地方踢过球门横梁上方从两边的柱子中间穿过去. 这个就叫 extra point, 一般是很容易的,所以通常一个 touch down 就意味着可以得 7 分. 也有的时候, 如果进攻方需要拿到八分才能赶上或超过对手, 则在 touch down 之后也可以不踢 extra point, 而是选择从 2 码的地方再发起一次进攻. 如果他们再次突入端区, 则可以得到2 分 (2-point conversion). 当然 2-point conversion 远没有拿extra point那么十拿九稳, 所以除非是不得已一般都会选择让kicker来替他们再取一分. 那么进攻的一方是否总能冲进对方的端区呢? 当然不会. 如前所说, 如果进攻的一方在好不容易攻到对方30码线的地方就面临了three-and-out (三次进攻前进了不到十码), 他们就可以借助定位球 (field goal) 来得分. 踢定位球的时候球被放在上次进攻停止的那条线后面7码的地方. 由于球门是在距0码线以外十码的地方,所以这个 field goal 的实际距离是 30 + 17 = 47 码．BTW 橄榄球队里的 kicker很多原来都是踢足球的. 踢进去一个 field goal 可以得三分. 那么是否只有进攻的一方才能得分呢? 不一定. 如果防守的一方比赛中截到了对方失误的球, 出其不意之下就可以冲进对方的端区全取七分, 这就叫 defensive touch-down. 另外, 如果进攻的一方自己不小心把球带入了身后本方自己的端区, 则叫 safety, 是要算对方得 2 分的. 进攻（Offense） ======================================== 队员职责 三种球员组 1. 进攻组 (Offense) ★中锋(center,C)★ 列队于攻击线的中间，负责发球的。通常要求中锋有壮硕的体型，以保护四分卫不被擒杀。 ★哨锋(guard,G)★ 在中锋的两侧，共两名。要能迅速的移动来替持球员开路。 ★绊锋(tackle,T)★ 在哨锋的两侧，共两名。绊锋大多属于重量级球员，主要用来阻档。 以上五名进攻球员是固定的，他们在每次攻击都一定在攻击线上，形成「内攻击线锋」(interior offensive line)。 ★四分卫(quaterback,QB)★ 通常在中锋的后方一码处，接到发球后，迅速倒退，由他来主导进攻。他要能准确的将球传给接球员(receivers)；要能迅速地闪避防守球员的擒抱；要能稳当的将球交给跑锋；必要时还得替队友做阻挡；还要在发球前看出对方的防守战略，利用「喊暗号」(audible)的方式来改变进攻的策略。有时四分卫会自己持球冲锋，这叫做「quarterback sneak」。有一个「shotgun formation」阵式，四分卫会在中锋后7码处「殿卫」(tailback,TB)，这种情况通常是往前抛传，不以跑阵方式冲锋。 ★跑卫(running back,RB)★ 通常在跑阵模式时，列队在四分卫后面，接到四分卫的给球(handoff)后，看队友阻挡的情况持球冲锋。速度、灵敏度、反应是跑卫最重要的条件。 ★外接员(wide receiver,WR)★ 列队在攻击线两端在外侧，是四分卫主要传球的对象。多半是高个子较有利。 ★边锋(tight end,TE)★ 列队于左绊锋或右绊锋外侧，有时担任接球，有时协助「内攻击线锋」做阻挡。 2. 防守组 (Defense) ★ 防守绊锋 (defensive tackle,DT)★ 最靠近球置放位置的一名或两名球员，主要任务是要抵抗攻方的中锋或哨锋的冲撞阻挡，因为体型较壮为佳。 ★防守边锋 (defensive end,DE)★ 在防绊锋之外侧，左右各一，主要任务是要追赶四分卫使他不好传球，或将之「擒杀」(sack)(在四分卫尚未传出球之前将他擒抱。 ★线卫 (linebacker,LB)★ 通常有3至4名线卫，列队在防守线锋之后，若有4名线锋和3名线卫，即为所谓的「4-3防御」通常防守组的组长由一名线卫来担任，他相当于进攻组的四分卫，必须要有极佳的反应。 ★角卫 (cornerback,CB)★ 在最外两侧，负责cover外接员。 ★强卫 (strong safety,SS)★ 他是负责cover边锋的防守球员。 ★游卫 (free safety,FS)★ 通常在后场观看，当前面出现漏洞时，必须确实将持球员擒抱，一个球队的最后防线。 3. 特别组 (Special team) 在遇到「开球」(kickoff)、「射门」(field goal)、「弃踢」(punt)、「加分踢球」(extra point)等情况时，攻守双方特别组的人就要上阵交锋。 在这个 formation 中, 大家可能比较容易认出 quarterback （也就是常说的四分卫）的位置, 因为他总是半蹲半站在中间一%B

KenichiMorohashiKenichiMorohashi是一名制作人，代表作品有《熟女杀人事件》、《变形金刚》等。外文名：KenichiMorohashi职业：制作人代表作品：《熟女杀人事件》合作人物：平山秀幸

用foreach遍历集合或数组时，修改集合的值会报并发修改异常，建议用for循环

Java中ConcurrentHashMap putifAbsent方法的例子很多时候我们希望在元素不存在时插入元素，我们一般会像下面那样写代码synchronized(map){if (map.get(key) == null){return map.put(key, value);} else{return map.get(key);}}上面这段代码在HashMap和HashTable中是好用的，但在CHM中是有出错的风险的。这是因为CHM在put操作时并没有对整个Map加锁，所以一个线程正在put(k,v)的时候，另一个线程调用get(k)会得到null，这就会造成一个线程put的值会被另一个线程put的值所覆盖。当然，你可以将代码封装到synchronized代码块中，这样虽然线程安全了，但会使你的代码变成了单线程。CHM提供的putIfAbsent(key,value)方法原子性的实现了同样的功能，同时避免了上面的线程竞争的风险。

ConcurrentHashMap只是保证本身map的线程安全,不保证你自己写的程序的同步.你可以采用客户端加锁实现同步synchronized(test.chm)

ConcurrentHashMap是线程安全的，而HashMap不是线程安全的。在多线程环境下，如果多个线程同时读写同一个HashMap对象，可能会导致数据不一致的问题，例如两个线程同时往HashMap中添加数据，可能会导致数据丢失或覆盖。这是因为HashMap的实现不是线程安全的，它的内部结构是由数组和链表组成的，多个线程同时对它进行操作，会导致链表形成环形或链表断裂，导致数据读取或修改错误。ConcurrentHashMap是线程安全的原因是它采用了分段锁的机制，将HashMap分成若干个段（Segment），每个Segment独立地加锁，不同的线程可以同时访问不同的Segment，从而避免了多个线程同时访问同一个Segment的情况。这种机制可以提高并发访问效率，保证了线程安全性。

ConCurrentHashMap 1.8 相比 1.7的话，主要改变为： 下面简单介绍下主要的几个方法的一些区别： JDK1.7中的实现： ConCurrentHashMap 和 HashMap 的put()方法实现基本类似，所以主要讲一下为了实现并发性，ConCurrentHashMap 1.7 有了什么改变 JDK1.8中的实现： JDK1.7中的实现： JDK1.8中的实现： JDK1.7中的实现： JDK1.8中的实现： JDK1.7中的实现： JDK1.8中的实现： 由于没有segment的概念，所以只需要用一个 baseCount 变量来记录ConcurrentHashMap 当前 节点的个数 。

这样使用是有问题的。ConcurrentMap能够保证每一次调用（例如一次putIfAbsent）都是原子操作，不受多线程影响，但并不保证多次调用之间也是原子操作。以上实现的GetKeyBM方法中，ConcurrentMap的方法被调用了许多次，不同线程之间必然存在着竞争关系，导致最终结果不正确。现在的目标是，将下面描述的这一系列操作作为原子操作：“对每个分出来的词通过调用GetKeyBM方法，如果存在，则取出对应的编码，如果不存在，则加入KeyTotal中，并且给予一个编码，就是KeyTotal中的变量数加一”最直观的方法就是整块同步：synchronized (KeyTotal) {Integer value = KeyTotal.get(word);if (value == null) {value = KeyTotal.size() + 1;KeyTotal.put(word, value);}}这样，使用普通的map就可以了。如果你使用的是Java 8的话，ConcurrentMap有一个类似的方法 computeIfAbsent 可以使用：KeyTotal.computeIfAbsent(word, k -> KeyTotal.size() + 1);这样才能确保一次原子操作。computeIfAbsent方法的作用是，如果word键值不存在，则使用第二个参数来生成一个值放入map中，等价于以下代码，并且是原子操作：V computeIfAbsent(K key, Function<? super K,? extends V> mappingFunction):if (map.get(key) == null) {V newValue = mappingFunction.apply(key);if (newValue != null)return map.putIfAbsent(key, newValue);}正好与你的目标是一致的。

Q:ConcurrentHashMap和HashMap的区别是什么？ A: 1.ConcurrentHashMap是线程安全的，HashMap是线程不安全的 2.ConcurrentHashMap不允许Key为null的值插入。而HashMap是可以的 Q:JDK8的ConcurrentHashMap和JDK7的ConcurrentHashMap有什么区别？ A: 1.JDK7的ConcurrentHashMap采用分段锁的策略，将整个数组分成多个segment，对这些segment进行分段加锁，使用的锁是ReentrantLock。而JDK8中的ConcurrentHashMap不采用分段锁的方式，直接使用Synchronized来进行。 2.JDK8中的ConcurrentHashMap新增了红黑树，并且插入用的是尾插法。 3.JDK7中的ConcurrentHashMap进行扩容时，是对当前的segment进行扩容，不会对其他segment有影响。而JDK8中就跟HashMap一样。整体扩容，但是保证线程安全 Q:JDK7中的ConcurrentHashMap是如何扩容的 A:JDK7中对每一段segment进行扩容，每一段segment的扩容跟HashMap保持一致 Q:JDK8中的ConcurrentHashMap是如何扩容的 A:在扩容时，首先会生成一个双倍大小的数组，生成完数组后，线程就会开始转移元素，在扩容的过程中，如果有其他线程在put，那么这个put线程会帮助去进行元素的转移，虽然叫转移，但是其实是基于原数组上的Node信息去生成一个新的Node的，也就是原数组上的Node不会消失，因为在扩容的过程中，如果有其他线程在get也是可以的。 Q:ConcurrentHashMap是如何保证线程安全的 A: 1.在JDK7的时候。ConcurrentHashMap是通过ReentrantLock+CAS+分段思想来保证的并发安全的，在JDK7的ConcurrentHashMap中，首先有一个Segment数组，存的是Segment对象，Segment相当于一个小HashMap，Segment内部有一个HashEntry的数组，也有扩容的阈值，同时Segment继承了ReentrantLock类，同时在Segment中还提供了put，get等方法，比如Segment的put方法在一开始就会去加锁，加到锁之后才会把key,value存到Segment中去，然后释放锁。同时在ConcurrentHashMap的put方法中，会通过CAS的方式把一个Segment对象存到Segment数组的某个位置中。同时因为一个Segment内部存在一个HashEntry数组，所以和HashMap对比来看，相当于分段了，每段里面是一个小的HashMap，每段公用一把锁，同时在ConcurrentHashMap的构造方法中是可以设置分段的数量的，叫做并发级别concurrencyLevel. 2.在JDK8的时候，ConcurrentHashMap是通过synchronized+cas来实现了。在JDK8中只有一个数组，就是Node数组，Node就是key，value，hashcode封装出来的对象，和HashMap中的Entry一样，在JDK8中通过对Node数组的某个index位置的元素进行同步，达到该index位置的并发安全。同时内部也利用了CAS对数组的某个位置进行并发安全的赋值。

从源码来窥其一斑！ 我们都知道hashMap不是线程安全的，因为在扩容方法中很容易出现死循环，hashTable使用锁的方式比较简单暴力，几乎在所有操作方法上都加了synchronized锁，导致总体性能很差，concurrentHashmap凭借线程安全且性能优异一直都是高并发中的首选key-value型数据结构； concurrentHashmap的高性能有以下原因： 一，分段锁：jdk8中对concurrentHashmap进行了改进，抛弃了jdk7中新建segment作为分段锁的过程，jdk8中虽沿用了这种分段锁的思想，却直接使用数组中的数据作为 分段锁保证concurrentHashmap在上锁的时候只针对数组下标下的数据进行上锁 （比如如果数组长度为256，那么每次put平均只有1/256的数据被锁），而大多数其他的数据还是能进行正常的增删改操作，无需阻塞等待，这无疑极大的 降低了锁的粒度，提升了性能。 二，红黑树 ：jdk8中引入了红黑树结构，在单个数组下标内的数据达到8以后，会自动转换为红黑树进行存储， 使用大O表示法表示效率的话，红黑树的查找效率为O(log(n))，而链表的效率为O（n） ，当数据量越来越大的时候，红黑树的效率明显好于链表，所以concurrentHashmap性能得到很大提升； 现在我们主要从put方法中的主要方法来分析性能的提升： spread(key.hashCode());//作用是再次哈希，减少冲突 ，源码如下其中涉及到的位运算有 >>> 16：无符号右移16位，空位以0补齐 。 ^:异或运算符-->相同为0，不同为1； &：与运算符-->全1得1，否则0； (h ^ (h >>> 16)) & HASH_BITS; 所以这句代码的意思就是不仅消除高16位的影响，同时获得正整数的hash值 再来看后面的方法， 如上图： 1，就是判断当这个hash表还是空的时候，调用initTable进行初始化； 2，使用(n - 1) & hash)计算数组下标，如果数据指定下标处为null，则直接插入，注： cas是java8中的concurrentHashmap引入的线程安全判断，CAS算法做为乐观锁 ； 3，(fh = f.hash) == MOVED，走到此处说明下标内有node，且该node的值为-1（MODED=-1),搜索全类发现MODED是在调用有参构造器ForwardingNode中默认写入的，而这个调用处刚好在transfer方法中，所以我们推断，扩容的时候先将数组下标内的node.hash置为-1！ 同时在3这一步中调用helpTransfer(tab, f)参与扩容，并把数据写入；4，走到这说明node不是空的，也没在扩容，那么锁住该下标下的node，并把新value插入链表中； 5，如果锁住的这个node能实例化为TreeBin，则代表已经转化为红黑树进行存储，将数据插入红黑树中； 6，判断在4,5中计算得到的数组下标内所有节点总数， 如果满足转化为红黑树的条件（节点数大于8），则自动转化为红黑树进行存储！ 总的来说，concurrentHashmap之所以性能高就是因为使用了分段锁和红黑树！ 至于conrrentHashmap其他的方法的源码分析，后期会补上的，更多的技术分享，敬请关注！

hashmap和concurrenthashmap的区别如下：HashMap不是线程安全的，而ConcurrentHashMap是线程安全的。ConcurrentHashMap采用锁分段技术，将整个Hash桶进行了分段segment，也就是将这个大的数组分成了几个小的片段segment，而且每个小的片段segment上面都有锁存在。那么在插入元素的时候就需要先找到应该插入到哪一个片段segment，然后再在这个片段上面进行插入，而且这里还需要获取segment锁。ConcurrentHashMap让锁的粒度更精细一些，并发性能更好。HashMap：底层数组+链表实现，可以存储null键和null值，线程不安全。初始size为16，扩容：newsize = oldsize*2，size一定为2的n次幂。扩容针对整个Map，每次扩容时，原来数组中的元素依次重新计算存放位置，并重新插入。插入元素后才判断该不该扩容，有可能无效扩容（插入后如果扩容，如果没有再次插入，就会产生无效扩容）。ConcurrentHashMap：底层采用分段的数组+链表实现，线程安全。通过把整个Map分为N个Segment，可以提供相同的线程安全，但是效率提升N倍，默认提升16倍。(读操作不加锁，由于HashEntry的value变量是 volatile的，也能保证读取到最新的值。)。Hashtable的synchronized是针对整张Hash表的，即每次锁住整张表让线程独占，ConcurrentHashMap允许多个修改操作并发进行，其关键在于使用了锁分离技术。

从类图中可以看出来在存储结构中ConcurrentHashMap比HashMap多出了一个类Segment。 ConcurrentHashMap是由Segment数组结构和HashEntry数组结构组成。Segment是一个可重入锁（ReentrantLock），在ConcurrentHashMap里扮演锁的角色；HashEntry则用于存储键值对数据。一个ConcurrentHashMap里包含一个Segment数组。Segment的结构和HashMap类似，是一种数组和链表结构。一个Segment里包含一个HashEntry数组，每个HashEntry是一个链表结构的元素，每个Segment守护着一个HashEntry数组里的元素。当对HashEntry数组的数据进行修改时，必须首先获得与它对应的segment锁。 ConcurrentHashMap是使用了锁分段技术来保证线程安全的。 锁分段技术 ：首先将数据分成一段一段的存储，然后给每一段数据配一把锁，当一个线程占用锁访问其中一个段数据的时候，其他段的数据也能被其他线程访问。 ConcurrentHashMap提供了与Hashtable和SynchronizedMap不同的锁机制。Hashtable中采用的锁机制是一次锁住整个hash表，从而在同一时刻只能由一个线程对其进行操作；而ConcurrentHashMap中则是一次锁住一个桶。 Hashtable容器在竞争激烈的并发环境下表现出效率低下的原因是因为所有访问Hashtable的线程都必须竞争同一把锁，假如容器里有多把锁，每一把锁用于锁容器其中一部分数据，那么当多线程访问容器里不同数据段的数据时，线程间就不会存在锁竞争，从而可以有效提高并发访问效率，这就是ConcurrentHashMap所使用的锁分段技术。首先将数据分成一段一段存储，然后给每一段数据配一把锁，当一个线程占用锁访问其中一个段数据的时候，其它段的数据也能被其它线程访问。

在并发使用到HashMap的时候，往往不建议直接用HashMap，因为HashMap在并发写数据的时候容易因为rehash的过程产生环形链表的情况。所以在并发使用Map结构时，一般建议使用ConcurrentHashMap。 在JDK1.7中ConcurrentHashMap采用了 数组+Segment+分段锁 的方式实现。 从上面的结构我们可以了解到，ConcurrentHashMap定位一个元素的过程需要进行两次Hash操作。第一次Hash定位到Segment，第二次Hash定位到元素所在的链表的头部。 JDK8中ConcurrentHashMap参考了JDK8 HashMap的实现，采用了数组+链表+红黑树的实现方式来设计，内部大量采用CAS操作。并发控制使u2f64 synchronized 和 CAS 来操作。 （JDK1.6 以后 对 synchronized 锁做了很多优化） 整个看起来就像是优化过且线程安全的 HashMap，虽然在 JDK1.8 中还能看到 Segment 的数据结构，但 是已经简化了属性，只是为了兼容旧版本； JDK1.8的Nod节点中value和next都用volatile修饰，保证并发的可见性。 可以理解为，synchronized 只锁定当前链表或红u2fcau2f06叉树的u2fb8节点，这样只要 hash 不冲突，就不会产u2f63并发，效率u2f1c提升 N 倍。 Hashtable 和 JDK1.8 之前的 HashMap 的底层数据结构类似都是采u2f64 数组+链表 的形式，数组是 HashMap 的主体，链表则是主要为了解决哈希冲突u2f7d存在的； Hashtable(同u2f00把锁) :使u2f64 synchronized 来保证线程安全，效率u2fae常低下。当u2f00个线程访问同步u2f45法时，其他线程也访问同步u2f45法，可能会进u2f0a阻塞或轮询状态，如使u2f64 put 添加元素，另u2f00个线程不能使u2f64 put 添加元素，也不能使u2f64get，竞争会越来越激烈效率越低； 总结一下： JavaGuide

读的时候用volatile保证可见性，使读到的数据永远是最新的写的时候用分段锁只对部分数据加锁

同楼上...补充下...那个叫泛型..是JDK1.5之后出现的.对程序的安全性起很大作用.且会加快 容器类的运行速度

The Pussycat Dolls - Hush Hush 试听：http://v.youku.com/v_show/id_XMjA3MjQ0NTAw.html下载：http://mp3.baidu.com/m?tn=baidump3&ct=134217728&lm=-1&word=The%20Pussycat%20Dolls%20-%20Hush%20Hush这首？

思路：1、首先采用命A=0,C=1,G=2,T=3. 就相当于4进制数字，然后采用karp-Rabin算法转换成唯一十进制数字。由于用此算法的哈希函数为：hash(value)=value*(4^(k-q-1));value是该字符对应的值，k是kmer长度,q是此字符在字符串的位置范围在[0-(q-1)]。然后把一个kmer里面所有字符的hash值求和就行了。2、那么很容易看出来，对于连续的下害常愤端莅得缝全俯户一个Kmer，就有推理公式了 hashNew=addValue+(hashOld-deleteValue*(4^(k-1)))*4; hashNew就是往右平移一个字符的kmer hash值，hashOld就是平移之前的值，addValue就是平移后右边多的一个字符，deleteValue就是平移后左边少的一个字符。这样整个hash表建立的时间复杂度约为O（m+k）,m是整个文本长度。3、由于kmer长度如果过长，其hash值过大，会造成内存不够溢出的现象，所以kmer内部定死为10 。那么问题就来了，如何应对不同的kmer值。分三种情况。第一种：q>10 这种可以将kmer以10为单位，将hash表中对应值取出，然后对结果进行分析，这边分析方法为建立两个数组一个二维数组unionName储存位置关系，一个一维数组unionScore,计数用。 思路就是首先第一轮初始化unionName[Name][Pos]全部赋值Pos 并初始化unionScore，然后再第二轮匹配如果unionName[Name][Pos-cycle]=Pos-1则将其赋值为当前Pos，cycle为当前循环次数。并将当前循环数存入unionScore[NAME]中。最后当unionScore[NAME]值也就是循环数为k-1，即我们需要的交集了。第二种：q=10直接求出hash值，取出相应的值即可。第三种：q<10可以用前缀种子+后缀种子交集产生。前缀种子：在字符串后面补字符直到长度等于K，这个很容易看出来 最小是全补A，最大是全补T，然后将最小值到最大值之间的hash值即为所求。后缀种子：后缀种子和前缀种子不同就是在字符串左边补齐字符。所以此时需要进行变换。只要对前置种子产生的值变化下就行了。(preValue-minValue)*(4^(K-q))+hash(p) 。其中preValue就是对应的前置种子的hash值，minValue就是前置种子中最小值也就是全补A的情况，hash（p）就是字符串长度为p时候的hash值。 交集就是先求后缀种子所有的值，再加上 前缀种子中起始位置在[0-(k-1)]中的值。

樽井　俊美丸山　　轩高桥　　淳西田　石田代　仁