哈希函数 -> out f(in data)

1）输入参数data，假设是in类型，特征：可能性无穷大，比如str类型的参数
2）输出参数类型out，特征：可能性可以很大，但一定是有穷尽的
3）哈希函数没有任何随机的机制，固定的输入一定是固定的输出
4）输入无穷多但输出值有限，所以不同输入也可能输出相同（哈希碰撞）
5）再相似的不同输入，得到的输出值，会几乎均匀的分布在out域上

哈希表

1.哈希表起始桶容量
2.哈希表在插入值时，将key进行hash并%桶的容量，放入数组中，当%后的数值相同，就将当前的key和value放在当前桶的链表上
3.查询时，将key进行hash并%桶的容量，找到当前桶的位置，并遍历寻找链表上对应的key
4.当当前的链表的长度大于某个定值，进行扩容一倍，将原来的记录取出来，重新进行%新的容量，再放入新桶里

哈希函数作用

可以把数据根据不同值，几乎均匀的分开

布隆过滤器

1）利用哈希函数的性质
2）每一条数据提取特征
3）加入描黑库

布隆过滤器重要的三个公式

1，假设数据量为n，预期的失误率为p（布隆过滤器大小和每个样本的大小无关）
2，根据n和p，算出Bloom Filter一共需要多少个bit位，向上取整，记为m
3，根据m和n，算出Bloom Filter需要多少个哈希函数，向上取整，记为k
4，根据修正公式，算出真实的失误率p_true

一致性哈希

分布式存储结构最常见的结构
1）哈希域变成环的设计
2）虚拟节点技术