今天，我來介紹三種在工程中比較實用的Hash，它們分別是一致性哈希、局部敏感哈希和GeoHash。

1. 一致性哈希

? ?一致性哈希算法是在1997年由麻省理工學院提出，設計的目標是為了解決因特網(wǎng)的熱點問題。一致性哈希算法

? ?解決了在P2P環(huán)境中最為關鍵的問題，即如何在動態(tài)的網(wǎng)絡拓撲中分布存儲和路由。在分布式系統(tǒng)中用得比較廣

? ?泛，當集群需要添加機器或者減少一臺機器時，一致性哈希只影響一臺機器，將數(shù)據(jù)受影響的機器數(shù)量降到最低。

? ?在這里講述了一致性哈希的原理，并且在最后有各種語言版本的實現(xiàn)。在Github上也有一個不錯的實現(xiàn)版本。

2. 局部敏感哈希

? ?局部敏感哈希是一種高維數(shù)據(jù)索引技術。英文名為Locality-Sensitive Hashing，簡記為LSH，應用于計

? ?算機很多領域。想象在一個高維數(shù)據(jù)檢索系統(tǒng)中，檢索庫中數(shù)據(jù)量很大，每條數(shù)據(jù)的維度也很高。常規(guī)的做法

? ?就是針對每一次檢索，都從數(shù)據(jù)庫中進行一一匹配，這樣將花費大量的時間和空間，顯然不可取。

? ?然后，我們就可以從兩個方面考慮：

? ? ?（1）通過一些算法對原始高維數(shù)據(jù)進行降維

? ? ?（2）在檢索初始階段排除一些數(shù)據(jù)，減少檢索時的比較次數(shù)

? ?針對（2）有局部敏感Hash恰好滿足了我們的要求。它的原理也容易理解。局部敏感哈希的實現(xiàn)有多種方式。接

? ?下來主要以基于漢明距離的局部敏感哈希來說明實現(xiàn)思路。

? ?

? ?需要注意的是上述方法并不能夠一定保證查找到查詢點的最鄰近的數(shù)據(jù)，而是減少需要匹配的數(shù)據(jù)點個數(shù)的同

? ?時保證查找到最近鄰的數(shù)據(jù)點的概率很大。為了解決這個問題，又提出了增強LSH。

? ?

? ?關于p-stableLSH算法可以參考這里。最后附上Java實現(xiàn)的局部敏感哈希工具。

3. Geohash

? ?想象這樣一個場景，你在北京西二旗附近想找附近的餐館，只需要在手機上打開手機地圖，然后搜索附近的餐館

? ?就可以進一步找到你所滿意的一家。那么問題來了，地圖后臺是如何根據(jù)自己的位置來搜索附近的餐館呢？接下

? ?來的Geohash算法就是用來解決這個問題的，它將二維的經(jīng)緯度轉化為一個字符串。參見其原理詳細介紹。

? ?在github上有一個geohash的C語言實現(xiàn)代碼，并且附上了使用方法。Google有一個開源的Geohash代碼，詳

? ?見鏈接：http://python-geohash.googlecode.com/svn/trunk/，包括Python和C++實現(xiàn)。

? ??

? ?

總結

以上是生活随笔為你收集整理的三种重要哈希介绍的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網(wǎng)站內容還不錯，歡迎將生活随笔推薦給好友。