你去上學(xué)，班主任會(huì)告訴你一個(gè)學(xué)號(hào)；畢業(yè)后上班，HR會(huì)給你一個(gè)工號(hào)；你回家，抬頭看得到門牌；你去桑拿，前臺(tái)會(huì)給你一塊手牌；

站在管理者的角度看，為了把一攤事管得有秩序，就得排序。這樣協(xié)作系統(tǒng)能定位目標(biāo)，更好地服務(wù)。否則，課程沒法排，工資沒法算，快遞員找不到你家，甚至在你洗完澡結(jié)賬時(shí)都會(huì)糾結(jié)半天，因?yàn)榍芭_(tái)搞不清你到底吃了多少果盤。

編號(hào)，要解決兩個(gè)問題：

1）能定位；

2）無重號(hào)。

小規(guī)模編號(hào)，比如班級學(xué)號(hào)，從1、2、3……開始，就能解決問題；中等規(guī)模的如大企業(yè)工號(hào)，數(shù)字前面得加個(gè)字母：A120908；大規(guī)模編號(hào)如身份證系統(tǒng)，別管誰進(jìn)來，統(tǒng)一18位數(shù)字標(biāo)簽貼在你的身份證上。

但，如果是給互聯(lián)網(wǎng)里的所有文件編號(hào)，標(biāo)簽應(yīng)該如何貼呢？那可是星辰大海呀，如果按老辦法排序，那得到千年后才能給你現(xiàn)在看的這篇文章編上號(hào)。而且遇到重號(hào)問題如何解決？是否專門安排公務(wù)員管這攤事？

那有沒有效率更高的編號(hào)方法？有，答案是哈希算法。

1、什么是哈希算法？

哈希算法是將文件映射為較短的固定長度字符串（哈希值）?！S基百科

任何計(jì)算機(jī)文件都由電子訊號(hào)組成。簡單地說：0和1組成了全部的信息世界，即：比特世界。

比如，我們眼中的香腸圖片，在比特世界里是這樣的：01010111001111010101100101110101……

我沒寫完整，上萬位吧，寫完得一屋子，總之就是0和1兩個(gè)數(shù)字排成了一條長龍，這才是這張圖片在比特世界里的本來面目，我們把這串長龍稱為“二進(jìn)制文件”。

我們把這條長龍切碎，攪拌之后就得到哈希值：4f7f56ecc0b725893b59f6428258304a94e40f48

哈希值是哈希算法的最終結(jié)果，是文件在互聯(lián)網(wǎng)里的編號(hào)。如果這張圖片是一個(gè)人，那哈希值就是TA的指紋、TA的身份證編號(hào)。

你完全不用理解哈希算法如何把二進(jìn)制文件變成哈希值，這是數(shù)學(xué)家的事，你只要把哈希函數(shù)看作一臺(tái)屠宰機(jī)器，就能理解一切：這臺(tái)機(jī)器把任何豬都能剁成等長的香腸，而哈希值就是這根香腸的花紋。

除了所有哈希值都一樣長之外，這些花紋有一些其他漂亮的特性，能輕巧地用在比特世界的方方面面。

2、哈希值的特性

如果你看到兩個(gè)文件有完全相同的哈希值，那你立馬可以判定它們是同一文件。這也是哈希值最基本的特性：相同文件的哈希值相同，即，復(fù)制后的文件與原文件哈希值相同。

這容易理解，因?yàn)榧热皇莾芍灰荒Ｒ粯拥呢i，那它們用相同方法做出來的香腸應(yīng)該一模一樣。但如果兩只豬其他部位完全相同，哪怕它們尾巴尖上的一根毛不同，那香腸最終的紋理會(huì)完全不同。

源文件稍有改動(dòng)，哈希值面目全非。

這一特性使得用哈希值標(biāo)注的文件無法被篡改，因?yàn)槟呐轮淮鄹纳蠄D一個(gè)像素，馬上就能被認(rèn)出——哈希值會(huì)完全不同。

另外，哈希值還有的特性：

第一、不可逆推：在具備編碼功能的同時(shí)，哈希算法也作為一種加密算法存在。即，你無法通過分析哈希值計(jì)算出源文件的樣子，換句話說：你不可能通過觀察香腸的紋理推測出豬原來的樣子。

第二、計(jì)算極快：哈希一部20G高清電影和一個(gè)5K文本文件復(fù)雜度相同，計(jì)算量都極小，可以在0.1秒內(nèi)得出結(jié)果。也就是說，不管豬有多肥，骨頭多硬，做成香腸都只要眨眨眼的時(shí)間，

能用極快的速度給你的文件編出不重復(fù)的號(hào)碼，而且任何人都無法通過這個(gè)號(hào)碼推算出文件原來的樣子，這就是哈希算法的意義。

把文件切碎和攪拌的過程就是哈希算法，而切碎和攪拌的動(dòng)作，稱為加密和壓縮，而不同的燒菜師傅會(huì)有不同的刀法，于是就有了很多哈希算法，比如：CRC-32、MD5和SHA1……名字雖然唬人，可它們之間只是張家?guī)煾岛屠罴規(guī)煾档膮^(qū)別，但不同師傅之間的刀功卻有高下，那差距究竟在哪里呢？

3、什么是好的哈希算法？

正如前文維基百科的定義：哈希算法只是將文件映射為哈希值，“映射”的意思是投影。既然是投影，那總會(huì)不同的人有一模一樣的影子。所以最終在數(shù)學(xué)意義上，哈希會(huì)發(fā)生重號(hào)，只是重號(hào)概率小到我們難以理解地接近零。

這種無限接近零的概率類似于：明天一早你突然當(dāng)選美國總統(tǒng)、你從小到大每天都中六合彩，或者下一秒49個(gè)外星人在你面前排成7×7方陣……的概率。但萬一碰到了呢？我們把這種情況稱為碰撞。

越好的哈希算法發(fā)生碰撞的概率越小。

可如果只為完成“少發(fā)生碰撞”這一個(gè)目標(biāo)，很容易實(shí)現(xiàn)，你只要把哈希值弄得長長的就可以了。但哈希值最終不是純數(shù)字編號(hào)，而是數(shù)字與字母的組合，目的也只有一個(gè)：縮短哈希值長度，便于實(shí)際應(yīng)用。畢竟，沒有人會(huì)帶一根1米的香腸出差。

如果你要自建一個(gè)小型圖片網(wǎng)站，使用CRC-32短哈希算法給圖片貼標(biāo)簽就足夠了，它能為你提供42億種不同的標(biāo)簽，而且文件名長度（哈希值）永遠(yuǎn)只有8位。

如果你要檢索論文庫，MD5算法足夠你用：哈希值稍長，但幾乎不會(huì)有重復(fù)，能讓你做出足夠精準(zhǔn)的索引。

而商業(yè)級加密，你可以用SHA256：哈希值稍長，但倒推難度極大：需要人類當(dāng)前所有計(jì)算能力總和的千萬倍……還不一定能算出來。

所以，無論是CRC-32、MD5、SHA256……并沒有絕對最好的哈希算法。只有在不同場景下，衡量成本收益之后，才存在相對最優(yōu)。

結(jié)語

二十年前，如果你去圖書館找一本名叫《美國種族簡史》的書，得先思考它屬于宗教類還是歷史類，然后再跑去不同的區(qū)域爬格子。而現(xiàn)在，你只需輕輕一點(diǎn)，整個(gè)屏幕就會(huì)告訴你有沒有這本書，如果有，那它在哪里。

圖書館用的小規(guī)模搜索技術(shù)貼標(biāo)簽：以前是手工分類，現(xiàn)在是數(shù)據(jù)庫。

而互聯(lián)網(wǎng)級別的大規(guī)模的搜索就得靠哈希算法生產(chǎn)索引標(biāo)簽了。比如Google等搜索引擎、迅雷等下載軟件、比特幣等加密貨幣……都能通過哈希值準(zhǔn)確定位目標(biāo)。

即使哈希算法乍看起來毫不起眼，無非做出了一串奇怪的字符，但它卻是比特世界里的板磚，能搭出高樓大廈，能讓比特世界更有序。即使離你再遠(yuǎn)的信息，在哈希算法的幫助下，都可以讓你觸手可及。

附：從今天起，你可以自己哈?！９ぞ?/p>

1、哈希文件：http://www.atool.org/file_hash.php

哈希了前文香腸圖片，請注意最下方的“4f7f”開頭的哈希值即為前文哈希值。

2、哈希字符：http://www.kjson.com/encrypt/hash/?fm=map

字符“Hello”用SHA256哈希算法得出的哈希值為：185f8db32271fe25f561a6fc938b2e264306ec304eda518007d1764826381969

恭喜你，今天又在數(shù)字世界里精進(jìn)了一步。

本文于2017年10月22日發(fā)布于微信公眾號(hào)： 概念地圖 gainianditu