哈希算法-如何防止数据库中的用户信息被脱库
定义和原理：将任意长度的二进制值串映射为固定长度的二进制值串
要求：
- 不能反向推导（单向哈希算法）
- 对输入数据敏感，哪怕只修改了一个Bit，最后得到的哈希值也大不相同。
- 散列冲突概率要很小。
- 执行效率要高，针对较长的文本，也能很快地计算出哈希值。
哈希算法的应用很多，常见有：安全加密、唯一标识、数据校验、散列函数、负载均衡、数据分片、分布式存储
唯一标识
在海量的图片信息中，搜索一张图是否存在。任何文件在计算机中都可以表示成二进制码串，将图片的二进制码串开头、中间、结尾分别取100个字节，然后再通过哈希得到唯一标识。（减轻工作量）
数据校验
BT下载的时候会做数据校验。
散列函数
防范字典攻击引入一个盐(salt)，跟用户密码组合在一起，增加密码复杂度，然后用组合后的字符串来做哈希算法加密，将它存储到数据库中，进一步增加破解的难度。
除此之外，一些公司采用的方法：无论密码长度多少，采用计算hash时间都固定或者足够慢的算法，比如：
PBKDF2WithHmacSHA1。避免因计算时间不一样而泄露字符串长度信息。
负载均衡
负载均衡需要维护一个映射表，哈希算法能很方便地维护这个功能，通过客户端IP或者会话ID计算哈希，通过和服务器列表的大小进行取模运算，最终得到服务器编号。
数据分片
统计“搜索关键词”出现的次数，1T的文件日志，记录用户的关键词，快速统计出每个关键词的被搜索次数。
先对数据进行分片，然后采用多台机器处理的方法，提升速度。关键词计算哈希，跟n取模，最终得到机器编号。同一个关键词会被分配在同一个机器上。
这个处理过程也是MapReduce的基本设计思想
分布式存储
原本10台服务器，增加到12台。原有哈希可能失效，重新计算缓存产生雪崩效应。
一致性哈希算法：假设有K台机器，将整个范围划分成m个小区间（m远大于k）