c#之如何计算哈希值字符串

因为所有的哈希函数都接收类型为 Byte() 的输入，因此可能需要将初始数据转换成一个字节数组才能够为它产生哈希值。欲为一个字符串值建立一个哈希值，请依下列步骤进行：1、使用Using语句导入System、System.Security、System.Security.Cryptographic与System.Text命名空间，这样一来，您才不需要于程序代码中编写一长串的完整名称：using System.Drawing

using System.Text

using System.Windows.Forms

using System.Security.Cryptography2、声明一个字符串变量来持有您的初始数据，并声明两个字节数组(未定义大小)来持有初始字节与所产生出的哈希值：string sSourceData

byte［］ tmpSource

byte［］ tmpHash3、使用 GetBytes() 方法(它是System.Text.ASCIIEncoding类的一部分)将您的初始字符串转换至一个字节数组中：sSourceData = "MySourceData"// 根据初始数据来建立一个字节数组

tmpSource = ASCIIEncoding.ASCII.GetBytes(sSourceData)4、通过调用MD5CryptoServiceProvider类的实例的ComputeHash方法来为您的初始数据计算出MD5哈希值。请注意，欲计算出另外一个哈希值，您必须建立该类的另外一个实例。// 根据初始数据计算出哈希值tmpHash = new MD5CryptoServiceProvider().ComputeHash(tmpSource)5、tmpHash字节数组现在会获取您初始数据的哈希值(128位值＝16字节)。将此显示或储存成一个十六进制字符串通常会非常有用，下列程序代码即是进行此项处理：lblHashResult.Text = sSourceData + "＼n" + ByteArrayToString(tmpHash) + "＼n"private string ByteArrayToString(byte［］ arrInput){StringBuilder sOutput = new StringBuilder(arrInput.Length)for (int i = 0i <arrInput.Lengthi++)

return sOutput.ToString()

}6、通过上述程序代码，您便能够为初始数据产生出哈希值并以一个十六进制字符串来表示。接下来，我们要继续说明如何比较两个哈希值。为初始数据建立哈希值的目的之一，就是要提供一种方式来检查数据是否被更改过，或是不通过实际的值来比较两个值。不论是哪一种情况，您都需要比较两个哈希值。然而，如果两个哈希值皆已储存成十六进制字符串，则比较哈希值的 *** 作将会更加简易。当然，也有可能两个哈希值都是以字节数组的形式存在。后续步骤的程序代码将延续先前步骤的程序代码，以便示范如何比较两个字节数组。7、请在建立一个十六进制字符串的地方，紧接着根据新的初始数据建立一个新的哈希值：sSourceData = "NotMySourceData"

tmpSource = ASCIIEncoding.ASCII.GetBytes(sSourceData)byte［］ tmpNewHash

bool bEqual = falsetmpNewHash = new MD5CryptoServiceProvider().ComputeHash(tmpSource)8、比较两个字节数组最直接了当的方式就是通过循环依序处理数组，以便一一比较两数组中的每一个元素。如果有任何元素不相同，或是两数组的大小不相同，则表示两值并不相等：if(tmpNewHash.Length == tmpHash.Length){int i = 0while((i <tmpNewHash.Length) &&(tmpNewHash［i］ == tmpHash［i］)){i += 1} if(i == tmpNewHash.Length){bEqual = true}}if (bEqual){lblHashResult.Text += "这两个哈希值是相同的"}else{lblHashResult.Text += "这两个哈希值并不相同"

}9、保存与运行您的项目，以便查看根据第一个哈希值所建立的十六进制字符串，并确认新的哈希值是否与初始的相同。

通俗来讲，哈希值就是文件的身份z，不过比身份z还严格。他是根据文件大小，时间，类型，创作者，机器等计算出来的，很容易就会发生变化，谁也不能预料下一个号码是多少，也没有更改他的软件。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，在计算上是不可能的。

有这样一种情境，有三万张图片我们要均匀放置于三个缓存服务器上

简单的做法是对缓存的key进行哈希计算，得到的值进行取模计算，所得到的余数，便是缓存的服务器编号

hash % 机器数 = 余数

当机器数为3时无论值为多少，其余数永远只有0，1，2三种情况

那么根据余数，我们给服务器进行编号s0,s1,s2,余数为0的放置于s0服务器上，1，2同理。

这样我们就将三万张图片的缓存均分成三份存放与三台缓存服务器中

因为对同一张图片进行哈希计算时，所得到的哈希值是不变的，所以当需要访问图片时，只要再次进行哈希计算和取模计算，就能获取到图片存放于哪台服务器，便可以去该服务器中查找满足了我们的需求。而这种算法也称之为哈希算法

这其中有一个问题，那便是如果我增加一台服务器呢

可以预见的是，当增加一台服务器服务器数变成了4.而余数也出现了4种情况

这时向s2的服务器查询时，无法读取到图片，这导致了程序无法从缓存服务器中读取数据，这时程序就会向后端服务器请求，而大量的缓存同时失效，会导致所有请求都指向后端服务器，这会引起后端服务器的崩溃。

这是就要引入一致性哈希算法

还是同样的三个缓存服务器，这次我们将哈希值对2 32取模，所得到的数一定是1到2 32之间的一个整数

然后我们想像一个圆环，其上的每一个点都代表1到2^32之间的一个整数，而这个圆环也被称为hash环

之后我们对服务器A进行取模计算，这样算出来的整数肯定在1到2^32之间，将这个整数代表为服务器A,并且我们可以将这个整数映射到哈希环上，同样的道理我们处理另外两个服务器，这时三个服务器都被映射到了哈希环上，对于图片我们也将他映射到哈希环上

那么我们只要从图片的哈希值开始，沿顺时针在哈希环上查找，遇到的第一个服务器便是图片缓存所在的服务器

这时哪怕新添加一个服务器在哈希环上，我门所丢失的缓存数据也只是新添加的服务器到逆时针方向遇到的第一个服务器这部分数据，而这样仍然有大部分缓存在缓存服务器中可以被查找到，这样可以帮助后端服务器分担大部分压力，不会使服务器崩溃，而这部分丢失的缓存数据，之后重新在后端加载便可以了

这又引入了另一个问题，哈希偏斜

我们无法确保三个服务器在哈希环上为均分的状态，很有可能其中一台服务器分到了很大部分而另两台分到了很少的部分，这样同样会有后端服务器崩溃的隐患

我们可以添加很多虚拟结点同一个服务器我们分出许多虚拟节点，映射在哈希环上，哈希环上的节点越多，缓存被均分的概率便越大，这样可以尽可能的保证缓存在服务器上是接近理想均分的状态，避免了哈希偏斜的问题

---