的输入数据映射到恒定长度的哈希值。 6. 散列表 hello‑algo.com 108 近一个世纪以来，哈希算法处在不断升级与优化的过程中。一部分研究人员努力提升哈希算法的性能，另一 部分研究人员和黑客则致力于寻找哈希算法的安全性问题。直至目前： ‧ MD5 和 SHA‑1 已多次被成功攻击，因此它们被各类安全应用弃用。 ‧ SHA‑2 系列中的 SHA‑256 是最安全的哈希算法之一，仍未出现成功的攻击案例，因此常被用在各类安 细心的你可能发现在不同控制台中运行程序时，输出的哈希值是不同的。这是因为 Python 解释器在每次启 动时，都会为字符串哈希函数加入一个随机的盐（Salt）值。这种做法可以有效防止 HashDoS 攻击，提升 哈希算法的安全性。 6.4. 小结 ‧ 输入 key ，哈希表能够在 ?(1) 时间内查询到 value ，效率非常高。 ‧ 常见的哈希表操作包括查询、添加键值对、删除键值对和遍历哈希表等。 ‧ 哈希函数将 ，我们首先将其添加到堆底。添加之后，由于 val 可能大于堆中其他元素，堆的成立条件可能 已被破坏。因此，需要修复从插入节点到根节点的路径上的各个节点，这个操作被称为「堆化 Heapify」。 考虑从入堆节点开始，从底至顶执行堆化。具体来说，我们比较插入节点与其父节点的值，如果插入节点更 大，则将它们交换。然后继续执行此操作，从底至顶修复堆中的各个节点，直至越过根节点或遇到无需交换 的节点时结束。 8. 堆 hello‑algo

等。它们可以将任意长 度的输入数据映射到恒定长度的哈希值。 近一个世纪以来，哈希算法处在不断升级与优化的过程中。一部分研究人员努力提升哈希算法的性能，另一 部分研究人员和黑客则致力于寻找哈希算法的安全性问题。表 6‑2 展示了在实际应用中常见的哈希算法。 ‧ MD5 和 SHA‑1 已多次被成功攻击，因此它们被各类安全应用弃用。 ‧ SHA‑2 系列中的 SHA‑256 是最安全的哈希算法之一 细心的你可能发现在不同控制台中运行程序时，输出的哈希值是不同的。这是因为 Python 解释器在每次启 动时，都会为字符串哈希函数加入一个随机的盐（salt）值。这种做法可以有效防止 HashDoS 攻击，提升哈 希算法的安全性。 6.4 小结 1. 重点回顾 ‧ 输入 key ，哈希表能够在 ?(1) 时间内查询到 value ，效率非常高。 ‧ 常见的哈希表操作包括查询、添加键值对、删除键值对和遍历哈希表等。 ，我们首先将其添加到堆底。添加之后，由于 val 可能大于堆中其他元素，堆的成立条件可能 已被破坏，因此需要修复从插入节点到根节点的路径上的各个节点，这个操作被称为堆化（heapify）。 考虑从入堆节点开始，从底至顶执行堆化。如图 8‑3 所示，我们比较插入节点与其父节点的值，如果插入节 点更大，则将它们交换。然后继续执行此操作，从底至顶修复堆中的各个节点，直至越过根节点或遇到无须 交换的节点时结束。 第 8 章 堆

第 6 章 哈希表 hello‑algo.com 126 近一个世纪以来，哈希算法处在不断升级与优化的过程中。一部分研究人员努力提升哈希算法的性能，另一 部分研究人员和黑客则致力于寻找哈希算法的安全性问题。表 6‑2 展示了在实际应用中常见的哈希算法。 ‧ MD5 和 SHA‑1 已多次被成功攻击，因此它们被各类安全应用弃用。 ‧ SHA‑2 系列中的 SHA‑256 是最安全的哈希算法之一 细心的你可能发现在不同控制台中运行程序时，输出的哈希值是不同的。这是因为 Python 解释器在每次启 动时，都会为字符串哈希函数加入一个随机的盐（Salt）值。这种做法可以有效防止 HashDoS 攻击，提升 哈希算法的安全性。 6.4 小结 1. 重点回顾 ‧ 输入 key ，哈希表能够在 ?(1) 时间内查询到 value ，效率非常高。 ‧ 常见的哈希表操作包括查询、添加键值对、删除键值对和遍历哈希表等。 ，我们首先将其添加到堆底。添加之后，由于 val 可能大于堆中其他元素，堆的成立条件可能 已被破坏。因此，需要修复从插入节点到根节点的路径上的各个节点，这个操作被称为「堆化 heapify」。 考虑从入堆节点开始，从底至顶执行堆化。如图 8‑3 所示，我们比较插入节点与其父节点的值，如果插入节 点更大，则将它们交换。然后继续执行此操作，从底至顶修复堆中的各个节点，直至越过根节点或遇到无须 交换的节点时结束。 第 8 章 堆

等。它们可以将任意长 度的输入数据映射到恒定长度的哈希值。 近一个世纪以来，哈希算法处在不断升级与优化的过程中。一部分研究人员努力提升哈希算法的性能，另一 部分研究人员和黑客则致力于寻找哈希算法的安全性问题。表 6‑2 展示了在实际应用中常见的哈希算法。 ‧ MD5 和 SHA‑1 已多次被成功攻击，因此它们被各类安全应用弃用。 ‧ SHA‑2 系列中的 SHA‑256 是最安全的哈希算法之一 细心的你可能发现在不同控制台中运行程序时，输出的哈希值是不同的。这是因为 Python 解释器在每次启 动时，都会为字符串哈希函数加入一个随机的盐（salt）值。这种做法可以有效防止 HashDoS 攻击，提升哈 希算法的安全性。 6.4 小结 1. 重点回顾 ‧ 输入 key ，哈希表能够在 ?(1) 时间内查询到 value ，效率非常高。 ‧ 常见的哈希表操作包括查询、添加键值对、删除键值对和遍历哈希表等。 ，我们首先将其添加到堆底。添加之后，由于 val 可能大于堆中其他元素，堆的成立条件可能 已被破坏，因此需要修复从插入节点到根节点的路径上的各个节点，这个操作被称为「堆化 heapify」。 考虑从入堆节点开始，从底至顶执行堆化。如图 8‑3 所示，我们比较插入节点与其父节点的值，如果插入节 点更大，则将它们交换。然后继续执行此操作，从底至顶修复堆中的各个节点，直至越过根节点或遇到无须 交换的节点时结束。 第 8 章 堆

等。它们可以将任意长 度的输入数据映射到恒定长度的哈希值。 近一个世纪以来，哈希算法处在不断升级与优化的过程中。一部分研究人员努力提升哈希算法的性能，另一 部分研究人员和黑客则致力于寻找哈希算法的安全性问题。表 6‑2 展示了在实际应用中常见的哈希算法。 ‧ MD5 和 SHA‑1 已多次被成功攻击，因此它们被各类安全应用弃用。 ‧ SHA‑2 系列中的 SHA‑256 是最安全的哈希算法之一 细心的你可能发现在不同控制台中运行程序时，输出的哈希值是不同的。这是因为 Python 解释器在每次启 动时，都会为字符串哈希函数加入一个随机的盐（salt）值。这种做法可以有效防止 HashDoS 攻击，提升哈 希算法的安全性。 6.4 小结 1. 重点回顾 ‧ 输入 key ，哈希表能够在 ?(1) 时间内查询到 value ，效率非常高。 ‧ 常见的哈希表操作包括查询、添加键值对、删除键值对和遍历哈希表等。 ，我们首先将其添加到堆底。添加之后，由于 val 可能大于堆中其他元素，堆的成立条件可能 已被破坏，因此需要修复从插入节点到根节点的路径上的各个节点，这个操作被称为堆化（heapify）。 考虑从入堆节点开始，从底至顶执行堆化。如图 8‑3 所示，我们比较插入节点与其父节点的值，如果插入节 点更大，则将它们交换。然后继续执行此操作，从底至顶修复堆中的各个节点，直至越过根节点或遇到无须 交换的节点时结束。 第 8 章 堆

，防止集群抖动，超过 阈值后需要自动切换 server，但要防止请求风暴。  断网演练：断网场景下，以合理的频率进行重试，断网结束时可以快速重连恢复。 49 > Nacos 架构 5. 安全性 支持基础的鉴权，数据加密能力。 6. 低成本多语⾔实现 在客户端层面要尽可能多的支持多语言，至少要支持⼀个 Java 服务端连接通道，可以使用多个主 流语言的客户端进行访问，并且要考虑各种语言实现的成本，双边交互上要考虑 ng 消息 应用层自定 义，单 byte ack 自定义 kee palive fra me TCP+ 自定 义 自定义 kee palive filte r 性能 tps 安全性 TLS TLS TLS TLS TLS TLS 多语言支持 JAVA 支持 不支持 支持 支持 1.8+ >93% 支持 支持 GO 支持 不支持 支持 支持 1.12+ >93% 台，情况得到了大幅改善，但依旧存在某个同步服务器上 个位数丢失心跳的情况，观察下来，那台同步服务器承受的某几个业务服务的实例数特别多的情况， 我们在那台同步服务器调整了最大同步线程数，该问题得到了修复。我们将继续观察，如果该问题 仍旧复现，不排除升级机器配置到 8C16G 来确保 PROD 环境的绝对安全。 至此，经过 2 个月左右的努力付出，Eureka 和 Nacos 同步运行稳定， PROD

为中心的编程范式支持。当编码应用程序逻辑时，大多 数应用程序开发人员想知道谁才是当前正在执行的用户。虽然应用程序通常能够通过它们自 己的机制（ UserService 等）来查找任何用户，但涉及到安全性时，最重要的问题是“谁才是 当前的用户？”。 虽然通过使用 SecurityManager 可以捕获任何 Subject，但只有基于当前 用户/Subject 的应用 程序代码更自然，更直观。 webapps有用。 在未来版本的教程中,我们将介 绍: 插入不同的用户数据存储,如 RDBMS 或 NoSQL 数据存储。 Fixes and Pull Requests 修复和 pull 请求 请发送任何修复勘误表作为 GitHub pull 请求 到 https://github.com/lhazlewood/apache-shiro- tutorial-webapp 存储库。 我们很感激

HashtableGenericsSample.java 泛型的向后兼容性 • Java 语言中的泛型是维护向后兼容的，完全可以不采用泛型、而继续沿用过去的 做法。 • 这些未加改造的旧式代码将无法使用泛型带来的便利和安全性。 未启用泛型机制的代码在高版本编译器中会输出如下形式的编译提示信息： output 注: VectorGenericsSample.java 使用了未经检查或不安全的操作。 注: 有关详细信息 繁琐，引用泛型机制后代码的通用性似乎不如从前？ 8.3.2 泛型类型的处理方法 可能的处理方法（不要使用） 将遍历方法的形参定义为不带任何类型参数的原型类型 Vector，但这样会破坏已 有的类型安全性。 1 public void overview(Vector v) { 2 for(Object o: v) { 3 String.out.println(o); 4 } . . . . 分布式 通过局域网或 Internet 连接分布在一个组织内部或世界各地的部门及用户。 高速反应性 企业组织需要不断地改变业务规则来适应业务需求或商业模式的不断变 化。 高安全性 企业应用系统必须保证运行的高度安全性和可靠性。 可扩展性 要求软件架构具备灵活的可扩展能力和伸缩性，满足信息资源及用户群体的 不断发展。 集成化 必须尽可能的集成已有的遗留系统，最大限度的利用信息资源。 15

，我们先将其添加到堆底。添加后，由于 val 可能大于堆中其它元素，此时堆的成立条件可能已 经被破坏，因此需要修复从插入结点到根结点这条路径上的各个结点，该操作被称为「堆化 Heapify」。 考虑从入堆结点开始，从底至顶执行堆化。具体地，比较插入结点与其父结点的值，若插入结点更大则将它们 交换；并循环以上操作，从底至顶地修复堆中的各个结点；直至越过根结点时结束，或当遇到无需交换的结点 时提前结束。 8. 堆 hello‑algo 开始，从底至顶堆化 */ void siftUp(int i) { while (true) { // 获取结点 i 的父结点 int p = parent(i); // 当“越过根结点”或“结点无需修复”时，结束堆化 if (p < 0 || maxHeap.get(i) <= maxHeap.get(p)) break; // 交换两结点 swap(i, p); // 循环向上堆化 8 127 i = p; } } 堆顶元素出堆 堆顶元素是二叉树根结点，即列表首元素，如果我们直接将首元素从列表中删除，则二叉树中所有结点都会随 之发生移位（索引发生变化），这样后续使用堆化修复就很麻烦了。为了尽量减少元素索引变动，采取以下操 作步骤： 1. 交换堆顶元素与堆底元素（即交换根结点与最右叶结点）； 2. 交换完成后，将堆底从列表中删除（注意，因为已经交换，实际上删除的是原来的堆顶元素）；

分布式 通过局域网或 Internet 连接分布在一个组织内部或 世界各地的部门及用户。 高速反应性 企业组织需要不断地改变业务规则来适应业务需求 或商业模式的不断变化。 高安全性 企业应用系统必须保证运行的高度安全性和可靠性。 可扩展性 要求软件架构具备灵活的可扩展能力和伸缩性，满 足信息资源及用户群体的不断发展。 集成化 必须尽可能的集成已有的遗留系统，最大限度的利 用信息资源。 大纲