............................................................................................. 41 散列算法................................................................................................. 数组/String 之间转换。 散列算法 散列算法一般用于生成数据的摘要信息，是一种不可逆的算法，一般适合存储密码之类的 数据，常见的散列算法如 MD5、SHA 等。一般进行散列时最好提供一个 salt（盐），比如 加密密码“admin”，产生的散列值是“21232f297a57a5a743894a0e4a801fc3”，可以到一 些 md5 解密网站很容易的通过散列值得到密码“admin”，即如果直接对密码进行散列相 果直接对密码进行散列相 对来说破解更容易，此时我们可以加一些只有系统知道的干扰数据，如用户名和 ID（即盐）； 这样散列的对象是“密码+用户名+ID”，这样生成的散列值相对来说更难破解。 String str = "hello"; String base64Encoded = Base64.encodeToString(str.getBytes()); String str2 =

5.4. 小结 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 89 6. 散列表 91 6.1. 哈希表 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 91 本书主要内容包括： ‧ 复杂度分析：数据结构和算法的评价维度，算法效率的评估方法。时间复杂度、空间复杂度的推算方 法、常见类型、示例等。 ‧ 数据结构：基本数据类型，数据结构的分类方法。数组、链表、栈、队列、散列表、树、堆、图等数据 结构的定义、优缺点、常用操作、常见类型、典型应用、实现方法等。 ‧ 算法：搜索、排序、分治、回溯、动态规划、贪心等算法的定义、优缺点、效率、应用场景、解题步骤、 示例题目等。 等编程语言默认使用 UTF‑16 编码。 3.5.1. Q & A � 为什么哈希表同时包含线性数据结构和非线性数据结构？ 哈希表底层是数组，而为了解决哈希冲突，我们可能会使用“拉链法”（后续散列表章节会讲）。 在拉链法中，数组中每个地址（桶）指向一个链表；当这个链表长度超过一定阈值时，又可能 被转化为树（通常为红黑树）。因此，哈希表可能同时包含线性（数组、链表）和非线性（树） 数据结构。

4. 小结 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 81 6. 散列表 82 6.1. 哈希表 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 82 复杂度分析：数据结构与算法的评价维度、算法效率的评估方法。时间复杂度、空间复杂度，包括推算 方法、常见类型、示例等。 ‧ 数据结构：常用的基本数据类型，数据在内存中的存储方式、数据结构分类方法。数组、链表、栈、队列、 散列表、树、堆、图等数据结构，内容包括定义、优劣势、常用操作、常见类型、典型应用、实现方法等。 ‧ 算法：查找算法、排序算法、搜索与回溯、动态规划、分治算法，内容包括定义、使用场景、优劣势、时 空效率、实现方法、示例题目等。 且可以灵活地修改长度；但结点访问效率低、占用 内存多。常见的链表类型有单向链表、循环链表、双向链表。 ‧ 列表又称动态数组，是基于数组实现的一种数据结构，其保存了数组的优势，且可以灵活改变长度。列 表的出现大大提升了数组的实用性，但副作用是会造成部分内存空间浪费。 ‧ 下表总结对比了数组与链表的各项特性。 数组 链表 存储方式 连续内存空间 离散内存空间 数据结构长度 长度不可变 长度可变

4. 小结 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 81 6. 散列表 83 6.1. 哈希表 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 83 复杂度分析：数据结构与算法的评价维度、算法效率的评估方法。时间复杂度、空间复杂度，包括推算 方法、常见类型、示例等。 ‧ 数据结构：常用的基本数据类型，数据在内存中的存储方式、数据结构分类方法。数组、链表、栈、队列、 散列表、树、堆、图等数据结构，内容包括定义、优劣势、常用操作、常见类型、典型应用、实现方法等。 ‧ 算法：查找算法、排序算法、搜索与回溯、动态规划、分治算法，内容包括定义、使用场景、优劣势、时 空效率、实现方法、示例题目等。 且可以灵活地修改长度；但结点访问效率低、占用 内存多。常见的链表类型有单向链表、循环链表、双向链表。 ‧ 列表又称动态数组，是基于数组实现的一种数据结构，其保存了数组的优势，且可以灵活改变长度。列 表的出现大大提升了数组的实用性，但副作用是会造成部分内存空间浪费。 ‧ 下表总结对比了数组与链表的各项特性。 数组 链表 存储方式 连续内存空间 离散内存空间 数据结构长度 长度不可变 长度可变

基本上是一个文本配置，包含了由唯一命名的 section 组织的键/值对。键只是每个 section 唯一，而不是在整个 配置中（与 JDK 属性不同）。不过每个 section 都可以被看作单一的属性定义。 注释行能够以散列字符（# - 也就是"hash","pound"或"number"符号）或分号（";"）开始。 以下是 Shiro 能够理解的 section 例子： [main] 如果你不想[users] section 中密码是纯文本的，你可以使用你喜爱的散列算法（MD5，Sha1，Sha256，等等）来进行 加密，并使用生产的字符串作为密码值。默认情况下，密码字符串是 16 进制编码，但可以使用 Base64 编码代替 16 进制编码来配置（见下面）。 一旦你指定了文本密码散列值，你得告诉 Shiro 这些都是加密的。你可以通过配置在[main] section Credentials 并非是存储 credentials 在其原始的 form 及执行原始/普通的比较，一个更安全的方式存储终端用户的 credentials（如， 密码）是在存储它们到数据存储之前将它们单向散列化。 这确保终端用户的 credentials 绝不会以原始的 form 存储，而且没人会知道原始值。这是一个比纯文本或原始比较 更为安全的机制，同时所有关注安全的应用程序应该较非哈希化的存储更为喜欢。

printer:query,print,manage 简单点变成这样： printer:* 然后，任何对 "printer:XXX" 的权限检查都将返回 true。以这种方式使用的通配符比明确地列 出操作具有更好的尺度，如果你不久为应用程序增加了一个新的操作，你不需要更新使用通 配符那部分的权限。 最后，在一个通配符权限字符串中的任何部分使用通配符 token 也是可以的。例如，如果你 RandomNumberGenerator rng = new SecureRandomNumberGenerator(); Object salt = rng.nextBytes(); //我们的纯文本密码经过散列随机盐和多次迭代， //得到Base64编码的值（比Hex需要较少的空间）： String hashedPasswordBase64 = new Sha256Hash(plainTextPassword 目录的源码构建或通过Maven下载。 一旦你获得 jar,您可以运行下面的命令: java -jar shiro-tools-hasher-X.X.X-cli.jar 这将打印所有可用选项标准(MD5、SHA1)和更复杂的密码散列的场景。 Common Scenarios 常见的场景 请参阅上面的命令打印指令。 它将提供一个详尽的清单的指令将帮助您根据您的需要使用厨 师。 然而,我们已经提供了一些快速参考用途/场景下面方便。

在计算机世界中，哈希表如同一位聪慧的图书管理员。 他知道如何计算索书号，从而可以快速找到目标图书。 第 6 章 哈希表 hello‑algo.com 113 6.1 哈希表 哈希表（hash table），又称散列表，它通过建立键 key 与值 value 之间的映射，实现高效的元素查询。具体而 言，我们向哈希表中输入一个键 key ，则可以在 ?(1) 时间内获取对应的值 value 。 如图 6‑1 所示，给定 节点对象 utils.ListNode@7dc5e7b4 的哈希值为 2110121908 在许多编程语言中，只有不可变对象才可作为哈希表的 key 。假如我们将列表（动态数组）作为 key ，当列 表的内容发生变化时，它的哈希值也随之改变，我们就无法在哈希表中查询到原先的 value 了。 虽然自定义对象（比如链表节点）的成员变量是可变的，但它是可哈希的。这是因为对象的哈希值通常是基 于 完美二叉树是一个特例，在二叉树的中间层通常存在许多 None 。由于层序遍历序列并不包含这些 None ，因 此我们无法仅凭该序列来推测 None 的数量和分布位置。这意味着存在多种二叉树结构都符合该层序遍历序 列。 如图 7‑13 所示，给定一棵非完美二叉树，上述数组表示方法已经失效。 第 7 章 树 hello‑algo.com 147 图 7‑13 层序遍历序列对应多种二叉树可能性 为了解决此问题

在计算机世界中，哈希表如同一位聪慧的图书管理员。 他知道如何计算索书号，从而可以快速找到目标图书。 第 6 章 哈希表 hello‑algo.com 113 6.1 哈希表 「哈希表 hash table」，又称「散列表」，它通过建立键 key 与值 value 之间的映射，实现高效的元素查询。具 体而言，我们向哈希表中输入一个键 key ，则可以在 ?(1) 时间内获取对应的值 value 。 如图 6‑1 节点对象 utils.ListNode@7dc5e7b4 的哈希值为 2110121908 在许多编程语言中，只有不可变对象才可作为哈希表的 key 。假如我们将列表（动态数组）作为 key ，当列 表的内容发生变化时，它的哈希值也随之改变，我们就无法在哈希表中查询到原先的 value 了。 虽然自定义对象（比如链表节点）的成员变量是可变的，但它是可哈希的。这是因为对象的哈希值通常是基 于 完美二叉树是一个特例，在二叉树的中间层通常存在许多 None 。由于层序遍历序列并不包含这些 None ，因 此我们无法仅凭该序列来推测 None 的数量和分布位置。这意味着存在多种二叉树结构都符合该层序遍历序 列。 如图 7‑13 所示，给定一棵非完美二叉树，上述数组表示方法已经失效。 第 7 章 树 hello‑algo.com 147 图 7‑13 层序遍历序列对应多种二叉树可能性 为了解决此问题

在计算机世界中，哈希表如同一位智能的图书管理员。 他知道如何计算索书号，从而可以快速找到目标书籍。 第 6 章 哈希表 hello‑algo.com 109 6.1 哈希表 「哈希表 hash table」，又称「散列表」，其通过建立键 key 与值 value 之间的映射，实现高效的元素查询。具 体而言，我们向哈希表输入一个键 key ，则可以在 ?(1) 时间内获取对应的值 value 。 如图 6‑1 所示，给定 节点对象 utils.ListNode@7dc5e7b4 的哈希值为 2110121908 在许多编程语言中，只有不可变对象才可作为哈希表的 key 。假如我们将列表（动态数组）作为 key ，当列 表的内容发生变化时，它的哈希值也随之改变，我们就无法在哈希表中查询到原先的 value 了。 虽然自定义对象（比如链表节点）的成员变量是可变的，但它是可哈希的。这是因为对象的哈希值通常是基 于 二叉树可以用数组表示，方法是将节点值和空位按层序遍历顺序排列，并根据父节点与子节点之间的 索引映射关系来实现指针。 ‧ 二叉树的层序遍历是一种广度优先搜索方法，它体现了“一圈一圈向外”的分层遍历方式，通常通过队 列来实现。 ‧ 前序、中序、后序遍历皆属于深度优先搜索，它们体现了“走到尽头，再回头继续”的回溯遍历方式， 通常使用递归来实现。 ‧ 二叉搜索树是一种高效的元素查找数据结构，其查找、插入和删除操作的时间复杂度均为

在计算机世界中，哈希表如同一位聪慧的图书管理员。 他知道如何计算索书号，从而可以快速找到目标图书。 第 6 章 哈希表 www.hello‑algo.com 113 6.1 哈希表 哈希表（hash table），又称散列表，它通过建立键 key 与值 value 之间的映射，实现高效的元素查询。具体而 言，我们向哈希表中输入一个键 key ，则可以在 ?(1) 时间内获取对应的值 value 。 如图 6‑1 所示，给定 节点对象 utils.ListNode@7dc5e7b4 的哈希值为 2110121908 在许多编程语言中，只有不可变对象才可作为哈希表的 key 。假如我们将列表（动态数组）作为 key ，当列 表的内容发生变化时，它的哈希值也随之改变，我们就无法在哈希表中查询到原先的 value 了。 虽然自定义对象（比如链表节点）的成员变量是可变的，但它是可哈希的。这是因为对象的哈希值通常是基 于 完美二叉树是一个特例，在二叉树的中间层通常存在许多 None 。由于层序遍历序列并不包含这些 None ，因 此我们无法仅凭该序列来推测 None 的数量和分布位置。这意味着存在多种二叉树结构都符合该层序遍历序 列。 如图 7‑13 所示，给定一棵非完美二叉树，上述数组表示方法已经失效。 第 7 章 树 www.hello‑algo.com 147 图 7‑13 层序遍历序列对应多种二叉树可能性 为了解