forEach 方法遍历数组 nums.forEach((_num) { count += _num; }); } 6. 查找元素 在数组中查找指定元素需要遍历数组，每轮判断元素值是否匹配，若匹配则输出对应索引。 因为数组是线性数据结构，所以上述查找操作被称为“线性查找”。 // === File: array.dart === /* 在数组中查找指定元素 */ int find(List 载机制。 ‧ 缓存行：缓存不是单个字节地存储与加载数据，而是以缓存行为单位。相比于单个字节的传输，缓存行 的传输形式更加高效。 ‧ 预取机制：处理器会尝试预测数据访问模式（例如顺序访问、固定步长跳跃访问等），并根据特定模式 将数据加载至缓存之中，从而提升命中率。 ‧ 空间局部性：如果一个数据被访问，那么它附近的数据可能近期也会被访问。因此，缓存在加载某一数 据时，也会加载其附近的数据，以提高命中率。 占用空间：链表元素比数组元素占用空间更多，导致缓存中容纳的有效数据量更少。 ‧ 缓存行：链表数据分散在内存各处，而缓存是“按行加载”的，因此加载到无效数据的比例更高。 ‧ 预取机制：数组比链表的数据访问模式更具“可预测性”，即系统更容易猜出即将被加载的数据。 ‧ 空间局部性：数组被存储在集中的内存空间中，因此被加载数据附近的数据更有可能即将被访问。 总体而言，数组具有更高的缓存命中率，因此它在操作

forEach 方法遍历数组 nums.forEach((_num) { count += _num; }); } 6. 查找元素 在数组中查找指定元素需要遍历数组，每轮判断元素值是否匹配，若匹配则输出对应索引。 因为数组是线性数据结构，所以上述查找操作被称为“线性查找”。 // === File: array.dart === /* 在数组中查找指定元素 */ int find(List 载机制。 ‧ 缓存行：缓存不是单个字节地存储与加载数据，而是以缓存行为单位。相比于单个字节的传输，缓存行 的传输形式更加高效。 ‧ 预取机制：处理器会尝试预测数据访问模式（例如顺序访问、固定步长跳跃访问等），并根据特定模式 将数据加载至缓存之中，从而提升命中率。 ‧ 空间局部性：如果一个数据被访问，那么它附近的数据可能近期也会被访问。因此，缓存在加载某一数 据时，也会加载其附近的数据，以提高命中率。 占用空间：链表元素比数组元素占用空间更多，导致缓存中容纳的有效数据量更少。 ‧ 缓存行：链表数据分散在内存各处，而缓存是“按行加载”的，因此加载到无效数据的比例更高。 ‧ 预取机制：数组比链表的数据访问模式更具“可预测性”，即系统更容易猜出即将被加载的数据。 ‧ 空间局部性：数组被存储在集中的内存空间中，因此被加载数据附近的数据更有可能即将被访问。 总体而言，数组具有更高的缓存命中率，因此它在操作

forEach 方法遍历数组 nums.forEach((_num) { count += _num; }); } 6. 查找元素 在数组中查找指定元素需要遍历数组，每轮判断元素值是否匹配，若匹配则输出对应索引。 因为数组是线性数据结构，所以上述查找操作被称为“线性查找”。 // === File: array.dart === /* 在数组中查找指定元素 */ int find(List 载机制。 ‧ 缓存行：缓存不是单个字节地存储与加载数据，而是以缓存行为单位。相比于单个字节的传输，缓存行 的传输形式更加高效。 ‧ 预取机制：处理器会尝试预测数据访问模式（例如顺序访问、固定步长跳跃访问等），并根据特定模式 将数据加载至缓存之中，从而提升命中率。 ‧ 空间局部性：如果一个数据被访问，那么它附近的数据可能近期也会被访问。因此，缓存在加载某一数 据时，也会加载其附近的数据，以提高命中率。 占用空间：链表元素比数组元素占用空间更多，导致缓存中容纳的有效数据量更少。 ‧ 缓存行：链表数据分散在内存各处，而缓存是“按行加载”的，因此加载到无效数据的比例更高。 ‧ 预取机制：数组比链表的数据访问模式更具“可预测性”，即系统更容易猜出即将被加载的数据。 ‧ 空间局部性：数组被存储在集中的内存空间中，因此被加载数据附近的数据更有可能即将被访问。 总体而言，数组具有更高的缓存命中率，因此它在操作

forEach 方法走訪陣列 nums.forEach((_num) { count += _num; }); } 6. 查詢元素 在陣列中查詢指定元素需要走訪陣列，每輪判斷元素值是否匹配，若匹配則輸出對應索引。 因為陣列是線性資料結構，所以上述查詢操作被稱為“線性查詢”。 // === File: array.dart === /* 在陣列中查詢指定元素 */ int find(List 制。 ‧ 快取行：快取不是單個位元組地儲存與載入資料，而是以快取行為單位。相比於單個位元組的傳輸，快 取行的傳輸形式更加高效。 ‧ 預取機制：處理器會嘗試預測資料訪問模式（例如順序訪問、固定步長跳躍訪問等），並根據特定模式 將資料載入至快取之中，從而提升命中率。 ‧ 空間區域性：如果一個數據被訪問，那麼它附近的資料可能近期也會被訪問。因此，快取在載入某一資 料時，也會載入其附近的資料，以提高命中率。 佔用空間：鏈結串列元素比陣列元素佔用空間更多，導致快取中容納的有效資料量更少。 ‧ 快取行：鏈結串列資料分散在記憶體各處，而快取是“按行載入”的，因此載入到無效資料的比例更高。 ‧ 預取機制：陣列比鏈結串列的資料訪問模式更具“可預測性”，即系統更容易猜出即將被載入的資料。 ‧ 空間區域性：陣列被儲存在集中的記憶體空間中，因此被載入資料附近的資料更有可能即將被訪問。 總體而言，陣列具有更高的快取命中率，因此它在操

通过 forEach 方法遍历数组 nums.forEach((element) { count++; }); } 6. 查找元素 在数组中查找指定元素需要遍历数组，每轮判断元素值是否匹配，若匹配则输出对应索引。 因为数组是线性数据结构，所以上述查找操作被称为“线性查找”。 // === File: array.dart === /* 在数组中查找指定元素 */ int find(List 行比较。如果两者匹 配，那么密码就被视为正确。 ‧ 数据完整性检查：数据发送方可以计算数据的哈希值并将其一同发送；接收方可以重新计算接收到的 数据的哈希值，并与接收到的哈希值进行比较。如果两者匹配，那么数据就被视为完整的。 对于密码学的相关应用，为了防止从哈希值推导出原始密码等逆向工程，哈希算法需要具备更高等级的安全 特性。 ‧ 抗碰撞性：应当极其困难找到两个不同的输入，使得它们的哈希值相同。 思考的是，为什么要强调对质数取模，或者说对合数取模的弊端是什么？这是一个有趣的问题。 先抛出结论：当我们使用大质数作为模数时，可以最大化地保证哈希值的均匀分布。因为质数不会与其他数 字存在公约数，可以减少因取模操作而产生的周期性模式，从而避免哈希冲突。 举个例子，假设我们选择合数 9 作为模数，它可以被 3 整除。那么所有可以被 3 整除的 key 都会被映射到 0、 3、6 这三个哈希值。 modulus = 9 key