划分是求Kth、快速排序等的基础。
目标：一个数组array，给定一个pivotIndex，要求将array[pivotIndex]的对象至于storeIndex位置，使得[left,storeIndex)的元素都小于array[pivotIndex]，而使得大于[storeIndex,right]的元素都大于等于array[pivotIndex]。
算法步骤：
1、交换array[pivotIndex]和array[right]，记前者为pivot
2、用store表示pivo[......]
插入排序：
类似洗牌，将从1~N的数字分别插入到合适的位置，当然对于数组来说，需要做相应的移动。基础的方法是依次挪动，较为快捷的方法是memmove。
需要说明的是，按照Linux的man手册，memmove是支持内存overlap的，即可以部分重叠，函数内部会处理好其他的事情，因此类似书上的先移动到buffer，再从buffer移动到另一个位置是没必要的！
#include <stdio.h>
#include <string.h>
typedef[......]
首先声明，根据我的实验测试，MurmurHash并非碰撞效率最好的，但确实是速度非常非常快的。
我将基于C++和如下的官方实现，开发BloomFilter并开源，尽请关注。
http://smhasher.googlecode.com/svn/trunk/MurmurHash3.h
http://smhasher.googlecode.com/svn/trunk/MurmurHash3.cpp[......]
1、给出了Java实现，用Random做为一致性哈希算法。。。
http://blog.locut.us/2008/01/12/a-decent-stand-alone-java-bloom-filter-implementation/
2、分析比较到位：
http://blog.csdn.net/jiaomeng/article/details/1495500
3、这个写的也不错
http://www.cnblogs.com/heaad/archive/2011/01/02/[......]
众所周知的原因，帮大家把这篇文章转载过来，写的很好。
It seems like Bloom filters are all the rage these days. Three years ago I had barely heard of them and now it seems like I see articles and code using them all the time. That's mostly a good thing, since bloom f[......]