1
Base64: 与其说是加密解密，还不如说是编码和解码吧，这种加密方式只能防止人一眼看穿
MD5: 加密是只有加密，没有解密方法，即不可逆转。通过MD5加密，会生成一串字符 http://blog.csdn.net/oskytonight/article/details/25058695
2R
RSA： 主要用于公钥加密私钥解密、私钥签名公钥验签。
有了公钥和私钥，就能进行加密和解密了。A（1）加密要用公钥 (n,e) B（2）解密要用私钥(n,d)
http://www.ruanyifeng.com/blog/2013/07/rsa_algorithm_part_two.html
3
加密过程：明文+公钥-》密文
解密： 密文+私钥=》明文
签名： orderInfor+私钥
验签： 支付结果 + 公钥 <商户服务器处理>
4 区别： 密钥 加密算法： 一个字符串 一个算法。
可理解为：一个加密算法正好包含两个输入参数，一个是明文，一个是密钥，理解了吧 String sign = SignUtils.sign(info, RSA_PRIVATE);
----------------------------------------------
问题：红黑树map set效率so高，why还要存在vector list
1 list封装的是双链表；map封装的是二叉树，
2 查找的时候一个是遍历，一个是二分法。so查找方面:map有很高的效率
3 list容器是表示不连续的内存区域，不支持随即访问/随机存储
4 map set在del insert时效率< list，因为:要调整旋转树,保持平衡状态
----------------------------------------------------------------------------------------
http://blog.chinaunix.net/uid-25324849-id-2182877.html --- 数据结构之AVL树
http://www.cnblogs.com/yangecnu/p/Introduce-Red-Black-Tree.html -- 浅谈算法和数据结构: 九 平衡查找树之红黑树
红黑树数据结构剖析
C++提供的模板机制可以做到数据结构与具体数据类型无关，就像STL实现的那样。不过本文并非去实现STL中的红黑树，更重要的是透过红黑树的实现学习相关的算法和思想
红黑树和之前所讲的AVL树类似，都是在进行插入和删除操作时通过特定操作保持二叉查找树的平衡，从而获得较高的查找性能。自从红黑树出来后，AVL树就被放到了博物馆里，据说是红黑树有更好的效率。
一、基本概念
在具体实现红黑树之前，必须弄清它的基本含义。红黑树本质上是一颗二叉搜索树，它满足二叉搜索树的基本性质——即树中的任何节点的值大于它的左子节点，且小于它的右子节点。
数据结构之AVL树
AVL树的复杂程度真是比二叉搜索树高了整整一个数量级——它的原理并不难弄懂，但要把它用代码实现出来还真的有点费脑筋。下面我们来看看：
AVL树本质上还是一棵二叉搜索树（因此读者可以看到我后面的代码是继承自二叉搜索树的），它的特点是：
1. 本身首先是一棵二叉搜索树。
2. 带有平衡条件：每个结点的左右子树的高度之差的绝对值（平衡因子）最多为1。
例如：
5 5
/ \ / \
2 6 2 6
/ \ \ / \
1 4 7 1 4
/ /
3 3
上图中，左边的是AVL树，而右边的不是。因为左边的树的每个结点的左右子树的高度之差的绝对值都最多为1，而右边的树由于结点6没有子树，导致根结点5的平衡因子为2。
有人也许要问：为什么要有AVL树呢？它有什么作用呢？
我们先来看看二叉搜索树吧（因为AVL树本质上是一棵二叉搜索树），假设有这么一种极端的情况：二叉搜索树的结点为1、2、3、4、5，也就是：
1
\
2
\
3
\
4
\
5
聪明的你是不是发现什么了呢？呵呵，显而易见——这棵二叉搜索树其实等同于一个链表了，也就是说，它在查找上的优势已经全无了——在这种情况下，查找一个结点的时间复杂度是O(N)！
好，那么假如是AVL树（别忘了AVL树还是二叉搜索树），则会是：
2
/ \
1 4
/ \
3 5
可以看出，AVL树的查找平均时间复杂度要比二叉搜索树低——它是O(logN)。也就是说，在大量的随机数据中AVL树的表现要好得多。
假设有一个结点的平衡因子为2（在AVL树中，最大就是2，因为结点是一个一个地插入到树中的，一旦出现不平衡的状态就会立即进行调整，因此平衡因子最大不可能超过2），那么就需要进行调整。由于任意一个结点最多只有两个儿子，所以当高度不平衡时，只可能是以下四种情况造成的：
1. 对该结点的左儿子的左子树进行了一次插入。
2. 对该结点的左儿子的右子树进行了一次插入。
3. 对该结点的右儿子的左子树进行了一次插入。
4. 对该结点的右儿子的右子树进行了一次插入。
情况1和4是关于该点的镜像对称，同样，情况2和3也是一对镜像对称。因此，理论上只有两种情况，当然了，从编程的角度来看还是四种情况。
第一种情况是插入发生在“外边”的情况（即左-左的情况或右-右的情况），该情况可以通过对树的一次单旋转来完成调整。第二种情况是插入发生在“内部”的情况（即左-右的情况或右-左的情况），该情况要通过稍微复杂些的双旋转来处理。
情况1：对该结点的左儿子的左子树进行了一次插入。
--------------------------------------------------------------------------------