如何加速哈希函数的冲突率？

Question

鉴于有数十亿个cookie，UUID就像字符串一样，在这个样本上测试像murmur3这样的32位散列函数的碰撞率的最佳方法是什么？

首先，很难生成数十亿个唯一字符串，因为无法将其保存在内存中，并且没有100％精确的随机字符串生成器。

我能想到的只有：

1. 生成它们并使用约。像bloomfilter或cuckoo过滤器这样的数据结构可以丢弃可能的重复项。然后我们就可以准确地说出存储在文件中的5B的唯一UUID。
2. 遍历它们，哈希它们并用哈希码重复步骤1），同时计算有多少冲突。

有没有更好的方法呢？这仍有一个缺点，即在测试2）中的哈希码时存在一定的误报率。哈希码也必须写入文件，在可能出现误报的情况下进行手动检查。

Answer 1

这些震级的murmur_32碰撞率非常高......

只有100M独特的uuids恰好具有1.145577 %碰撞率...

Scala snippet

Answer 2

从英语词典中随机选择一个单词，提交给Google，然后使用返回的网址＆＃34;随机＆＃34;用于测试哈希函数的数据。