如何测试哈希函数？

Question

有没有办法测试哈希函数的质量？我想在哈希表中使用时有一个很好的传播，如果在单元测试中可以验证它会很好。

编辑：为了澄清，我的问题是我在Java中使用long值，使得前32位编码ID，第二位32位编码另一个ID 。不幸的是，Java的长值散列只是将第一个32位与第二个32位异或，这在我的情况下导致在HashMap中使用时性能非常差。所以我需要一个不同的哈希，并希望有一个单元测试，以便这个问题不再蔓延。

Answer 1

首先，我认为你必须通过对自己的良好传播来定义你的意思。您是指对所有可能的输入进行良好的传播，还是仅为可能的输入提供良好的传播？

例如，如果您正在散列表示正确的完整（第一个+最后一个）名称的字符串，那么您可能不会关心数字ASCII字符的哈希值。

至于测试，您最好的选择是获得您期望的大量或随机输入数据集，并通过哈希函数推送它，看看传播是如何结束的。可能不会有一个魔术程序可以说“是的，这对你的用例来说是一个很好的哈希函数。”但是，如果您可以以编程方式生成输入数据，则应该可以轻松地创建生成大量输入数据的单元测试，然后验证扩展是否在您的定义中。

编辑：在64位长的情况下，是否真的有理由使用哈希映射？为什么不直接使用平衡树，直接使用long作为密钥而不是重新使用它？您在整体节点大小上花了一点点（键值大小的2倍），但最终可能会将其保存在性能中。

Answer 2

您必须使用从您期望它处理的相同（或类似）分发中提取的数据来测试您的哈希函数。当查看64位长的散列函数时，如果从所有可能的长值统一绘制输入值，则默认的Java散列函数非常好。

但是，您已经提到应用程序使用long来存储基本上两个独立的32位值。尝试生成一个类似于您期望实际使用的值的样本，然后使用它进行测试。

对于测试本身，获取样本输入值，对每个值进行散列并将结果放入集合中。计算结果集的大小，并将其与输入集的大小进行比较，这将告诉您哈希函数生成的冲突数。

对于您的特定应用程序，不要简单地将它们一起进行异或，而是尝试将32位值组合在一起，典型的好散列函数将组合两个独立的int。即乘以素数，然后加上。

Answer 3

如果您使用链式哈希表，那么您真正关心的是冲突次数。在哈希表上作为一个简单的计数器实现这将是微不足道的。每次插入一个项目并且表格必须链接时，递增链式计数器。更好的散列算法将导致更少的冲突。一个好的通用表哈希函数可以检查：djb2

Answer 4

根据您的澄清：

  

我在Java中使用了long值，使得前32位编码ID，第二位32位编码另一ID。不幸的是，Java的长值散列只是将第一个32位与第二个32位异或，这在我的情况下导致在HashMap中使用时性能非常差。

看来你在分配两个ID值的方式与HashMap实例的大小之间存在一些不愉快的“共鸣”。

您是否明确调整地图大小或使用默认值？ QAD检查似乎表明HashMap<Long,String>以16桶结构开始，溢出时加倍。这意味着只有ID值的低位实际上参与了散列桶选择。您可以尝试使用其中一个采用初始大小参数的构造函数，并使用初始大小创建地图。

或者，Dave L'建议定义自己的长键散列将允许您避免低位依赖性问题。

另一种看待这种情况的方法是你使用基本类型（long）作为避免定义真实类的方法。我建议通过定义业务类，然后在您自己的类上实现哈希编码，相等和其他方法来管理此问题来查看可以实现的好处。