我有一大组长整型标识符需要尽可能均匀地分配到（n）桶中。长整数标识符可能包含缺少标识符的口袋。 以此为标准，使用长整数和模数（n）[长整数]之间是否存在差异，或者为长整数的字符串版本生成hashCode更好（以改善分布）然后做一个modulo（n）[hash_code of string（long integer）]？是否需要额外的字符串转换才能通过哈希码获得统一传播？
由于我得到反馈，我的问题没有足够的背景信息。我正在添加更多信息。
标识符基本上是自动递增数字行标识符，这些标识符在表示项ID的数据库中自动生成。缺少标识符的原因是删除。
标识符本身是长整数。 标识符（项目）本身在某些情况下大约为（10s-100）+百万，在某些情况下大约为数千。
仅在标识符为数百万的情况下，我才真正将它们分散到存储桶（标识符计数＆gt;＆gt;存储桶计数）中，以便存储在无SQL系统（分区）中。
我想知道是否由于项目被删除的事实，我是否应该使用（Long）.toString（）。hashCode（）来获得统一传播而不是直接使用长数字。我有一种感觉，做一个toString.hashCode不会给我带来太大的影响，而且我也不喜欢java hashCode不能保证java版本中的相同值（尽管对于String，他们的hashCode实现似乎有记录并且稳定过去几年的过去发布 ）
答案 0 :(得分：1)
无需涉及String。
new Integer(i).hashCode()
...为您提供哈希 - 专为均匀分配到存储桶而设计。
new Integer(i).hashCode() % n
...会给你一个你想要的范围内的数字。
然而 Integer.hashCode()只是：
return value;
因此new Integer(i).hashCode() % n相当于i % n。
答案 1 :(得分：1)
您的问题无法回答。 @ slim的尝试是最好的，因为你的问题中缺少关键信息。
如果它们均匀分布和，则桶的数量明显高于输入的范围，那么苗条的答案就是要走的路。如果这些条件中的任何一个都不成立，那么它就不会起作用。
如果输入范围没有明显高于存储桶数量，则需要确保输入范围是存储桶数量的精确倍数，否则最后的存储桶不会获得尽可能多的物品。例如，对于范围[0-999]和400个桶，前200个桶获得项[0-199]，[400-599]和[800-999]，而其他200个桶获得iems [200-399]和[200-99] 600-799]。
也就是说，你的一半桶最多比另一半多50％。
如果它们不是均匀分布的，因为模运算符除了包装之外不会改变分布，输出分布也不均匀。
这是您需要哈希函数的时候。
但是要构建哈希函数，您必须知道如何表征输入分布。哈希函数的要点是打破输入的重复，可预测的方面。
公平地说，有些哈希函数在大多数数据集上运行得相当好，例如Knuth的乘法方法（假设输入不太大）。你可以说，计算
hash(input) = input * 2654435761 % 2^32
擅长破坏价值集群。但是，它失败了。也就是说，如果您的大多数输入可以被2整除，那么输出也是如此。 [信用this answer]
我发现this gist有一个有趣的汇编，包含各种散列函数及其特征，你可以选择一个最符合数据集特征的函数。