Question

我需要在C ++中使用面向性能的哈希函数实现来实现我将要编码的哈希表。我已经环顾四周，只发现了一个问题，询问什么是“一般”的好散列函数。我已经考虑过CRC32（但哪里可以找到好的实现？）和一些加密算法。不过，我的表格有非常具体的要求。

这是表格的样子：

100,000 items max
200,000 capacity (so the load is 0.5)
hashing a 6-character string which is a part of English sentence
     examples: "become"    "and he"    ", not "

我的哈希表的第一优先级是快速搜索（检索）。快速插入并不重要，但它会伴随快速搜索。删除并不重要，重新哈希不是我要研究的东西。为了处理冲突，我可能正在使用单独的链接，如here所述。我已经看过this article了，但是想要对那些曾经处理过这样的任务的人提出意见。

Answer 1

现在假设你想要一个哈希，并想要一些能够在你的情况下工作的快速，因为你的字符串只有6个字符长，你可以使用这个魔法：

size_t precision = 2; //change the precision with this
size_t hash(const char* str)
{
   return (*(size_t*)str)>> precision;
}

CRC用于慢速播放;）

<强>说明：这是通过将字符串指针的内容转换为“看起来像”size_t（int32或int64，基于硬件的最佳匹配）来实现的。因此，字符串的内容被解释为原始数字，不再担心字符，然后您将所需的精度进行位移（您将此数字调整为最佳性能，我发现2对于散列字符串很有效）成千上万）。

另外，真正整洁的部分是现代硬件上任何体面的编译器都会在1个汇编指令中散列这样的字符串，很难被击败;）

Answer 2

这个简单的多项式非常有效。我从微软研究院的Paul Larson那里得到了它，他研究了各种哈希函数和哈希乘法器。

unsigned hash(const char* s, unsigned salt)
{
    unsigned h = salt;
    while (*s)
        h = h * 101 + (unsigned) *s++;
    return h;
}

在创建哈希表以防御hash table attacks之前，应将

salt初始化为某些随机选择的值。如果这对您来说不是问题，请使用0。

表格的大小也很重要，以尽量减少碰撞。听起来像你的很好。

Answer 3

Boost.Functional/Hash可能对您有用。我没试过，所以我不能保证它的表现。

Boost也有CRC library。

我首先看Boost.Unordered（即boost :: unordered_map＆lt;＆gt;）。它使用哈希映射而不是二进制树作为容器。

我相信一些STL实现有一个hash_map＆lt;＆gt; stdext命名空间中的容器。

Answer 4

表的大小将决定您应该使用的大小哈希值。您希望尽可能减少碰撞。我不确定你用最大项目和容量指定了什么（它们对我来说似乎是一样的）在任何情况下，这些数字中的任何一个都表明32位散列就足够了。您可能会使用CRC16（约65,000种可能性），但您可能会遇到很多冲突。另一方面，碰撞可能比CRC32散列更快地处理。

我想说，请使用CRC32。您会发现文档和示例代码不缺。由于您已经计算出最大值并且速度是优先级，因此请使用指针数组。使用哈希生成索引。在碰撞时，增加索引直到你碰到一个空桶..快速而简单。

Answer 5

由于您存储英文单词，因此您的大多数字符都是字母，并且数据的最重要的两位不会有太大的变化。除此之外，我会保持它非常简单，只需使用XOR。毕竟你不是在寻找加密强度，而只是为了合理均匀分布。这些方面的东西：

size_t hash(const std::string &data) {
  size_t h(0);
  for (int i=0; i<data.length(); i++)
    h = (h << 6) ^ (h >> 26) ^ data[i];
  }
  return h;
}

除此之外，您是否将std :: tr1 :: hash视为哈希函数和/或std :: tr1 :: unordered_map作为哈希表的实现？使用这些可能会节省很多与实现自己的类相反的工作。

Answer 6

如果您需要搜索短字符串并且插入不是问题，也许您可以使用B树或2-3树，在您的情况下通过散列不会获得太多收益。

你这样做的方法是在每个节点上放一个字母，这样你首先要检查节点“a”，然后检查“a”的子节点是否为“p”，它是“p”的子节点，然后是“l”然后是“e”。在你有“苹果”和“申请”的情况下，你需要寻找最后一个节点，（因为唯一的区别在于最后一个“e”和“y”）

但是在大多数情况下，你只需几步就可以得到这个词（“xylophone”=＆gt;“x” - ＆gt;“ylophone”），所以你可以这样优化。这可能比散列更快

Answer 7

哈希表的首要任务是快速搜索（检索）。

那么你使用正确的数据结构，因为在哈希表中搜索是O（1）！：）

CRC32应该没问题。实现并不复杂，它主要基于XOR。只要确保它使用一个好的多项式。

Answer 8

简单的事情：

// Initialize hash lookup so that it maps the characters
// in your string to integers between 0 and 31
int hashLookup[256];

// Hash function for six character strings.
int hash(const char *str)
{
    int ret = 0, mult = 1;
    for (const char *p = str; *p; *p++, mult *= 32) {
        assert(*p >= 0 && *p < 256);
        ret += mult * hashLookup[*p];
    }

    return ret;
}

这假定为32位整数。它每个字符使用5位，因此哈希值只有30位。你可以通过为前一个或两个字符生成六位来解决这个问题。如果字符集足够小，则可能不需要超过30位。

Answer 9

从C ++ 11开始，C ++提供了std::hash< string >( string )。这可能是一种有效的散列函数，可为大多数字符串提供good distribution of hash-codes。

此外，如果您正在考虑实现哈希表，那么您现在应该考虑使用C ++ std::unordered_map。

有一个很好的哈希函数的C ++哈希表？

9 个答案: