哈希表实现

时间:2011-06-15 22:25:32

标签: c hashtable

我刚买了一本书“C接口和实现”。 在第一章中,它实现了一个“Atom”结构,示例代码如下:

#define NELEMS(x) ((sizeof (x))/(sizeof ((x)[0])))
static struct atom {
    struct atom *link;
    int len;
    char *str;
} *buckets[2048];
static unsigned long scatter[] = {
2078917053, 143302914, 1027100827, 1953210302, 755253631, 2002600785,
1405390230, 45248011, 1099951567, 433832350, 2018585307, 438263339,
813528929, 1703199216, 618906479, 573714703, 766270699, 275680090,
1510320440, 1583583926, 1723401032, 1965443329, 1098183682, 1636505764,
980071615, 1011597961, 643279273, 1315461275, 157584038, 1069844923,
471560540, 89017443, 1213147837, 1498661368, 2042227746, 1968401469,
1353778505, 1300134328, 2013649480, 306246424, 1733966678, 1884751139,
744509763, 400011959, 1440466707, 1363416242, 973726663, 59253759,
1639096332, 336563455, 1642837685, 1215013716, 154523136, 593537720,
704035832, 1134594751, 1605135681, 1347315106, 302572379, 1762719719,
269676381, 774132919, 1851737163, 1482824219, 125310639, 1746481261,
1303742040, 1479089144, 899131941, 1169907872, 1785335569, 485614972,
907175364, 382361684, 885626931, 200158423, 1745777927, 1859353594,
259412182, 1237390611, 48433401, 1902249868, 304920680, 202956538,
348303940, 1008956512, 1337551289, 1953439621, 208787970, 1640123668,
1568675693, 478464352, 266772940, 1272929208, 1961288571, 392083579,
871926821, 1117546963, 1871172724, 1771058762, 139971187, 1509024645,
109190086, 1047146551, 1891386329, 994817018, 1247304975, 1489680608,
706686964, 1506717157, 579587572, 755120366, 1261483377, 884508252,
958076904, 1609787317, 1893464764, 148144545, 1415743291, 2102252735,
1788268214, 836935336, 433233439, 2055041154, 2109864544, 247038362,
299641085, 834307717, 1364585325, 23330161, 457882831, 1504556512,
1532354806, 567072918, 404219416, 1276257488, 1561889936, 1651524391,
618454448, 121093252, 1010757900, 1198042020, 876213618, 124757630,
2082550272, 1834290522, 1734544947, 1828531389, 1982435068, 1002804590,
1783300476, 1623219634, 1839739926, 69050267, 1530777140, 1802120822,
316088629, 1830418225, 488944891, 1680673954, 1853748387, 946827723,
1037746818, 1238619545, 1513900641, 1441966234, 367393385, 928306929,
946006977, 985847834, 1049400181, 1956764878, 36406206, 1925613800,
2081522508, 2118956479, 1612420674, 1668583807, 1800004220, 1447372094,
523904750, 1435821048, 923108080, 216161028, 1504871315, 306401572,
2018281851, 1820959944, 2136819798, 359743094, 1354150250, 1843084537,
1306570817, 244413420, 934220434, 672987810, 1686379655, 1301613820,
1601294739, 484902984, 139978006, 503211273, 294184214, 176384212,
281341425, 228223074, 147857043, 1893762099, 1896806882, 1947861263,
1193650546, 273227984, 1236198663, 2116758626, 489389012, 593586330,
275676551, 360187215, 267062626, 265012701, 719930310, 1621212876,
2108097238, 2026501127, 1865626297, 894834024, 552005290, 1404522304,
48964196, 5816381, 1889425288, 188942202, 509027654, 36125855,
365326415, 790369079, 264348929, 513183458, 536647531, 13672163,
313561074, 1730298077, 286900147, 1549759737, 1699573055, 776289160,
2143346068, 1975249606, 1136476375, 262925046, 92778659, 1856406685,
1884137923, 53392249, 1735424165, 1602280572
};
const char *Atom_new(const char *str, int len) {
    unsigned long h;
    int i;
    struct atom *p;
    assert(str);
    assert(len >= 0);
    for (h = 0, i = 0; i < len; i++)
        h = (h<<1) + scatter[(unsigned char)str[i]];
    h &= NELEMS(buckets)-1;
    for (p = buckets[h]; p; p = p->link)
        if (len == p->len) {
            for (i = 0; i < len && p->str[i] == str[i]; )
                i++;
            if (i == len)
                return p->str;
        }
    p = ALLOC(sizeof (*p) + len + 1);
    p->len = len;
    p->str = (char *)(p + 1);
    if (len > 0)
        memcpy(p->str, str, len);
    p->str[len] = '\0';
    p->link = buckets[h];
    buckets[h] = p;//insert atom in front of list
    return p->str;
}

在本章末尾,在练习3.1中,该书的作者说 “大多数文本都建议使用素数作为 桶。使用素数和良好的散列函数通常会给出一个 更好地分配挂在水桶上的列表的长度。 Atom使用2的幂,有时明确引用 作为一个糟糕的选择。编写一个程序来生成或读取10,000个 典型的字符串和度量Atom_new的速度和分布 列表的长度。然后更换桶以便它具有 2,039个条目(最大素数小于2,048),并重复 测量。使用主要帮助吗?你有多少 结论取决于您的具体机器?

所以我确实将哈希表大小更改为2039,但它实际上是一个素数 如果列表的长度分布不好,我已经尝试了64,61,61实际上也做了不好的分配。

我只是想知道为什么主表大小会造成错误的分布,这是因为与Atom_new一起使用的散列函数是一个错误的散列函数吗?

我正在使用此函数打印出原子列表的长度

#define B_SIZE 2048
void Atom_print(void)
{
    int i,t;
    struct atom *atom;
    for(i= 0;i<B_SIZE;i++) {
        t = 0;
        for(atom=buckets[i];atom;atom=atom->link) {
            ++t;
        }
        printf("%d ",t);
    }
}

4 个答案:

答案 0 :(得分:7)

我认为这是选择存储桶的代码。在您粘贴的代码中,它说:

h &= NELEMS(buckets)-1;

适用于2的幂的大小,因为它的最终效果是选择h的低位。对于其他大小,NELEMS(buckets)-1将具有0中的位,并且逐位&运算符将丢弃这些位,从而在存储桶列表中留下“漏洞”。

铲斗选择的通用公式为:

h = h % NELEMS(buckets);

答案 1 :(得分:7)

好吧,前段时间我不得不实现一个哈希表(在驱动程序开发中),我差不多。为什么我应该使用素数? OTOH功率为2甚至更好 - 而不是在功率为2的情况下计算模数,您可以使用按位AND。

所以我实现了这样一个哈希表。键是一个指针(由某些第三方函数返回)。然后,最终我注意到在我的哈希表中只有1/4的条目被填充。因为我使用的哈希函数是身份函数,而以防万一,结果是所有返回的指针都是4的倍数。

对哈希表大小使用素数的想法如下:实际哈希函数生成均匀分布的值。通常存在(或至少可能存在)一些依赖性。因此,为了扩散这个分布,建议使用素数。

顺便说一句,理论上可能会发生哈希函数偶尔产生的数字是你选择的素数的倍数。但是这个概率低于它不是素数的概率。

答案 2 :(得分:6)

这是来自Eternally Confuzzled的Julienne Walker关于哈希表大小的说法:

  

当谈到哈希表时,最多   推荐的表格大小是任何素数   数。这个建议已经提出   因为哈希一般是   误解了,哈希函数差   需要额外的混合步骤   按素数除以类似于   均匀分布。另一个原因   建议使用主要表格大小   是因为几次碰撞   解决方法要求它起作用。   实际上,这是一种概括   而且实际上是假的(两个权力   通常具有奇数步长   对大多数碰撞工作也一样好   解决策略),但并不多   人们考虑替代方案   在哈希表世界中,素数   规则。

答案 3 :(得分:0)

这里还有另一个因素,那就是常数散列值应该都是奇数/素数且广泛分散。如果在要进行散列的键中有偶数个单位(例如字符),则具有所有奇数常量将为您提供均匀的初始散列值。对于奇数个单位,你会得到一个奇数。我已经做了一些实验,只有50/50%的分配在晚上的发行中值得很多。当然,如果所有键都相同,这无关紧要。

散列还需要确保您不会获得与“ABA”或“BAA”相同的“AAB”初始哈希值。