我应该阅读多少字符串字符才能获得良好的哈希值？

Question

这对你来说有点难题：如果你使用像CRC-64那样的哈希算法，那么读取一个字符串需要多少字节才能计算好哈希？让我们说你的所有字符串至少2 KB长，然后使用整个字符串计算缓存似乎是浪费或资源，但你认为多少个字符就足够了？只有8个ASCII字符就足够了，因为它等于64位吗？不使用超过8个ASCII字符只是毫无意义？我想知道你的意思。

更新： 使用'良好散列'，我指的是通过使用更多字节来计算散列冲突的可能性不会减少的点。

Answer 1

如果使用超过8个字节或更少的CRC-64，则使用CRC-64没有任何意义：只需“按原样”使用8个字节。除非输入长于预期输出，否则CRC没有任何附加值。

作为一般规则，如果您的哈希函数的输出为 n 位，那么一旦累积了约2 ^{n / 2 < n / 2 < / sup>字符串。简而言之，如果使用64位，那么在前2亿个字符串中遇到冲突是不太可能的。如果你得到一个160位或更多的输出，那么碰撞实际上是不可行的（你会遇到比硬件故障少得多的碰撞，例如CPU着火）。这假设散列函数是“完美的”。如果你的哈希函数首先选择几个数据字节，那么，你做不选择的字节必然会对哈希输出产生任何影响，所以你最好使用“好”的字节 - 这完全取决于你正在散列的字符串的类型。这里没有一般规则。}

我的建议是首先尝试在整个字符串上使用泛型哈希函数;我通常建议MD4。 MD4是一个加密的哈希函数，它已被彻底打破，但对于没有涉及安全性的问题，它仍然非常擅长混合数据元素（加密方面，CRC比MD4破坏得多）。据报道MD4在某些平台上实际上比CRC-32更快，所以你可以试一试。在基本的PC（我的2.4 GHz Core2）上，MD4实现的工作速度大约为700 MB / s，所以我们说的是每秒35000个哈希2 kB字符串，这也不错。

Answer 2

两个不同字符串的前8个字母相同的几率是多少？这取决于这些字符串是什么，它可能非常高，在这种情况下你肯定得到哈希冲突。

哈希整个事情。几千字节是没有的。除非你实际上需要在你的程序中保存纳秒，否则不要对整个字符串进行散列将是过早的优化。