字符串的统一16位散列函数

Question

我有大约50,000个单词，我想将它们映射到16位数字，我正在寻找在j2me上运行的散列函数。 更具体地说，我正在寻找具有以下标准的哈希函数：

1. 很少（或没有）碰撞
2. 轻量CPU负载
3. 我现在有了所有的话
4. 雪崩效应不很重要，因为它与安全无关。它只是一个查找表。

我已经测试过java Strign.hashCode（），murmur hash，jenkins，一次只有几个简单的手工制作，但是所有这些都有至少30％的碰撞。
对于小型手机来说，最小的完美散列似乎也有很大的CPU负载。

有人可以帮我吗？

注意：如你所知，杂音算法需要种子，不同的种子有不同的均匀度。如何找到碰撞最少的种子？

提前谢谢

Answer 1

你可以看一下老式的CRC。它们非常快速且无碰撞。只是不完全是16位，因为experiment似乎表明了这一点。但是，你可以尝试一下，也许这对你的目的来说已经足够了。

Answer 2

这个答案可能会迟到，但作为参考，MurmurHash 3足以满足您的速度标准。但是由于你施加的约束，碰撞将非常普遍，因为16位可以表示65536个值的范围，你的50000个单词会产生一些碰撞。

解决方案：

• 使用20+位作为密钥（32位，几百万个样本中有一个冲突）
• 编写测试程序以找到16位的拟合种子，这里有一些有用的工具：http://code.google.com/p/smhasher/

Answer 3

这是我在C＃中使用的函数将文件名映射到16位数。在我的测试中，它的性能优于Pearson哈希。

    public static unsafe int Get16BitHash(string str)
    {
        int hash = 0;
        int len = str.Length;

        fixed (char* ch = str)
        {
            for (int i = 0; i < len; i++)
            {
                hash = hash + ((hash) << 5) + *(ch + i) + ((*(ch + i)) << 7);
            }
        }

        return ((hash) ^ (hash >> 16)) & 0xffff;
    }