散列表查找 - 使用完美散列，在C中

Question

我有一个C语言应用程序，我需要进行表查找。

条目是字符串，所有在运行时开始时都是已知的。该表初始化一次，然后多次查找。该表可以更改，但它基本上就像应用程序重新开始一样。我想这意味着我可以使用完美哈希？可以花一些时间进行哈希表初始化，因为它只发生一次。

将有3到100,000个条目，每个条目都是唯一的，我估计80％的案例将少于100个条目。在这些情况下，简单的天真查找“足够快”。 （==没有人在抱怨）

然而，在有10k +条目的情况下，天真方法的查找速度是不可接受的。在C中为字符串提供良好的基于​​散列表的查找性能的好方法是什么？ 假设我没有像Boost / etc这样的第三方商业图书馆。我应该使用什么哈希算法？我该如何决定？

Answer 1

生成完美的哈希不是一个简单的问题。有专门负责这项任务的图书馆。 在这种情况下，最受欢迎的可能是CMPH。我没有使用它，但除此之外无法帮助。 gperf是另一个工具，但它需要在编译时知道字符串（你可以通过编译.so和加载来处理它，但是有点矫枉过正）。

但坦率地说，我至少会先尝试二进制搜索。只需使用qsort对数组进行排序，然后使用bsearch进行搜索（或自行滚动）。自C89以来，这两者都是stdlib.h的一部分。

Answer 2

如果一个天真的（我假设你的意思是线性的）方法可以用于100个条目（因此平均进行50次比较），那么二进制搜索将足以满足100,000个条目（最多需要17次比较）。 / p>

所以我根本不打扰哈希，只是在启动时调整你的字符串表（例如使用qsort），然后使用二进制搜索（例如使用bsearch）来查找条目。

Answer 3

如果已知（最大）表大小，则具有链接的普通哈希表非常容易实现。每件商品的尺寸开销仅为两个整数。使用合理的散列函数，平均每个查询只需要1.5个探测，这对于100％加载的表。

构建完美哈希只有在数据不变的情况下才可行。一旦它发生变化，你就必须重新计算和重新计算，这比做一些额外的比较更加昂贵。