关于杜鹃哈希的几个问题

Question

我需要构建一个包含8字节整数键的快速查找表。表构造在初始化期间完成，之后数据不会更新。数据项的数量低于100K，因此我可以使用额外的空间来使哈希表稀疏。但是，数据查找必须尽可能高效。 据我所知，Cuckoo Hashing似乎非常适合这种情况。但是，我对一些事情并不十分清楚：

1. 在这种情况下应该使用哪些哈希函数族？一些论文认为标准的“（（a * x + b）mod p）mod m”函数族不是一个好的选择。此外，p必须是素数＆gt; UInt64.MaxValue，这使得计算函数变得困难。乘法“（a * x）>＆gt;（w - log（m））”族也不被认为是一个好的选择。我找不到关于使用什么功能的明确答案。

2. “插入”操作可以触发重新散列。所以从理论上讲，插入时间在最坏的情况下是无限的（你只是选择一个“坏”函数导致重新加速）。我明白，这个概率几乎为零，但我很难在生产中忽略这个问题。

3. 针对所描述的问题，是否有更好的数据结构？ original Cuckoo Hash paper表明，当您有足够的额外空间（项目数量的两到三倍）时，简单的线性探测哈希可以更有效。此外，在构建阶段，我可以检查是否有两个以上的键发生冲突并选择不同的散列函数（我可以负担几次并选择最好的一个）。

非常感谢您的回复。

Answer 1

1. 几乎所有哈希函数都可以，因为你只有100K键才能确保它至少是2个独立的（见http://www.eecs.harvard.edu/~michaelm/postscripts/soda2008b.pdf）或者只是快速使用。

2. 如果您进行详尽的搜索，插入程序将在摊销/预期的O（1）时间内工作，因为您在开始时这样做会很好。如果利用率低于50％（即，插槽数> 2倍密钥数），则插入触发重新散列的概率很小。您可以使用存储（http://www.eecs.harvard.edu/~michaelm/postscripts/esa2008full.pdf）使其更小，查找仍然很小。在任何情况下只需重试，直到一切正常，因为你只是在初始化时这样做。

3. 剪切两次，测量一次。