Question

我有很多英文单词，我想哈希。什么是良好的散列函数？到目前为止，我的散列函数将字母的ASCII值相加，然后以表格大小为模。我正在寻找一些有效而简单的东西。

Answer 1

简单地对字母求和并不是一个好的策略，因为排列会得到相同的结果。

这个（djb2）很受欢迎，可以很好地处理ASCII字符串。

unsigned long hashstring(unsigned char *str)
{
    unsigned long hash = 5381;
    int c;

    while (c = *str++)
        hash = ((hash << 5) + hash) + c; /* hash * 33 + c */

    return hash;
}

如果您需要更多替代方案和一些性能指标，请阅读here。

已添加：这些是通用哈希函数，其中输入域未提前知道（除了一些非常一般的假设：例如上面的函数与ascii稍微好一点）输入），这是最常见的情况。如果你有一个已知的受限域名（输入固定的组合）你可以做得更好，请参阅Fionn的回答。

Answer 2

也许这样的事情可以帮到你：http://www.gnu.org/s/gperf/

它为输入域生成优化的散列函数。

Answer 3

如果你不需要加密安全，我会推荐Murmur Hash。它速度极快，扩散率高。易于使用。

http://en.wikipedia.org/wiki/MurmurHash

http://code.google.com/p/smhasher/wiki/MurmurHash3

如果确实需要加密安全散列，那么我建议通过OpenSSL使用SHA1。

http://www.openssl.org/docs/crypto/sha.html

Answer 4

有点晚了，但是下面的64位版本的散列函数具有极低的冲突率，并且〜几乎与32位版本一样好：

uint64_t slash_hash(const char *s)
//uint32_t slash_hash(const char *s)
{
    union { uint64_t h; uint8_t u[8]; };
    int i=0; h=strlen(s);
    while (*s) { u[i%8] += *s + i + (*s >> ((h/(i+1)) % 5)); s++; i++; }
    return h; //64-bit
    //return (h+(h>>32)); //32-bit
}

哈希数也非常均匀地分布在可能的范围内，没有我能检测到的聚集 - 这只是使用随机字符串进行检查。
[编辑]
还针对从本地文本文件中提取的单词和LibreOffice词典/词库单词（英语和法语 - 超过97000个单词和结构）进行测试，在64位和1次碰撞中发生0次碰撞在32位：）

（也与相同集合上的FNV1A_Hash_Yorikke，djb2和MurmurHash2相比：Yorikke＆amp; djb2表现不佳;在所有测试中，slash_hash的表现略好于MurmurHash2）

什么是英语单词的好哈希函数？

4 个答案: