各种字符串Hash 函数比较
文章来至:http://www.byvoid.com/blog/string-hash-compare/
此博客上还有几篇文章也很不错的
常用的字符串 Hash 函数还有 ELFHash , APHash 等等,都是十分简单有效的方法。这些函数使用位运算使得每一个字符都对最后的函数值产生影响。另外还有以 MD5 和 SHA1 为代表的杂凑函数,这些函数几乎不可能找到碰撞。
常用字符串哈希函数有 BKDRHash , APHash , DJBHash , JSHash , RSHash , SDBMHash , PJWHash , ELFHash 等等。对于以上几种哈希函数,我对其进行了一个小小的评测。
Hash 函数 | 数据 1 | 数据 2 | 数据 3 | 数据 4 | 数据 1 得分 | 数据 2 得分 | 数据 3 得分 | 数据 4 得分 | 平均分 |
BKDRHash | 2 | 0 | 4774 | 481 | 96.55 | 100 | 90.95 | 82.05 | 92.64 |
APHash | 2 | 3 | 4754 | 493 | 96.55 | 88.46 | 100 | 51.28 | 86.28 |
DJBHash | 2 | 2 | 4975 | 474 | 96.55 | 92.31 | 0 | 100 | 83.43 |
JSHash | 1 | 4 | 4761 | 506 | 100 | 84.62 | 96.83 | 17.95 | 81.94 |
RSHash | 1 | 0 | 4861 | 505 | 100 | 100 | 51.58 | 20.51 | 75.96 |
SDBMHash | 3 | 2 | 4849 | 504 | 93.1 | 92.31 | 57.01 | 23.08 | 72.41 |
PJWHash | 30 | 26 | 4878 | 513 | 0 | 0 | 43.89 | 0 | 21.95 |
ELFHash | 30 | 26 | 4878 | 513 | 0 | 0 | 43.89 | 0 | 21.95 |
其中数据 1 为 100000 个字母和数字组成的随机串哈希冲突个数。数据 2 为 100000 个有意义的英文句子哈希冲突个数。数据 3 为数据 1 的哈希值与 1000003( 大素数 ) 求模后存储到线性表中冲突的个数。数据 4 为数据 1 的哈希值与 10000019( 更大素数 ) 求模后存储到线性表中冲突的个数。
经过比较,得出以上平均得分。平均数为平方平均数。可以发现, BKDRHash 无论是在实际效果还是编码实现中,效果都是最突出的。 APHash 也 是较为优秀的算法。 DJBHash,JSHash,RSHash 与 SDBMHash 各有千秋。 PJWHash 与 ELFHash 效果最差,但得分相似,其算 法本质是相似的。
在信息修竞赛中,要本着易于编码调试的原则,个人认为 BKDRHash 是最适合记忆和使用的。
BYVoid 原创,欢迎建议、交流、批评和指正。
附:各种哈希函数的 C 语言程序代码
unsigned int SDBMHash(char *str) { unsigned int hash = 0;
while (*str) { // equivalent to: hash = 65599*hash + (*str++); hash = (*str++) + (hash << 6) + (hash << 16) - hash; }
return (hash & 0x7FFFFFFF); }
// RS Hash Function unsigned int RSHash(char *str) { unsigned int b = 378551; unsigned int a = 63689; unsigned int hash = 0;
while (*str) { hash = hash * a + (*str++); a *= b; }
return (hash & 0x7FFFFFFF); }
// JS Hash Function unsigned int JSHash(char *str) { unsigned int hash = 1315423911;
while (*str) { hash ^= ((hash << 5) + (*str++) + (hash >> 2)); }
return (hash & 0x7FFFFFFF); }
// P. J. Weinberger Hash Function unsigned int PJWHash(char *str) { unsigned int BitsInUnignedInt = (unsigned int)(sizeof(unsigned int) * 8); unsigned int ThreeQuarters = (unsigned int)((BitsInUnignedInt * 3) / 4); unsigned int OneEighth = (unsigned int)(BitsInUnignedInt / 8); unsigned int HighBits = (unsigned int)(0xFFFFFFFF) << (BitsInUnignedInt - OneEighth); unsigned int hash = 0; unsigned int test = 0;
while (*str) { hash = (hash << OneEighth) + (*str++); if ((test = hash & HighBits) != 0) { hash = ((hash ^ (test >> ThreeQuarters)) & (~HighBits)); } }
return (hash & 0x7FFFFFFF); }
// ELF Hash Function unsigned int ELFHash(char *str) { unsigned int hash = 0; unsigned int x = 0;
while (*str) { hash = (hash << 4) + (*str++); if ((x = hash & 0xF0000000L) != 0) { hash ^= (x >> 24); hash &= ~x; } }
return (hash & 0x7FFFFFFF); }
// BKDR Hash Function unsigned int BKDRHash(char *str) { unsigned int seed = 131; // 31 131 1313 13131 131313 etc.. unsigned int hash = 0;
while (*str) { hash = hash * seed + (*str++); }
return (hash & 0x7FFFFFFF); }
// DJB Hash Function unsigned int DJBHash(char *str) { unsigned int hash = 5381;
while (*str) { hash += (hash << 5) + (*str++); }
return (hash & 0x7FFFFFFF); }
// AP Hash Function unsigned int APHash(char *str) { unsigned int hash = 0; int i;
for (i=0; *str; i++) { if ((i & 1) == 0) { hash ^= ((hash << 7) ^ (*str++) ^ (hash >> 3)); } else { hash ^= (~((hash << 11) ^ (*str++) ^ (hash >> 5))); } }
return (hash & 0x7FFFFFFF); } |