字符串Hash函数对比
来源:互联网 发布:sx2150k基本数据 编辑:程序博客网 时间:2024/04/30 11:32
http://www.cnblogs.com/atlantis13579/archive/2010/02/06/1664792.html
http://blog.csdn.net/icefireelf/article/details/5796529
字符串Hash函数对比
今天根据自己的理解重新整理了一下几个字符串hash函数,使用了模板,使其支持宽字符串,代码如下:
- /// @brief BKDR Hash Function
- /// @detail 本 算法由于在Brian Kernighan与Dennis Ritchie的《The C Programming Language》一书被展示而得 名,是一种简单快捷的hash算法,也是Java目前采用的字符串的Hash算法(累乘因子为31)。
- template<class T>
- size_t BKDRHash(const T *str)
- {
- register size_t hash = 0;
- while (size_t ch = (size_t)*str++)
- {
- hash = hash * 131 + ch; // 也可以乘以31、131、1313、13131、131313..
- // 有人说将乘法分解为位运算及加减法可以提高效率,如将上式表达为:hash = hash << 7 + hash << 1 + hash + ch;
- // 但其实在Intel平台上,CPU内部对二者的处理效率都是差不多的,
- // 我分别进行了100亿次的上述两种运算,发现二者时间差距基本为0(如果是Debug版,分解成位运算后的耗时还要高1/3);
- // 在ARM这类RISC系统上没有测试过,由于ARM内部使用Booth's Algorithm来模拟32位整数乘法运算,它的效率与乘数有关:
- // 当乘数8-31位都为1或0时,需要1个时钟周期
- // 当乘数16-31位都为1或0时,需要2个时钟周期
- // 当乘数24-31位都为1或0时,需要3个时钟周期
- // 否则,需要4个时钟周期
- // 因此,虽然我没有实际测试,但是我依然认为二者效率上差别不大
- }
- return hash;
- }
- /// @brief SDBM Hash Function
- /// @detail 本算法是由于在开源项目SDBM(一种简单的数据库引擎)中被应用而得名,它与BKDRHash思想一致,只是种子不同而已。
- template<class T>
- size_t SDBMHash(const T *str)
- {
- register size_t hash = 0;
- while (size_t ch = (size_t)*str++)
- {
- hash = 65599 * hash + ch;
- //hash = (size_t)ch + (hash << 6) + (hash << 16) - hash;
- }
- return hash;
- }
- /// @brief RS Hash Function
- /// @detail 因Robert Sedgwicks在其《Algorithms in C》一书中展示而得名。
- template<class T>
- size_t RSHash(const T *str)
- {
- register size_t hash = 0;
- size_t magic = 63689;
- while (size_t ch = (size_t)*str++)
- {
- hash = hash * magic + ch;
- magic *= 378551;
- }
- return hash;
- }
- /// @brief AP Hash Function
- /// @detail 由Arash Partow发明的一种hash算法。
- template<class T>
- size_t APHash(const T *str)
- {
- register size_t hash = 0;
- size_t ch;
- for (long i = 0; ch = (size_t)*str++; i++)
- {
- if ((i & 1) == 0)
- {
- hash ^= ((hash << 7) ^ ch ^ (hash >> 3));
- }
- else
- {
- hash ^= (~((hash << 11) ^ ch ^ (hash >> 5)));
- }
- }
- return hash;
- }
- /// @brief JS Hash Function
- /// 由Justin Sobel发明的一种hash算法。
- template<class T>
- size_t JSHash(const T *str)
- {
- if(!*str) // 这是由本人添加,以保证空字符串返回哈希值0
- return 0;
- register size_t hash = 1315423911;
- while (size_t ch = (size_t)*str++)
- {
- hash ^= ((hash << 5) + ch + (hash >> 2));
- }
- return hash;
- }
- /// @brief DEK Function
- /// @detail 本算法是由于Donald E. Knuth在《Art Of Computer Programming Volume 3》中展示而得名。
- template<class T>
- size_t DEKHash(const T* str)
- {
- if(!*str) // 这是由本人添加,以保证空字符串返回哈希值0
- return 0;
- register size_t hash = 1315423911;
- while (size_t ch = (size_t)*str++)
- {
- hash = ((hash << 5) ^ (hash >> 27)) ^ ch;
- }
- return hash;
- }
- /// @brief FNV Hash Function
- /// @detail Unix system系统中使用的一种著名hash算法,后来微软也在其hash_map中实现。
- template<class T>
- size_t FNVHash(const T* str)
- {
- if(!*str) // 这是由本人添加,以保证空字符串返回哈希值0
- return 0;
- register size_t hash = 2166136261;
- while (size_t ch = (size_t)*str++)
- {
- hash *= 16777619;
- hash ^= ch;
- }
- return hash;
- }
- /// @brief DJB Hash Function
- /// @detail 由Daniel J. Bernstein教授发明的一种hash算法。
- template<class T>
- size_t DJBHash(const T *str)
- {
- if(!*str) // 这是由本人添加,以保证空字符串返回哈希值0
- return 0;
- register size_t hash = 5381;
- while (size_t ch = (size_t)*str++)
- {
- hash += (hash << 5) + ch;
- }
- return hash;
- }
- /// @brief DJB Hash Function 2
- /// @detail 由Daniel J. Bernstein 发明的另一种hash算法。
- template<class T>
- size_t DJB2Hash(const T *str)
- {
- if(!*str) // 这是由本人添加,以保证空字符串返回哈希值0
- return 0;
- register size_t hash = 5381;
- while (size_t ch = (size_t)*str++)
- {
- hash = hash * 33 ^ ch;
- }
- return hash;
- }
- /// @brief PJW Hash Function
- /// @detail 本算法是基于AT&T贝尔实验室的Peter J. Weinberger的论文而发明的一种hash算法。
- template<class T>
- size_t PJWHash(const T *str)
- {
- static const size_t TotalBits = sizeof(size_t) * 8;
- static const size_t ThreeQuarters = (TotalBits * 3) / 4;
- static const size_t OneEighth = TotalBits / 8;
- static const size_t HighBits = ((size_t)-1) << (TotalBits - OneEighth);
- register size_t hash = 0;
- size_t magic = 0;
- while (size_t ch = (size_t)*str++)
- {
- hash = (hash << OneEighth) + ch;
- if ((magic = hash & HighBits) != 0)
- {
- hash = ((hash ^ (magic >> ThreeQuarters)) & (~HighBits));
- }
- }
- return hash;
- }
- /// @brief ELF Hash Function
- /// @detail 由于在Unix的Extended Library Function被附带而得名的一种hash算法,它其实就是PJW Hash的变形。
- template<class T>
- size_t ELFHash(const T *str)
- {
- static const size_t TotalBits = sizeof(size_t) * 8;
- static const size_t ThreeQuarters = (TotalBits * 3) / 4;
- static const size_t OneEighth = TotalBits / 8;
- static const size_t HighBits = ((size_t)-1) << (TotalBits - OneEighth);
- register size_t hash = 0;
- size_t magic = 0;
- while (size_t ch = (size_t)*str++)
- {
- hash = (hash << OneEighth) + ch;
- if ((magic = hash & HighBits) != 0)
- {
- hash ^= (magic >> ThreeQuarters);
- hash &= ~magic;
- }
- }
- return hash;
- }
我对这些hash的散列质量及效率作了一个简单测试,测试结果如下:
测试1:对100000个由大小写字母与数字随机的ANSI字符串(无重复,每个字符串最大长度不超过64字符)进行散列:
字符串函数冲突数除1000003取余后的冲突数BKDRHash
04826SDBMHash
24814RSHash
24886APHash
04846ELFHash
15156120JSHash
7795587DEKHash
8635643FNVHash
24872DJBHash
8325645DJB2Hash
6955309PJWHash
15156120
测试2:对100000个由任意UNICODE组成随机字符串(无重复,每个字符串最大长度不超过64字符)进行散列:
字符串函数冲突数除1000003取余后的冲突数BKDRHash
34710SDBMHash
34904RSHash
34822APHash
24891ELFHash
164869JSHash
34812DEKHash
14755FNVHash
14803DJBHash
14749DJB2Hash
24817PJWHash
164869
测试3:对1000000个随机ANSI字符串(无重复,每个字符串最大长度不超过64字符)进行散列:
字符串函数耗时(毫秒)BKDRHash
109SDBMHash
109RSHash
124APHash
187ELFHash
249JSHash
172DEKHash
140FNVHash
125DJBHash
125DJB2Hash
125PJWHash
234
结论:也许是我的样本存在一些特殊性,在对ASCII码字符串进行散列时,PJW与ELF Hash(它们其实是同一种算法)无论是质量还是效率,都相当糟糕;例如:"b5"与“aE",这两个字符串按照PJW散列出来的hash值就是一样的。 另外,其它几种依靠异或来散列的哈希函数,如:JS/DEK/DJB Hash,在对字母与数字组成的字符串的散列效果也不怎么好。相对而言,还是BKDR与SDBM这类简单的Hash效率与效果更好。
其他:
作者:icefireelf
出处:http://blog.csdn.net/icefireelf/article/details/5796529
各种字符串Hash函数比较
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。
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。
{
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);
}
- 字符串Hash函数对比
- 字符串Hash函数对比
- 字符串Hash函数对比
- 字符串Hash函数对比
- 字符串的各种hash函数对比
- 字符串Hash函数对比(By:icefireelf)
- 各种字符串hash函数的效果对比
- 字符串Hash:各种字符串Hash函数比较
- 字符串hash函数
- 字符串hash函数
- 经典字符串Hash函数
- 经典字符串Hash函数
- 字符串hash函数
- 字符串Hash函数评估
- 各种字符串Hash函数
- 字符串Hash函数评估
- 各种字符串HASH函数
- 字符串Hash函数
- 利用无序数组实现优先队列并排序数组——ADT实现
- hdu 1869 六度分离
- c语言的变量
- 邻居发现(Neighbor Discovery)协议
- vs+cocos2d-x 导入第三方库 移植到android
- 字符串Hash函数对比
- Java中类名,接口名与文件名
- 叶中泪的伤感日志:现实的残酷,让我心痛欲绝
- Ubuntu 12.10 发布
- [C++]关于随机函数与概率设置
- 解决Sending DHCP and RARP requests .... 卡住问题
- apt-fast 1.7.5
- wzplayer 成功支持IOS
- perl哈希要点,哈希与数组的关系以及相互转化,哈希结构的转化(键值转换),测试关键字,