首页 文章

有一个很好的哈希函数的C哈希表？

提问于
浏览 次
33

我需要在C中使用面向性能的哈希函数实现来实现我将要编码的哈希表 . 我已经环顾四周，只发现了一个问题，询问什么是“一般”的好散列函数 . 我考虑过CRC32（但在哪里可以找到很好的实现？）和一些加密算法 . 不过，我的 table 有非常具体的要求 .

这是表格的样子：

100,000 items max
200,000 capacity (so the load is 0.5)
hashing a 6-character string which is a part of English sentence
     examples: "become"    "and he"    ", not "

哈希表的首要任务是快速搜索（检索） . 快速插入并不重要，但它会伴随快速搜索 . 删除并不重要，重新散列不是我可能会使用here描述的单独链接 . 我已经看了this article，但想要对那些曾经处理过这样的任务的人提出意见 .

c++ hash hashtable

9 回答

  • 6

    哈希表的首要任务是快速搜索（检索） .

    那么你使用正确的数据结构，因为在哈希表中搜索是O（1）！ :)

    CRC32应该没问题 . 实现并不复杂，它主要基于XOR . 只要确保它使用一个好的多项式 .

    回复于
  • 2

    现在假设你想要一个哈希，并且想要一些在你的情况下可行的东西 blazing fast ，因为你的字符串只有6个字符长你可以使用这个魔法：

    size_t precision = 2; //change the precision with this
size_t hash(const char* str)
{
   return (*(size_t*)str)>> precision;
}

    CRC用于缓慢发布;）

    Explanation: 这可以通过将字符串指针的内容转换为"look like" size_t（int32或int64，基于硬件的最佳匹配）来实现 . 因此，字符串的内容被解释为原始数字，不再担心字符，然后您将所需的精度进行位移（您将此数字调整为最佳性能，我发现2对于散列字符串很有效）成千上万） .

    另外真正整洁的部分是现代硬件上任何体面的编译器都会在1个汇编指令中散列这样的字符串，很难被击败;）

    回复于
  • 24

    这个简单的多项式非常有效 . 我从微软研究院的Paul Larson那里得到了它，他研究了各种哈希函数和哈希乘法器 .

    unsigned hash(const char* s, unsigned salt)
{
    unsigned h = salt;
    while (*s)
        h = h * 101 + (unsigned) *s++;
    return h;
}

    在创建哈希表以防止hash table attacks之前，应将 salt 初始化为某个随机选择的值 . 如果这对您来说不是问题，请使用0 .

    表的大小也很重要，以尽量减少碰撞 . 听起来像你的很好 .

    回复于
  • 2

    Boost.Functional/Hash可能对您有用 . 我保证其性能 .

    Boost也有一个CRC library .

    我先看一下Boost.Unordered（即boost :: unordered_map <>） . 它使用哈希映射而不是二进制树作为容器 .

    我相信一些STL实现在stdext命名空间中有一个hash_map <>容器 .

    回复于
  • 4

    表的大小将决定您应该使用的大小哈希值 . 您希望尽可能减少碰撞 . 我不确定你用最大项目和容量指定了什么（它们对我来说似乎是一样的）在任何情况下，这些数字中的任何一个都表明32位散列就足够了 . 您可能会使用CRC16（约65,000种可能性），但您可能会遇到很多冲突 . 另一方面，碰撞可能比CRC32散列更快地处理 .

    我会说，请使用CRC32 . 您将发现不缺少文档和示例代码 . 由于您已经计算出最大值并且速度是优先级，因此请使用指针数组 . 使用哈希生成索引 . 在碰撞时，增加索引直到你碰到一个空桶..快速而简单 .

    回复于
  • 2

    由于您存储英文单词，因此大多数字符都是字母，并且数据的最重要的两位不会有太大的变化 . 除此之外，我会保持它非常简单，只需使用XOR . 毕竟你不是在寻找加密强度，而只是为了合理均匀分布 . 这些方面的东西：

    size_t hash(const std::string &data) {
  size_t h(0);
  for (int i=0; i<data.length(); i++)
    h = (h << 6) ^ (h >> 26) ^ data[i];
  }
  return h;
}

    除此之外，您是否将std :: tr1 :: hash视为哈希函数和/或std :: tr1 :: unordered_map作为哈希表的实现？使用这些可能会节省很多与实现自己的类相反的工作 .

    回复于
  • 0

    简单的事情：

    // Initialize hash lookup so that it maps the characters
// in your string to integers between 0 and 31
int hashLookup[256];

// Hash function for six character strings.
int hash(const char *str)
{
    int ret = 0, mult = 1;
    for (const char *p = str; *p; *p++, mult *= 32) {
        assert(*p >= 0 && *p < 256);
        ret += mult * hashLookup[*p];
    }

    return ret;
}

    这假定为32位整数 . 它每个字符使用5位，因此哈希值只有30位 . 您可以通过为前一个或两个字符生成六位来解决此问题 . 如果字符集足够小，则可能不需要超过30位 .

    回复于
  • 4

    如果您需要搜索短字符串并且插入不是问题，也许您可以使用B树或2-3树，在您的情况下通过散列不会获得太多收益 .

    你这样做的方法是在每个节点放一个字母，这样你首先要检查节点“a”，然后检查“a”的子节点是否为“p”，它是“p”的子节点，然后是“ l“然后”e“ . 在你有“苹果”和“申请”的情况下，你需要寻找最后一个节点，（因为唯一的区别在于最后一个“e”和“y”）

    但是在大多数情况下你都能得到只需几步之后的单词（“xylophone”=>“x” - >“ylophone”），所以你可以这样优化 . 这可能比散列更快

    回复于
  • 13

    自C 11以来，C提供了std::hash< string >( string ) . 这可能是一个有效的散列函数，为大多数字符串提供good distribution of hash-codes .

    此外，如果您正在考虑实现哈希表，那么您现在应该考虑使用C std::unordered_map .

    回复于

相关问题