Какая лучшая 32-битная хэш-функция для коротких строк (имена тегов)?

Ответ 1

Если производительность не важна, просто возьмите безопасный хеш, такой как MD5 или SHA1, и обрезайте его вывод до 32 бит. Это даст вам распределение хеш-кодов, которые неотличимы от случайных.

Ответ 2

Я не уверен, что это лучший выбор, но здесь есть хеш-функция для строк:

Практика программирования (HASH TABLES, стр. 57)

/* hash: compute hash value of string */
unsigned int hash(char *str)
{
   unsigned int h;
   unsigned char *p;

   h = 0;
   for (p = (unsigned char*)str; *p != '\0'; p++)
      h = MULTIPLIER * h + *p;
   return h; // or, h % ARRAY_SIZE;
}

Опытным путем, значения 31 и 37 оказались хорошим выбором для множителя в хэш-функции для строк ASCII.

Ответ 3

Прошу прощения за очень поздний ответ. В начале этого года я составил страницу под названием Hashing Short Strings, которая может быть полезна в этом обсуждении. В итоге я обнаружил, что CRC-32 и FNV-1a превосходят хеширующие короткие строки. Они эффективны и производят широко распространенные и беспорядочные хэши в моих тестах. Я с удивлением обнаружил, что MD5, SHA-1 и SHA-3 произвели небольшое количество столкновений, когда выход был сложен до 32 бит.

Ответ 4

Вы можете проверить murmurhash2. Он быстрый, также для небольших струн, и имеет хороший шаг для микширования, поэтому он очень хорош для очень маленьких струн.

Ответ 5

Это зависит от вашего оборудования. На современном оборудовании, то есть Intel/AMD с SSE4.2 или arm7, вы должны использовать внутренние встроенные функции _mm_crc32_uxx, так как они оптимальны для коротких строк. (Для длинных клавиш также, но затем лучше использовать версию Adler с резьбой, как в zlib)

На старом или неизвестном аппаратном обеспечении, либо в режиме времени для функции SSE4.2 или CRC32, либо просто использовать один, если простые хорошие хэш-функции. Например. Мурмур2 или Город

Обзор качества и производительности представлен здесь: https://github.com/rurban/smhasher#smhasher

Существуют также все реализации. Выбранными являются https://github.com/rurban/smhasher/blob/master/crc32_hw.c и https://github.com/rurban/smhasher/blob/master/MurmurHash2.cpp

Если вы заранее знаете ключи, используйте совершенный хеш, а не хеш-функцию. Например. gperf или мой phash: https://github.com/rurban/Perfect-Hash#name

В настоящее время идеальное генерация хеширования с помощью компилятора c настолько быстро, что вы даже можете создать их на лету и выполнить динамическую загрузку.

Ответ 6

Если пользователи редко добавляют новые теги, вы можете использовать идеальный хеш (http://en.wikipedia.org/wiki/Perfect_hash_function), который пересчитывается каждый раз, когда новый добавлен тег. Конечно, не зная проблему, которую вы действительно пытаетесь решить, это догадки, чтобы понять, что вы можете сделать.

Ответ 7

Используйте хэш-функцию MaPrime2c:

static const unsigned char sTable[256] =
{
  0xa3,0xd7,0x09,0x83,0xf8,0x48,0xf6,0xf4,0xb3,0x21,0x15,0x78,0x99,0xb1,0xaf,0xf9,
  0xe7,0x2d,0x4d,0x8a,0xce,0x4c,0xca,0x2e,0x52,0x95,0xd9,0x1e,0x4e,0x38,0x44,0x28,
  0x0a,0xdf,0x02,0xa0,0x17,0xf1,0x60,0x68,0x12,0xb7,0x7a,0xc3,0xe9,0xfa,0x3d,0x53,
  0x96,0x84,0x6b,0xba,0xf2,0x63,0x9a,0x19,0x7c,0xae,0xe5,0xf5,0xf7,0x16,0x6a,0xa2,
  0x39,0xb6,0x7b,0x0f,0xc1,0x93,0x81,0x1b,0xee,0xb4,0x1a,0xea,0xd0,0x91,0x2f,0xb8,
  0x55,0xb9,0xda,0x85,0x3f,0x41,0xbf,0xe0,0x5a,0x58,0x80,0x5f,0x66,0x0b,0xd8,0x90,
  0x35,0xd5,0xc0,0xa7,0x33,0x06,0x65,0x69,0x45,0x00,0x94,0x56,0x6d,0x98,0x9b,0x76,
  0x97,0xfc,0xb2,0xc2,0xb0,0xfe,0xdb,0x20,0xe1,0xeb,0xd6,0xe4,0xdd,0x47,0x4a,0x1d,
  0x42,0xed,0x9e,0x6e,0x49,0x3c,0xcd,0x43,0x27,0xd2,0x07,0xd4,0xde,0xc7,0x67,0x18,
  0x89,0xcb,0x30,0x1f,0x8d,0xc6,0x8f,0xaa,0xc8,0x74,0xdc,0xc9,0x5d,0x5c,0x31,0xa4,
  0x70,0x88,0x61,0x2c,0x9f,0x0d,0x2b,0x87,0x50,0x82,0x54,0x64,0x26,0x7d,0x03,0x40,
  0x34,0x4b,0x1c,0x73,0xd1,0xc4,0xfd,0x3b,0xcc,0xfb,0x7f,0xab,0xe6,0x3e,0x5b,0xa5,
  0xad,0x04,0x23,0x9c,0x14,0x51,0x22,0xf0,0x29,0x79,0x71,0x7e,0xff,0x8c,0x0e,0xe2,
  0x0c,0xef,0xbc,0x72,0x75,0x6f,0x37,0xa1,0xec,0xd3,0x8e,0x62,0x8b,0x86,0x10,0xe8,
  0x08,0x77,0x11,0xbe,0x92,0x4f,0x24,0xc5,0x32,0x36,0x9d,0xcf,0xf3,0xa6,0xbb,0xac,
  0x5e,0x6c,0xa9,0x13,0x57,0x25,0xb5,0xe3,0xbd,0xa8,0x3a,0x01,0x05,0x59,0x2a,0x46
};


#define PRIME_MULT 1717


unsigned int
maPrime2cHash (unsigned char *str, unsigned int len)
{
  unsigned int hash = len, i;


  for (i = 0; i != len; i++, str++)
    {

      hash ^= sTable[( *str + i) & 255];
      hash = hash * PRIME_MULT;
    }

  return hash;
}

и посмотрите на www.amsoftware.narod.ru/algo2.html тесты MaFastPrime, MaRushPrime и т.д.

Ответ 8

Если ваша программа нуждается в общении с другой системой, лучше использовать алгоритм, который хорошо известен. Быстрый и грязный способ с использованием первых нескольких символов хеша md5. Вам не нужно тратить часы или дни, чтобы изобретать колеса в своем проекте.

Недостатком является получение гораздо больших шансов на столкновение. Однако, если ваш хэш предназначен для сеанса с отметкой времени или короткой жизненной циркуляции. Нет проблем с этим.