http://www.cnblogs.com/atlantis13579/archive/2010/02/06/1664792.html
http://blog.csdn.net/icefireelf/article/details/5796529
字符串Hash函數對比
今天根據自己的理解重新整理了一下幾個字符串hash函數,使用了模板,使其支持寬字符串,代碼如下:
- /// @brief BKDR Hash Function
- /// @detail 本 算法由於在Brian Kernighan與Dennis Ritchie的《The C Programming Language》一書被展示而得 名,是一種簡單快捷的hash算法,也是Java目前采用的字符串的Hash算法(累乘因子為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..
- // 有人說將乘法分解為位運算及加減法可以提高效率,如將上式表達為:hash = hash << 7 + hash << 1 + hash + ch;
- // 但其實在Intel平台上,CPU內部對二者的處理效率都是差不多的,
- // 我分別進行了100億次的上述兩種運算,發現二者時間差距基本為0(如果是Debug版,分解成位運算后的耗時還要高1/3);
- // 在ARM這類RISC系統上沒有測試過,由於ARM內部使用Booth's Algorithm來模擬32位整數乘法運算,它的效率與乘數有關:
- // 當乘數8-31位都為1或0時,需要1個時鍾周期
- // 當乘數16-31位都為1或0時,需要2個時鍾周期
- // 當乘數24-31位都為1或0時,需要3個時鍾周期
- // 否則,需要4個時鍾周期
- // 因此,雖然我沒有實際測試,但是我依然認為二者效率上差別不大
- }
- return hash;
- }
- /// @brief SDBM Hash Function
- /// @detail 本算法是由於在開源項目SDBM(一種簡單的數據庫引擎)中被應用而得名,它與BKDRHash思想一致,只是種子不同而已。
- 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》一書中展示而得名。
- 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發明的一種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發明的一種hash算法。
- template<class T>
- size_t JSHash(const T *str)
- {
- if(!*str) // 這是由本人添加,以保證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 本算法是由於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) // 這是由本人添加,以保證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系統中使用的一種著名hash算法,后來微軟也在其hash_map中實現。
- template<class T>
- size_t FNVHash(const T* str)
- {
- if(!*str) // 這是由本人添加,以保證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教授發明的一種hash算法。
- template<class T>
- size_t DJBHash(const T *str)
- {
- if(!*str) // 這是由本人添加,以保證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 發明的另一種hash算法。
- template<class T>
- size_t DJB2Hash(const T *str)
- {
- if(!*str) // 這是由本人添加,以保證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 本算法是基於AT&T貝爾實驗室的Peter J. Weinberger的論文而發明的一種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 由於在Unix的Extended Library Function被附帶而得名的一種hash算法,它其實就是PJW Hash的變形。
- 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;
- }
我對這些hash的散列質量及效率作了一個簡單測試,測試結果如下:
測試1:對100000個由大小寫字母與數字隨機的ANSI字符串(無重復,每個字符串最大長度不超過64字符)進行散列:
字符串函數 | 沖突數 | 除1000003取余后的沖突數 |
BKDRHash |
0 | 4826 |
SDBMHash |
2 | 4814 |
RSHash |
2 | 4886 |
APHash |
0 | 4846 |
ELFHash |
1515 | 6120 |
JSHash |
779 | 5587 |
DEKHash |
863 | 5643 |
FNVHash |
2 | 4872 |
DJBHash |
832 | 5645 |
DJB2Hash |
695 | 5309 |
PJWHash |
1515 | 6120 |
測試2:對100000個由任意UNICODE組成隨機字符串(無重復,每個字符串最大長度不超過64字符)進行散列:
字符串函數 | 沖突數 | 除1000003取余后的沖突數 |
BKDRHash |
3 | 4710 |
SDBMHash |
3 | 4904 |
RSHash |
3 | 4822 |
APHash |
2 | 4891 |
ELFHash |
16 | 4869 |
JSHash |
3 | 4812 |
DEKHash |
1 | 4755 |
FNVHash |
1 | 4803 |
DJBHash |
1 | 4749 |
DJB2Hash |
2 | 4817 |
PJWHash |
16 | 4869 |
測試3:對1000000個隨機ANSI字符串(無重復,每個字符串最大長度不超過64字符)進行散列:
字符串函數 | 耗時(毫秒) |
BKDRHash |
109 |
SDBMHash |
109 |
RSHash |
124 |
APHash |
187 |
ELFHash |
249 |
JSHash |
172 |
DEKHash |
140 |
FNVHash |
125 |
DJBHash |
125 |
DJB2Hash |
125 |
PJWHash |
234 |
結論:也許是我的樣本存在一些特殊性,在對ASCII碼字符串進行散列時,PJW與ELF Hash(它們其實是同一種算法)無論是質量還是效率,都相當糟糕;例如:"b5"與“aE",這兩個字符串按照PJW散列出來的hash值就是一樣的。 另外,其它幾種依靠異或來散列的哈希函數,如:JS/DEK/DJB Hash,在對字母與數字組成的字符串的散列效果也不怎么好。相對而言,還是BKDR與SDBM這類簡單的Hash效率與效果更好。
其他:
作者:icefireelf
出處:http://blog.csdn.net/icefireelf/article/details/5796529
各種字符串Hash函數比較
常用的字符串Hash函數還有ELFHash,APHash等等,都是十分簡單有效的方法。這些函數使用位運算使得每一個字符都對最后的函數值產生 影響。另外還有以MD5和SHA1為代表的雜湊函數,這些函數幾乎不可能找到碰撞。
常用字符串哈希函數有 BKDRHash,APHash,DJBHash,JSHash,RSHash,SDBMHash,PJWHash,ELFHash等等。對於以上幾種哈 希函數,我對其進行了一個小小的評測。
Hash函數 | 數據1 | 數據2 | 數據3 | 數據4 | 數據1得分 | 數據2得分 | 數據3得分 | 數據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 |
其中數據1為100000個字母和數字組成的隨機串哈希沖突個數。數據2為100000個有意義的英文句子哈希沖突個數。數據3為數據1的哈希值與 1000003(大素數)求模后存儲到線性表中沖突的個數。數據4為數據1的哈希值與10000019(更大素數)求模后存儲到線性表中沖突的個數。
經過比較,得出以上平均得分。平均數為平方平均數。可以發現,BKDRHash無論是在實際效果還是編碼實現中,效果都是最突出的。APHash也 是較為優秀的算法。DJBHash,JSHash,RSHash與SDBMHash各有千秋。PJWHash與ELFHash效果最差,但得分相似,其算 法本質是相似的。
{
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 );
}
http://www.byvoid.com/blog/string-hash-compare/