各種字符串Hash函數


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

分類: 數據結構與算法 783人閱讀 評論(0) 收藏 舉報
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:

 

 

 

 

 

 

  1. /// @brief BKDR Hash Function  
  2. /// @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)。  
  3. template<class T>  
  4. size_t BKDRHash(const T *str)  
  5. {  
  6.     register size_t hash = 0;  
  7.     while (size_t ch = (size_t)*str++)  
  8.     {         
  9.         hash = hash * 131 + ch;   // 也可以乘以31、131、1313、13131、131313..  
  10.         // 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;  
  11.         // 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,  
  12.         // 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);  
  13.         // 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:  
  14.         // 當乘數8-31位都為1或0時,需要1個時鍾周期  
  15.         // 當乘數16-31位都為1或0時,需要2個時鍾周期  
  16.         // 當乘數24-31位都為1或0時,需要3個時鍾周期  
  17.         // 否則,需要4個時鍾周期  
  18.         // 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          
  19.     }  
  20.     return hash;  
  21. }  
  22. /// @brief SDBM Hash Function  
  23. /// @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。  
  24. template<class T>  
  25. size_t SDBMHash(const T *str)  
  26. {  
  27.     register size_t hash = 0;  
  28.     while (size_t ch = (size_t)*str++)  
  29.     {  
  30.         hash = 65599 * hash + ch;         
  31.         //hash = (size_t)ch + (hash << 6) + (hash << 16) - hash;  
  32.     }  
  33.     return hash;  
  34. }  
  35. /// @brief RS Hash Function  
  36. /// @detail 因Robert Sedgwicks在其《Algorithms in C》一書中展示而得名。  
  37. template<class T>  
  38. size_t RSHash(const T *str)  
  39. {  
  40.     register size_t hash = 0;  
  41.     size_t magic = 63689;     
  42.     while (size_t ch = (size_t)*str++)  
  43.     {  
  44.         hash = hash * magic + ch;  
  45.         magic *= 378551;  
  46.     }  
  47.     return hash;  
  48. }  
  49. /// @brief AP Hash Function  
  50. /// @detail 由Arash Partow發明的一種hash算法。  
  51. template<class T>  
  52. size_t APHash(const T *str)  
  53. {  
  54.     register size_t hash = 0;  
  55.     size_t ch;  
  56.     for (long i = 0; ch = (size_t)*str++; i++)  
  57.     {  
  58.         if ((i & 1) == 0)  
  59.         {  
  60.             hash ^= ((hash << 7) ^ ch ^ (hash >> 3));  
  61.         }  
  62.         else  
  63.         {  
  64.             hash ^= (~((hash << 11) ^ ch ^ (hash >> 5)));  
  65.         }  
  66.     }  
  67.     return hash;  
  68. }  
  69. /// @brief JS Hash Function  
  70. /// 由Justin Sobel發明的一種hash算法。  
  71. template<class T>  
  72. size_t JSHash(const T *str)  
  73. {  
  74.     if(!*str)        // 這是由本人添加,以保證空字符串返回哈希值0  
  75.         return 0;  
  76.     register size_t hash = 1315423911;  
  77.     while (size_t ch = (size_t)*str++)  
  78.     {  
  79.         hash ^= ((hash << 5) + ch + (hash >> 2));  
  80.     }  
  81.     return hash;  
  82. }  
  83. /// @brief DEK Function  
  84. /// @detail 本算法是由於Donald E. Knuth在《Art Of Computer Programming Volume 3》中展示而得名。  
  85. template<class T>  
  86. size_t DEKHash(const T* str)  
  87. {  
  88.     if(!*str)        // 這是由本人添加,以保證空字符串返回哈希值0  
  89.         return 0;  
  90.     register size_t hash = 1315423911;  
  91.     while (size_t ch = (size_t)*str++)  
  92.     {  
  93.         hash = ((hash << 5) ^ (hash >> 27)) ^ ch;  
  94.     }  
  95.     return hash;  
  96. }  
  97. /// @brief FNV Hash Function  
  98. /// @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。  
  99. template<class T>  
  100. size_t FNVHash(const T* str)  
  101. {  
  102.     if(!*str)   // 這是由本人添加,以保證空字符串返回哈希值0  
  103.         return 0;  
  104.     register size_t hash = 2166136261;  
  105.     while (size_t ch = (size_t)*str++)  
  106.     {  
  107.         hash *= 16777619;  
  108.         hash ^= ch;  
  109.     }  
  110.     return hash;  
  111. }  
  112. /// @brief DJB Hash Function  
  113. /// @detail 由Daniel J. Bernstein教授發明的一種hash算法。  
  114. template<class T>  
  115. size_t DJBHash(const T *str)  
  116. {  
  117.     if(!*str)   // 這是由本人添加,以保證空字符串返回哈希值0  
  118.         return 0;  
  119.     register size_t hash = 5381;  
  120.     while (size_t ch = (size_t)*str++)  
  121.     {  
  122.         hash += (hash << 5) + ch;  
  123.     }  
  124.     return hash;  
  125. }  
  126. /// @brief DJB Hash Function 2  
  127. /// @detail 由Daniel J. Bernstein 發明的另一種hash算法。  
  128. template<class T>  
  129. size_t DJB2Hash(const T *str)  
  130. {  
  131.     if(!*str)   // 這是由本人添加,以保證空字符串返回哈希值0  
  132.         return 0;  
  133.     register size_t hash = 5381;  
  134.     while (size_t ch = (size_t)*str++)  
  135.     {  
  136.         hash = hash * 33 ^ ch;  
  137.     }  
  138.     return hash;  
  139. }  
  140. /// @brief PJW Hash Function  
  141. /// @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。  
  142. template<class T>  
  143. size_t PJWHash(const T *str)  
  144. {  
  145.     static const size_t TotalBits       = sizeof(size_t) * 8;  
  146.     static const size_t ThreeQuarters   = (TotalBits  * 3) / 4;  
  147.     static const size_t OneEighth       = TotalBits / 8;  
  148.     static const size_t HighBits        = ((size_t)-1) << (TotalBits - OneEighth);      
  149.       
  150.     register size_t hash = 0;  
  151.     size_t magic = 0;     
  152.     while (size_t ch = (size_t)*str++)  
  153.     {  
  154.         hash = (hash << OneEighth) + ch;  
  155.         if ((magic = hash & HighBits) != 0)  
  156.         {  
  157.             hash = ((hash ^ (magic >> ThreeQuarters)) & (~HighBits));  
  158.         }  
  159.     }  
  160.     return hash;  
  161. }  
  162. /// @brief ELF Hash Function  
  163. /// @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。  
  164. template<class T>  
  165. size_t ELFHash(const T *str)  
  166. {  
  167.     static const size_t TotalBits       = sizeof(size_t) * 8;  
  168.     static const size_t ThreeQuarters   = (TotalBits  * 3) / 4;  
  169.     static const size_t OneEighth       = TotalBits / 8;  
  170.     static const size_t HighBits        = ((size_t)-1) << (TotalBits - OneEighth);      
  171.     register size_t hash = 0;  
  172.     size_t magic = 0;  
  173.     while (size_t ch = (size_t)*str++)  
  174.     {  
  175.         hash = (hash << OneEighth) + ch;  
  176.         if ((magic = hash & HighBits) != 0)  
  177.         {  
  178.             hash ^= (magic >> ThreeQuarters);  
  179.             hash &= ~magic;  
  180.         }         
  181.     }  
  182.     return hash;  
  183. }  

 

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。

 

復制代碼
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 );
}
復制代碼

 

http://www.byvoid.com/blog/string-hash-compare/

分類: Algorithm

 


免責聲明!

本站轉載的文章為個人學習借鑒使用,本站對版權不負任何法律責任。如果侵犯了您的隱私權益,請聯系本站郵箱yoyou2525@163.com刪除。



 
粵ICP備18138465號   © 2018-2025 CODEPRJ.COM