各种字符串Hash函数比较

忘是亡心i 2022-02-21 00:44 255阅读 0赞

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。

<table style="border-spacing:0px; width:593px; margin-bottom:20px; border:1px solid rgb(221,221,221); color:rgb(85,85,85); font-family:'Helvetica Neue',Arial,Verdana,'Hiragino Sans GB',STHeiti,SimSun,sans-serif; font-size:15px; line-height:22px">    
 <tbody> 
  <tr style="background-color:rgb(250,250,250)"> 
   <td style="border:1px solid rgb(238,238,238); padding:4px">Hash函数</td> 
   <td style="border:1px solid rgb(238,238,238); padding:4px">数据1</td> 
   <td style="border:1px solid rgb(238,238,238); padding:4px">数据2</td> 
   <td style="border:1px solid rgb(238,238,238); padding:4px">数据3</td> 
   <td style="border:1px solid rgb(238,238,238); padding:4px">数据4</td> 
   <td style="border:1px solid rgb(238,238,238); padding:4px">数据1得分</td> 
   <td style="border:1px solid rgb(238,238,238); padding:4px">数据2得分</td> 
   <td style="border:1px solid rgb(238,238,238); padding:4px">数据3得分</td> 
   <td style="border:1px solid rgb(238,238,238); padding:4px">数据4得分</td> 
   <td style="border:1px solid rgb(238,238,238); padding:4px">平均分</td> 
  </tr> 
  <tr> 
   <td style="border:1px solid rgb(238,238,238); padding:4px">BKDRHash</td> 
   <td align="right" style="border:1px solid rgb(238,238,238); padding:4px">2</td> 
   <td align="right" style="border:1px solid rgb(238,238,238); padding:4px">0</td> 
   <td align="right" style="border:1px solid rgb(238,238,238); padding:4px">4774</td> 
   <td align="right" style="border:1px solid rgb(238,238,238); padding:4px">481</td> 
   <td align="right" style="border:1px solid rgb(238,238,238); padding:4px">96.55</td> 
   <td align="right" style="border:1px solid rgb(238,238,238); padding:4px">100</td> 
   <td align="right" style="border:1px solid rgb(238,238,238); padding:4px">90.95</td> 
   <td align="right" style="border:1px solid rgb(238,238,238); padding:4px">82.05</td> 
   <td align="right" style="border:1px solid rgb(238,238,238); padding:4px">92.64</td> 
  </tr> 
  <tr style="background-color:rgb(250,250,250)"> 
   <td style="border:1px solid rgb(238,238,238); padding:4px">APHash</td> 
   <td align="right" style="border:1px solid rgb(238,238,238); padding:4px">2</td> 
   <td align="right" style="border:1px solid rgb(238,238,238); padding:4px">3</td> 
   <td align="right" style="border:1px solid rgb(238,238,238); padding:4px">4754</td> 
   <td align="right" style="border:1px solid rgb(238,238,238); padding:4px">493</td> 
   <td align="right" style="border:1px solid rgb(238,238,238); padding:4px">96.55</td> 
   <td align="right" style="border:1px solid rgb(238,238,238); padding:4px">88.46</td> 
   <td align="right" style="border:1px solid rgb(238,238,238); padding:4px">100</td> 
   <td align="right" style="border:1px solid rgb(238,238,238); padding:4px">51.28</td> 
   <td align="right" style="border:1px solid rgb(238,238,238); padding:4px">86.28</td> 
  </tr> 
  <tr> 
   <td style="border:1px solid rgb(238,238,238); padding:4px">DJBHash</td> 
   <td align="right" style="border:1px solid rgb(238,238,238); padding:4px">2</td> 
   <td align="right" style="border:1px solid rgb(238,238,238); padding:4px">2</td> 
   <td align="right" style="border:1px solid rgb(238,238,238); padding:4px">4975</td> 
   <td align="right" style="border:1px solid rgb(238,238,238); padding:4px">474</td> 
   <td align="right" style="border:1px solid rgb(238,238,238); padding:4px">96.55</td> 
   <td align="right" style="border:1px solid rgb(238,238,238); padding:4px">92.31</td> 
   <td align="right" style="border:1px solid rgb(238,238,238); padding:4px">0</td> 
   <td align="right" style="border:1px solid rgb(238,238,238); padding:4px">100</td> 
   <td align="right" style="border:1px solid rgb(238,238,238); padding:4px">83.43</td> 
  </tr> 
  <tr style="background-color:rgb(250,250,250)"> 
   <td style="border:1px solid rgb(238,238,238); padding:4px">JSHash</td> 
   <td align="right" style="border:1px solid rgb(238,238,238); padding:4px">1</td> 
   <td align="right" style="border:1px solid rgb(238,238,238); padding:4px">4</td> 
   <td align="right" style="border:1px solid rgb(238,238,238); padding:4px">4761</td> 
   <td align="right" style="border:1px solid rgb(238,238,238); padding:4px">506</td> 
   <td align="right" style="border:1px solid rgb(238,238,238); padding:4px">100</td> 
   <td align="right" style="border:1px solid rgb(238,238,238); padding:4px">84.62</td> 
   <td align="right" style="border:1px solid rgb(238,238,238); padding:4px">96.83</td> 
   <td align="right" style="border:1px solid rgb(238,238,238); padding:4px">17.95</td> 
   <td align="right" style="border:1px solid rgb(238,238,238); padding:4px">81.94</td> 
  </tr> 
  <tr> 
   <td style="border:1px solid rgb(238,238,238); padding:4px">RSHash</td> 
   <td align="right" style="border:1px solid rgb(238,238,238); padding:4px">1</td> 
   <td align="right" style="border:1px solid rgb(238,238,238); padding:4px">0</td> 
   <td align="right" style="border:1px solid rgb(238,238,238); padding:4px">4861</td> 
   <td align="right" style="border:1px solid rgb(238,238,238); padding:4px">505</td> 
   <td align="right" style="border:1px solid rgb(238,238,238); padding:4px">100</td> 
   <td align="right" style="border:1px solid rgb(238,238,238); padding:4px">100</td> 
   <td align="right" style="border:1px solid rgb(238,238,238); padding:4px">51.58</td> 
   <td align="right" style="border:1px solid rgb(238,238,238); padding:4px">20.51</td> 
   <td align="right" style="border:1px solid rgb(238,238,238); padding:4px">75.96</td> 
  </tr> 
  <tr style="background-color:rgb(250,250,250)"> 
   <td style="border:1px solid rgb(238,238,238); padding:4px">SDBMHash</td> 
   <td align="right" style="border:1px solid rgb(238,238,238); padding:4px">3</td> 
   <td align="right" style="border:1px solid rgb(238,238,238); padding:4px">2</td> 
   <td align="right" style="border:1px solid rgb(238,238,238); padding:4px">4849</td> 
   <td align="right" style="border:1px solid rgb(238,238,238); padding:4px">504</td> 
   <td align="right" style="border:1px solid rgb(238,238,238); padding:4px">93.1</td> 
   <td align="right" style="border:1px solid rgb(238,238,238); padding:4px">92.31</td> 
   <td align="right" style="border:1px solid rgb(238,238,238); padding:4px">57.01</td> 
   <td align="right" style="border:1px solid rgb(238,238,238); padding:4px">23.08</td> 
   <td align="right" style="border:1px solid rgb(238,238,238); padding:4px">72.41</td> 
  </tr> 
  <tr> 
   <td style="border:1px solid rgb(238,238,238); padding:4px">PJWHash</td> 
   <td align="right" style="border:1px solid rgb(238,238,238); padding:4px">30</td> 
   <td align="right" style="border:1px solid rgb(238,238,238); padding:4px">26</td> 
   <td align="right" style="border:1px solid rgb(238,238,238); padding:4px">4878</td> 
   <td align="right" style="border:1px solid rgb(238,238,238); padding:4px">513</td> 
   <td align="right" style="border:1px solid rgb(238,238,238); padding:4px">0</td> 
   <td align="right" style="border:1px solid rgb(238,238,238); padding:4px">0</td> 
   <td align="right" style="border:1px solid rgb(238,238,238); padding:4px">43.89</td> 
   <td align="right" style="border:1px solid rgb(238,238,238); padding:4px">0</td> 
   <td align="right" style="border:1px solid rgb(238,238,238); padding:4px">21.95</td> 
  </tr> 
  <tr style="background-color:rgb(250,250,250)"> 
   <td style="border:1px solid rgb(238,238,238); padding:4px">ELFHash</td> 
   <td align="right" style="border:1px solid rgb(238,238,238); padding:4px">30</td> 
   <td align="right" style="border:1px solid rgb(238,238,238); padding:4px">26</td> 
   <td align="right" style="border:1px solid rgb(238,238,238); padding:4px">4878</td> 
   <td align="right" style="border:1px solid rgb(238,238,238); padding:4px">513</td> 
   <td align="right" style="border:1px solid rgb(238,238,238); padding:4px">0</td> 
   <td align="right" style="border:1px solid rgb(238,238,238); padding:4px">0</td> 
   <td align="right" style="border:1px solid rgb(238,238,238); padding:4px">43.89</td> 
   <td align="right" style="border:1px solid rgb(238,238,238); padding:4px">0</td> 
   <td align="right" style="border:1px solid rgb(238,238,238); padding:4px">21.95</td> 
  </tr> 
 </tbody> 
</table>

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。

在信息修竞赛中，要本着易于编码调试的原则，个人认为BKDRHash是最适合记忆和使用的。

BYVoid原创，欢迎建议、交流、批评和指正。

附：各种哈希函数的C语言程序代码

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);
    }