各种字符串Hash函数比较

shane007

原文
8 x. A/ `$ w  z% ^  Ihttp://blog.csai.cn/user3/50125/archives/2009/35638.html
5 p! r& i! a# ~, \
: X! m- h8 q/ t. {; A6 l[pre]文章转摘自http://www.cmykrgb123.cn/blog/string-hash-compare/
" x) ?- h9 b4 q: H$ |7 T  
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，
3 Z( ^3 u* f0 {! G1 C1 H4 h这些函数几乎不可能找到碰撞。
$ x% [; h% e# P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。

Hash函数	数据1	数据2	数据3	数据4	数据1得分	数据2得分	数据3得分	数据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
1 n- T9 h: s0 T& U6 n# U- i. [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。
3 I' f. E* g. l. Q0 ^, j+ v7 SCmYkRgB123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

+ _: |: h/ ^% |5 x% L- q! {7 uunsigned int SDBMHash(char *str)
{
& B  {/ }) Y, R( x: U( D# T    unsigned int hash = 0;
  
( I+ @$ y1 N! M: H    while (*str)
    {
        // equivalent to: hash = 65599*hash + (*str++);
        hash = (*str++) + (hash << 6) + (hash << 16) - hash;
! \0 l1 H  r$ w2 V) y5 y    }
  
    return (hash & 0x7FFFFFFF);
) D$ y4 O, v$ g* ~}
5 M: _& \5 s+ @  
( q4 `% M9 K1 m3 q" s// RS Hash
$ s) I; o. Z" z! V8 ^; m7 _) Kunsigned int RSHash(char *str)
* G0 h* [* B2 |  g{
    unsigned int b = 378551;
% o5 x6 }+ h: Z( c/ ~! d    unsigned int a = 63689;
: r  S8 m. r7 K2 |6 }$ |* d9 y% w2 C    unsigned int hash = 0;
/ c! B/ ?- f3 H2 w! @* q  
# L9 B$ V6 ^. q! P7 ~7 I2 F  R    while (*str)
" Q, A8 {+ X6 E2 q7 F' x" y    {
, E, e+ B+ r, W; _, k- h        hash = hash * a + (*str++);
) j0 ^7 y0 D; u% n- F        a *= b;
    }
  
    return (hash & 0x7FFFFFFF);
}
  
// JS Hash
3 [3 L* `. d& j0 }5 [  Munsigned int JSHash(char *str)
{
7 B' p2 @5 X/ ~  Y: E& y    unsigned int hash = 1315423911;
  
1 r' w$ T4 P# A' \; {! E- h, W4 v    while (*str)
7 s( q. @4 j* Y    {
3 c/ x1 _$ p$ q$ |        hash ^= ((hash << 5) + (*str++) + (hash >> 2));
. u* S9 ?) [7 ?    }
  
0 U# H! V4 i" w6 l6 O    return (hash & 0x7FFFFFFF);
}
  
// P. J. Weinberger Hash
unsigned int PJWHash(char *str)
{
    unsigned int BitsInUnignedInt = (unsigned int)(sizeof(unsigned int) * 8);
    unsigned int ThreeQuarters    = (unsigned int)((BitsInUnignedInt  * 3) / 4);
  z3 B, l7 J  i* {8 Q    unsigned int OneEighth = (unsigned int)(BitsInUnignedInt / 8);
    unsigned int HighBits = (unsigned int)(0xFFFFFFFF) << (BitsInUnignedInt [pre]                                               - 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 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 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 unsigned int DJBHash(char *str){    unsigned int hash = 5381;     while (*str)    {        hash += (hash << 5) + (*str++);    }     return (hash & 0x7FFFFFFF);} // AP Hash 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);}[/pre]