ELFhash - 优秀的字符串哈希算法
2021-07-03 02:08
阅读：544
Hash应用中，字符串是最为常见的关键字，应用非常普通，现在的程序设计语言中基本上都提供了字符串hash表的支持。字符串hash函数非常多，常见的主要有Simple_hash, RS_hash, JS_hash, PJW_hash, ELF_hash, BKDR_hash, SDBM_hash, DJB_hash, AP_hash, CRC_hash等。它们的C语言实现见后面附录代码: hash.h, hash.c。那么这么些字符串hash函数，谁好熟非呢？评估hash函数优劣的基准主要有以下两个指标：
(1) 散列分布性
即桶的使用率backet_usage = (已使用桶数) / (总的桶数)，这个比例越高，说明分布性良好，是好的hash设计。
(2) 平均桶长
即avg_backet_len，所有已使用桶的平均长度。理想状态下这个值应该=1，越小说明冲突发生地越少，是好的hash设计。
hash函数计算一般都非常简洁，因此在耗费计算时间复杂性方面判别甚微，这里不作对比。
评估方案设计是这样的：
(1) 以200M的视频文件作为输入源，以4KB的块为大小计算MD5值，并以此作为hash关键字;
(2) 分别应用上面提到的各种字符串hash函数，进行hash散列模拟；
(3) 统计结果，用散列分布性和平均桶长两个指标进行评估分析。
测试程序见附录代码hashtest.c，测试结果如下表所示。从这个结果我们也可以看出，这些字符串hash函数真是不相仲伯，难以决出高低，所以实际应用中可以根据喜好选择。当然，最好实际测试一下，毕竟应用特点不大相同。其他几组测试结果也类似，这里不再给出。
| Hash函数 | 桶数 | Hash调用总数 | 最大桶长 | 平均桶长 | 桶使用率% |
| simple_hash | 10240 | 47198 | 16 | 4.63 | 99.00% |
| RS_hash | 10240 | 47198 | 16 | 4.63 | 98.91% |
| JS_hash | 10240 | 47198 | 15 | 4.64 | 98.87% |
| PJW_hash | 10240 | 47198 | 16 | 4.63 | 99.00% |
| ELF_hash | 10240 | 47198 | 16 | 4.63 | 99.00% |
| BKDR_hash | 10240 | 47198 | 16 | 4.63 | 99.00% |
| SDBM_hash | 10240 | 47198 | 16 | 4.63 | 98.90% |
| DJB_hash | 10240 | 47198 | 15 | 4.64 | 98.85% |
| AP_hash | 10240 | 47198 | 16 | 4.63 | 98.96% |
| CRC_hash | 10240 | 47198 | 16 | 4.64 | 98.77% |
评论
亲，登录后才可以留言！