Hash Compared & ELFHash 詳解
阿新 • • 發佈：2018-12-23
- 部分轉載自here
常用HASH演算法 程式碼 & 比較
- 常用的字串Hash函式還有ELFHash，APHash等等，都是十分簡單有效的方法。這些函式使用位運算使得每一個字元都對最後的函式值產生影響。另外還有以MD5和SHA1為代表的雜湊函式，這些函式幾乎不可能找到碰撞。
- 常用字串雜湊函式有BKDRHash，APHash，DJBHash，JSHash，RSHash，SDBMHash，PJWHash，ELFHash等等。對於以上幾種雜湊函式，我對其進行了一個小小的評測。
Hash函式 資料1 資料2 資料3 資料4 資料1
- 其中資料1為100000個字母和數字組成的隨機串雜湊衝突個數。資料2為100000個有意義的英文句子雜湊衝突個數。資料3為資料1的雜湊值與1000003(大素數)求模後儲存到線性表中衝突的個數。資料4為資料1的雜湊值與10000019(更大素數)求模後儲存到線性表中衝突的個數。
- 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也是較為優秀的演算法。DJBHash,JSHash,RSHash與SDBMHash各有千秋。PJWHash與ELFHash效果最差，但得分相似，其演算法本質是相似的。
- 在資訊修競賽中，要本著易於編碼除錯的原則，個人認為BKDRHash是最適合記憶和使用的。
- BYVoid原創，歡迎建議、交流、批評和指正。
- 附：各種雜湊函式的C語言程式程式碼
SDBM Hash
- SDBM Hash
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
- RS Hash Function
// 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
- JS Hash Function
// 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
- P. J. Weinberger Hash Function
// 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
- ELF Hash Function
// 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
- BKDR Hash Function
// 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
- AP Hash Function
// 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);
}ELFHash詳細分析
- ELFHash
// ELF Hash Function
unsigned int ELFHash(char *str)
{
unsigned int hash = 0;
unsigned int x = 0;
while (*str)
{
hash = (hash << 4) + (*str++);//hash左移4位，當前字元ASCII存入hash
if ((x = hash & 0xF0000000L) != 0)
{//如果最高的四位不為0，則說明字元多餘7個，如果不處理，再加第九個字元時，第一個字元會被移出，因此要有如下處理。
//該處理，如果對於字串(a-z 或者A-Z)就會僅僅影響5-8位，否則會影響5-31位，因為C語言使用的算數移位
hash ^= (x >> 24);
//清空28-31位。上面其實就是把即將刪除的高四位和低5-8位運算一次，和 hash = (hash << 4) + (*str++); 效果相同
hash &= ~x;
}
}
//返回一個符號位為0的數，即丟棄最高位，以免函式外產生影響。(我們可以考慮，如果只有字元，符號位不可能為負)
return (hash & 0×7FFFFFFF);
}
- 解釋
ELFhash函式在UNIX系統V 版本4中的“可執行連結格式”( Executable and Linking Format，即ELF )中會用到，ELF檔案格式用於儲存可執行檔案與目標檔案。ELFhash函式是對字串的雜湊。它對於長字串和短字串都很有效，字串中每個字元都有同樣的作用，它巧妙地對字元的ASCII編碼值進行計算，ELFhash函式對於能夠比較均勻地把字串分佈在散列表中。
說明：unsigned int hash = 0; unsigned int x = 0;
定義無符號整數，在進行位運算時無需考慮符號位的影響，左移和右移均補位0
int 為32位 ，即 00000000 00000000 00000000 00000000
hash = (hash << 4) + (*str++);//hash左移4位，當前字元ASCII存入hash
例，如果hash為2時，（hash << 4）操作後，放大16（2的4次方）倍；然後加上(*str++)，(*str++)為8位的字元，所以對4-7為有影響，其後四位添到hash左移空出的四位。
if ((x = hash & 0xF0000000L) != 0)
0xF0000000L表示28-31位這4位是1，後28為均為0的長整型（L），該操作的結果為x儲存hash 的高4位
& 按位與 如果兩個相應的二進位制位都為1，則該位的結果值為1，否則為0
hash ^= (x >> 24);
首先x的拷貝進行右移23位的操作，然後與hash進行異或操作。
右移後X的值為 00000000 00000000 00000000 ****0000 ;****為hash的高四位
^ 按位異或 若參加運算的兩個二進位制位值相同則為0，否則為1
hash &= ~x;
有 if ((x = hash & 0xF0000000L) != 0)，x儲存著hash的高四位，雖然進行右移操作，但不會改變x的值，而是對副本進行操作。經過hash &= ~x; hash的高四位被清空。
//返回一個符號位為0的數，即丟棄最高位，以免函式外產生影響。(我們可以考慮，如果只有字元，符號位不可能為負)
return (hash & 0×7FFFFFFF);