基本结构的哈希函数答案

【问题标题】：Hash function for basic struct基本结构的哈希函数
【发布时间】：2021-09-24 14:56:41
【问题描述】：

我有一个非常简单的 POD 结构，其中包含 3 个短裤，我计划在 unordered_set 中使用它数亿次。

这是我目前正在做的事情：

struct ps3 {
    short v1;
    short v2;
    short v3;

    bool operator==(const ps3& other) const {
        return v1 == other.v1
            && v2 == other.v2
            && v3 == other.v3;
    }
}

// Hash function:
size_t operator()(const ps3& p) const {
    return (static_cast<size_t>(*reinterpret_cast<const int*>(&p)) << 16) | p.v3;
}

哈希函数只返回 ps3 的值，因为它可以容纳在 8 个字节内。

（我看到here，对于基本类型，标准哈希函数只返回自身，所以如果它是一个值为 30 的 int，它将返回 30 的哈希）

我返回 ps3 的值，方法是获取前四个字节，移位 16，然后 OR 处理最后一个字节。

我想知道这种方法是否好用，是否有什么可以提高性能的方法（因为它被使用了数亿次，可能是数十亿次）

基准测试

我做了一些基准测试，结果如下：

当前方法：1076ms
memcpy：1500ms
按照@rturrado 的建议，使用hash<short>() 组合每个短片：876 毫秒

【问题讨论】：

*reinterpret_cast<const int*>(&p)) << 16 是未定义的行为。我建议使用memcpy 将结构复制到unsigned long long，然后散列/返回该整数。
我很确定reinterpret_cast 的这种用法违反了严格的别名规则，这意味着该代码具有未定义的行为。执行此操作的正确方法是使用std::memcpy。
在 A Tour of C++ 一书中，他们建议对结构成员使用异或组合现有的哈希函数。在您的情况下，它将类似于hash<short>()(v1) ^ hash<short>()(v2) ^ hash<short>()(v3)。
很可能不会。所有数据都应该在缓存/寄存器中，所以应该很快。
如果您担心性能，请不要使用std::unorderd_set。它基本上是 std::vector<std::list> 和 std::list 是性能最差的容器之一。

标签： c++ hash

【解决方案1】：

根据 A Tour of C++ 中的 cmets，您自己的哈希的可能实现是：

struct ps3 { short v1; short v2; short v3; };

struct ps3_hash {
    size_t operator()(const ps3& other) const {
        return hash<short>()(other.v1) ^ hash<short>()(other.v2) ^ hash<short>()(other.v3);
    }
};

unordered_set<ps3, ps3_hash> my_set;  // set of ps3s using ps3_hash for lookup

【讨论】：