C smdb哈希值％tableSize重复评估相同的值？ （使用不同的输入。）

Question

尝试使用 smdb 算法创建哈希表（因为我听说不要尝试自己编写哈希表是明智之举。）我确定我做错了。我有没有提到我是 C 的新手？

我的 hashFunction() % size 在第一次调用时首先返回一个像 35 这样的数字，然后在第 2 次调用、第 3 次调用、第 4 次调用...时，它会无限返回 65。我只是将这些数字用作任意示例。在尝试用调试器解决之后，我注意到 hashFunction 返回不同的长整数，但它们都以相同的最后 2 个数字结尾......就像这样......

4460735 4526335 4591935

所以我想这就是为什么当我散列 % size 时，每次都会得到相同的输出。这违背了均匀分布密钥的想法，对吧？

请对我放轻松。我知道 SO 上的人有多野蛮。

#include <stdio.h>
#include <stdlib.h>

typedef struct node
{
    char* str;
    struct node* next;
} 
node;

void insertItem(char* number, node** list);
unsigned long hashFunction(char* str);

int main(void)
{

    int size = 100;
    int index = 0;

    node* buckets[size];

    for (int i = 0; i < size; i++)
    {
        char c = i + 'A';
        index = hashFunction(&c) % size;
        insertItem(&c, &buckets[index]);
    }

}

void insertItem(char* str, node** list)
{
    node* newItem = malloc(sizeof(node));
    newItem->str = str;
    newItem->next = *list;
    *list = newItem;
}

unsigned long hashFunction(char* str)
{
    //sdbm hash function adapted (incorrectly?) from here: http://www.cse.yorku.ca/~oz/hash.html
    unsigned long hash = 0;
    int c;

    while ((c = *str++))
        hash = c + (hash << 6) + (hash << 16) - hash;

    return hash;
}

Answer 1

问题是您对字符而不是字符串进行测试。

如果你用真实的字符串给你的算法提供一些东西，那么你会得到更重要的东西。例如，使用以下代码更改您的代码：

char mystring[] = "Any string will do !";

for (int i = 0; i < size; i++)
{
    mystring[0] = i; // simple hack to change the string a bit, well ... a byte ;)
    index = hashFunction(mystring) % size;
    insertItem(mystring, &buckets[index]);
}

如果你打印index，你会得到一个更合适的索引。

编辑：

真正的问题是你的散列函数被设计成获取一个 C 字符串作为参数（一个 char* 指向一个必须以 null 结尾的缓冲区，即以'\0' 结尾）。当您给出单个字符的地址时，第一次取消引用是可以的，但是使用指向不是真正分配对象的东西的下一个地址（++ 之后）是undefined behavior。

致谢：请参阅 moooeeeep answer 和 cmets。

Answer 2

散列函数需要一个指向空终止字符串的指针作为输入参数。您将指针传递给单个字符。该函数然后迭代无效内存，直到它到达一个随机的空字节。

char c = i + 'A';
index = hashFunction(&c) % size;

你需要传递一个指向字符串的指针。例如：

char arr[] = "Hello World";
index = hashFunction(arr) % size;

还可以考虑将size 设置为素数以增加随机性。进一步阅读：

• Why should hash functions use a prime number modulus?
• Hash table: why size should be prime?