输入长度和哈希分布之间有什么关系吗？

Question

我在 this site 中使用 Canterbury 语料库基准集测试了一些哈希函数。

在测试中，我的程序读取基准文件

对于每一个字节，连续的3或4个字节将作为散列函数的输入

示例）基准文件包含“ABCDEFGHI”

当输入长度为 3 时，'ABC' 是第一个输入并生成一些哈希值

接下来，'BCD' 是第二个输入并生成另一个哈希值，依此类推

当输入长度为 4 时，输入将是 'ABCD' 和下一个，'BCDE'

hash输出是32bit长，我的程序提取最后12bit，这12bit作为hash表的地址

我测试了 Rotation hash、one-at-a-time hash、Bernstein's hash、FNV hash。

当输入长度为 4 时，在每个测试用例中，哈希利用率总是比输入长度为 3 时更好。

输入长度和哈希分布之间有什么关系吗？ 哈希的任何理论或特征？

还是巧合？

Answer 1

是的。每当哈希表太“满”时，都会调整一个底层数组的大小。通常，底层数组的大小是从一个素数列表中挑选出来的，每个素数的大小大约是前一个大小的两倍。有很多方法可以做到这一点，但关键是对于给定的调整大小方案，如果您只是逐个添加元素，利用率会上下变化，但可能会在调整大小后立即下降。