可以转换为整数的字符串的哈希码答案

【问题标题】：Hashcode for strings that can be converted to integer可以转换为整数的字符串的哈希码
【发布时间】：2012-05-23 08:33:37
【问题描述】：

我正在寻找为非常特殊的字符串创建哈希码的最有效方法。

我有可以转换为整数的字符串，它们从 1 到 10,000 不等，而且非常集中在 1-600 范围内。

我的问题是，就从集合中检索项目以实现其哈希码的性能而言，最有效的方法是什么。

我的想法是：

我可以将字符串转换为整数并使用直接访问表（10.000 行的数组） - 这对于检索来说非常快，但在内存分配方面不是很聪明；
我可以将字符串用作字符串并为其获取哈希码（我不必将其转换为整数，但我不知道字符串的哈希码在冲突方面的效果如何）

非常感谢任何其他想法。

非常感谢

感谢大家的及时回复...

还有一个我忘记补充的信息。如果我让你知道我的最终目标，我想它会让你明白这一点——我什至可能不需要哈希表！！！

我只想针对不可变的字典验证流。我想检查给定标签是否出现在我的消息中。

我将收到一个包含多对 tag=value 的字符串。我想验证我的应用程序是否必须处理标签。

【问题讨论】：

使用String的hashCode方法？这是一个很好的算法。
@HotLicks 但是散列码的传播呢？ OP有一个合法的问题。如果情况如此受限，本机 hashCode 的性能可能是另一个问题。可能会有更多性能更好的选择。
@Marko，为什么你认为哈希码还没有均匀分布？
就像我说的，hashCode for String 是一个非常好的算法。另一个明显的选择是使用整数值本身，但是您不能在 String 上使用简单的 HashMap —— 您必须创建自己的包装对象或混合 HashMap。
@HotLicks 这是一个非常好的通用算法。并在 Java 中挥洒汗水？在最后一堂课上没有高效的方法。

标签： java string int hashcode

【解决方案1】：

您可能需要考虑使用 trie (http://en.wikipedia.org/wiki/Trie) 或基数树 (http://en.wikipedia.org/wiki/Radix_tree)。无需将字符串解析为整数，或计算哈希码。当你走绳子时，你正在走一棵树。

编辑：

计算字符串的哈希码和解析字符串中的整数都涉及遍历整个字符串，然后使用该值作为对特定数据结构的查找。其他技术可能涉及在遍历数据结构的同时检查字符串。这可能对寻求“其他想法”的发帖人有价值。

【讨论】：

你的回答是不符合要求的。
怎么样？难道这不算是“非常感谢”的“其他想法”吗？
我没有 d/v，但 OP 专门询问如何派生哈希码。
虽然 OP 似乎并不真正知道他想要什么。（这本身并不坏，但这意味着应该容忍“野鸭”的建议。）
我会看看你的建议。非常感谢

【解决方案2】：

许多集合（例如 HashMap）已经应用了一种补充的“rehash”方法来帮助解决糟糕的哈希码算法。例如浏览HashMap.hash() 的源代码。并且字符串是非常常见的键，因此您可以确定 String.hashCode() 是高度优化的。所以，除非你注意到你的 hashCode 之间有很多冲突，否则我会使用标准代码。

我尝试将 0..600 的字符串放入 HashSet 以查看发生了什么，但是查看有多少条目发生冲突非常乏味。寻找你自己！如果您真的很在意，请将 HashMap 中的源代码复制到您自己的类中，对其进行编辑，以便您可以访问条目（在我正在查看的 Java 6 源代码中，这将是 transient Entry[] table，YMMV），并添加计算碰撞的方法。

【讨论】：

创建一个假定哈希表大小的布尔数组，对字符串进行哈希处理，并设置相应的位。如果该位已设置，则您有冲突。您可以使用整数数组进行下一步并找到最长的链。

【解决方案3】：

如果只有有限的有效值范围，为什么不按照您的建议将集合表示为 int[10000]？ array[x] 处的值是x 出现的次数。

如果您的字符串表示为十进制整数，那么将它们解析为字符串是一个 5 次迭代循环（最多 5 个数字）和几个加法和减法。也就是说，它非常快。插入元素实际上是 O(1)，检索是 O(1)。所需内存约为 40kb（每个 int 4 字节）。

一个问题是没有保留插入顺序。也许你不在乎。

也许您可以考虑缓存哈希码并仅在自上次调用 hashcode() 后您的集合发生更改时才更新它。见Caching hashes in Java collections?

【讨论】：

【解决方案4】：

«插入免责声明，仅当它是您的应用程序中的热点并且您可以证明时才这样做»

整数值本身就是一个完美的散列函数，不会发生任何冲突。但是这种方法有两个问题：

HashMap 不允许您指定自定义散列函数。因此，您要么必须实现自己的 HashMap，要么使用包装对象。
HashMap 使用按位而不是模运算来查找存储桶。这显然会丢掉一些东西，因为它只是一个面具。 java.util.HashMap.hash(int) 试图弥补这一点，但我看到有人声称这不是很成功。我们再次回到实现您自己的HashMap。

既然您使用整数值作为哈希函数，为什么不使用整数值作为HashMap 中的键而不是字符串？如果你真的想优化它，你可以编写一个使用 int 而不是 Integer 键的哈希映射，或者使用 trove 中的 TIntObjectHashMap。

如果您真的对寻找好的哈希函数感兴趣，我可以推荐 Hashing in Smalltalk，请忽略作者对 Java 的咆哮（免责声明：我认识作者）。

【讨论】：