Cuckoo Hashing Collisions 导致溢出

Question

我正在尝试使用散列函数实现布谷鸟散列： hash1: key.hashcode() % 容量 hash2: key.hashcode()/容量%容量

使用无限循环检查和重新散列方法使容量增加一倍。该程序适用于少量数据，但当数据变大（大约 20k 个元素）时，程序会不断重新散列，直到容量溢出。

我认为无限重新散列主要是由具有完全相同哈希码的数据引起的。重新散列后，其他数据有可能得到相同的哈希码并再次引起重新散列。

我已经使用 Java 内置哈希码，但是当数据量很大时，相同哈希码的机会仍然很高。即使我修改了一点hashcode方法，最终仍然有相同hashcode的数据。

那么我应该使用哪种哈希方法来防止这种情况发生？

Answer 1

创建散列函数的常用方法通常是使用素数。我写了一个函数（如下），我不保证不会发生冲突，但应该减少它。

hashFunction1(String s){
    int k = 7;         //take a prime number, can be anything (I just chose 7)
    for(int i = 0; i < s.length(); i++){
        k *= (23 * (int)(s.charAt(i)));
        k %= capacity;
    }
}
//23 is another randomly chosen number.

您可以编写与 hashFunction2 类似的散列函数，选择两个不同的素数。但这里的主要问题是，对于字符串“stop”和“pots”，这给出了相同的哈希码。

因此，对该功能的即兴创作可以是：

hashFunction1(String s){
    int k = 7;         //take a prime number, can be anything (I just chose 7)
    for(int i = 0; i < s.length(); i++){
        k *= (23 * (int)(s.charAt(i)));
        k += (int)(s.charAt(i));
        k %= capacity;
    }
}

这将解决这个问题（对于大多数情况，如果不是全部）。

如果你仍然觉得这个函数不好，你可以使用映射到每个字符的唯一素数来代替 s.charAt(i)，即。 a=3、b=5、c=7、d=11 等等。这应该可以更好地解决冲突。

编辑：

1. 您使用的是+n，这是一个常量。
2. 2 不是在这种情况下使用的素数。使用奇数素数，3 个有效。