将可变长度 URL 映射到数字的简单散列函数 (0...3)答案

【问题标题】：Simple hashing function to map variable length URLs to numbers (0...3)将可变长度 URL 映射到数字的简单散列函数 (0...3)
【发布时间】：2012-11-05 01:28:49
【问题描述】：

我的网站使用来自单个域的各种资源，例如：

http://static.example.com/javascript/common.js
http://static.example.com/javascript/common.css
http://static.example.com/javascript/menu/menu.js
http://static.example.com/javascript/menu/menu.css
http://static.example.com/images/1804/logo/02000100.jpg
http://static.example.com/images/1804/headers/main/09400060.png
http://static.example.com/images/1804/headers/home/1101/06900200-01.jpg
http://static.example.com/images/1804/headers/home/1101/06900200-02.jpg

我需要一个非常简单的字符串散列函数，将这些 URL 映射到数字，数字是 0、1、2 和 3。算法应该是确定性和统一的。我已将问题标记为 PHP，但可以接受通用答案。

你可能已经猜到我为什么需要这个了；我打算将 URL 更改为，例如：

http://0.static.example.com/javascript/common.js
http://2.static.example.com/javascript/common.css

【问题讨论】：

我要说strlen($str) % $num ...它肯定很快:)
是快速但不统一...查看包含单词 headers 的 url？我将在一个页面上有大约 15 个，因此 20 个 URL 中有 15 个将具有哈希 = 3。
是的，这无疑更适用于更像人类的图像名称:)

标签： php algorithm hash

【解决方案1】：

我更喜欢对字符串进行crc32 散列，并将其与限制取模。

代码：

function numeric_hash($str, $range) {
    return sprintf("%u", crc32($str)) % $range;
}

用法：

$str = "http://static.example.com/javascript/common.js
http://static.example.com/javascript/common.css
http://static.example.com/javascript/menu/menu.js
http://static.example.com/javascript/menu/menu.css
http://static.example.com/images/1804/logo/02000100.jpg
http://static.example.com/images/1804/headers/main/09400060.png
http://static.example.com/images/1804/headers/home/1101/06900200-01.jpg
http://static.example.com/images/1804/headers/home/1101/06900200-02.jpg";
$urls = explode("\n", $str);

foreach($urls as $url) {
    echo numeric_hash($url, 4) . "\n";
}

输出：

【讨论】：

hexdec 是怎么回事？我用你的示例代码得到负数，顺便说一句，这不是问题。
@SalmanA，哎呀，我以为crc32 返回一个十六进制值。您必须使用 32 位 php，其中函数可以根据 manual 返回负整数。我敢肯定，用abs() 包装它也会给你一个正态分布。

【解决方案2】：

如果你有很多 URL，你应该只是一个强哈希，然后使用 mod <noBuckets>

MD5(URL) % 4

如果您的网址很少，或者您的大小或调用频率不均匀，则“随机”分布可能会很糟糕，您应该只创建四个列表，然后将您的网址静态分配给每个列表，手动或使用基于数量的启发式算法每个 URL 的请求数。

【讨论】：