在面试中用于整数、字符串的一个很好的哈希函数？

Question

我在面试中遇到过需要对整数或字符串使用哈希函数的情况。在这种情况下，我们应该选择哪些？在这些情况下我错了，因为我最终选择了产生大量冲突的那些，但哈希函数往往是数学上的，你无法在面试中回忆起它们。是否有任何一般性建议，至少面试官对您的整数或字符串输入方法感到满意？在“面试情况”中，哪些功能适合两种输入

Answer 1

这是来自Effective java page 33的简单食谱：

1. 在一个名为 result 的 int 变量中存储一些恒定的非零值，例如 17。
2. 对于对象中的每个重要字段 f（每个字段都由 equals 方法，即），执行以下操作：
   1. 计算字段的 int 哈希码 c：
      • 如果字段是布尔值，则计算 (f ? 1 : 0)。
      • 如果字段是 byte、char、short 或 int，则计算 (int) f。
      • 如果字段是长字段，则计算 (int) (f ^ (f >>> 32))。
      • 如果字段是浮点数，则计算 Float.floatToIntBits(f)。
      • 如果字段是双精度，则计算 Double.doubleToLongBits(f)，然后 然后在步骤 2.1.iii 中对结果进行哈希运算。
      • 如果字段是对象引用并且该类的 equals 方法 通过递归调用equals来比较字段，递归地 在字段上调用 ​​hashCode。如果更复杂的比较是 需要，计算该字段的“规范表示”并 在规范表示上调用 hashCode。如果值 字段为空，返回 0（或其他一些常量，但 0 是传统的）。 48 第 3 章 所有对象通用的方法
      • 如果该字段是一个数组，则将其视为每个元素都是一个单独的字段。 也就是说，通过应用计算每个重要元素的哈希码 这些规则递归，并在每个步骤 2.b 中组合这些值。如果每个 数组字段中的元素很重要，您可以使用其中一种 1.5 版中添加了 Arrays.hashCode 方法。
   2. 将步骤 2.1 中计算的哈希码 c 组合到结果中，如下所示： 结果 = 31 * 结果 + c;
3. 返回结果。
4. 写完 hashCode 方法后，问问自己是否 相等的实例具有相等的哈希码。编写单元测试来验证你的直觉！ 如果相等的实例具有不相等的哈希码，请找出原因并解决问题。

Answer 2

你应该问面试官散列函数是干什么用的——这个问题的答案将决定什么样的散列函数是合适的。

• 如果它用于散列数据结构（如散列图），您希望它尽可能简单（执行速度快）并避免冲突（最常见的值映射到不同的散列值）。一个很好的例子是一个整数散列到相同的整数 - 这是 java.lang.Integer 中的标准 hashCode() 实现

• 如果是出于安全目的，您将需要使用cryptographic hash function。这些主要是为了使哈希函数难以反转或发现冲突。

• 如果您想要快速的 pseudo-random-ish 散列值（例如用于模拟），那么您通常可以修改伪随机数生成器来创建这些值。我个人最喜欢的是：

public static final int hash(int a) {         
      a ^= (a << 13);
      a ^= (a >>> 17);        
      a ^= (a << 5);
      return a;   
}

如果您正在为某种形式的复合结构（例如，具有多个字符的字符串、数组或具有多个字段的对象）计算哈希，那么您可以使用多种技术来创建组合哈希函数。我建议对组成部分的旋转哈希值进行异或运算，例如：

public static <T> int hashCode(T[] data) {
    int result=0;
    for(int i=0; i<data.length; i++) {
        result^=data[i].hashCode();
        result=Integer.rotateRight(result, 1);
    }
    return result;
}

请注意，上述内容在密码学上并不安全，但可以用于大多数其他目的。您显然会遇到冲突，但在将大型结构散列为整数时这是不可避免的 :-)

Answer 3

对于整数，我通常使用 k % p 其中 p = 哈希表的大小并且是素数，对于字符串，我从 String 类中选择哈希码。这足以应付一家大型科技公司的面试吗？ – 凤凰 2 天前

也许不是。需要为您不知道其实现的哈希表提供哈希函数的情况并不少见。此外，如果您以依赖于使用素数存储桶的实现的方式进行散列，那么如果实现因新库、编译器、操作系统端口等而发生变化，您的性能可能会下降。

就个人而言，我认为面试中重要的是清楚地了解通用哈希算法的理想特征，这基本上是对于任何两个输入键，其值变化只有一位，每个输出中的位有大约 50/50 的翻转机会。我发现这很违反直觉，因为我第一次看到的许多散列函数都使用位移和异或，并且翻转的输入位通常会翻转一个输出位（通常在另一个位位置，所以 1-input-bit-affects-many当我在 Knuth 的一本书中读到 -output-bits 时，我感到有点启示。有了这些知识，您至少能够测试和评估特定的实现，而不管它们是如何实现的。

我将提到一种方法，因为它实现了这个理想并且易于记忆，尽管内存使用可能使其比数学方法慢（也可能更快，取决于硬件），是简单地使用输入中的每个字节查找随机整数表。例如，给定一个 24 位 RGB 值和 int table[3][256]，table[0][r] ^ table[1][g] ^ table[2][b] 是一个很好的 sizeof int 哈希值 - 如果输入随机分散在 int 值中（而不是说递增 - 见下文），则确实“完美” )。这种方法不适合长或任意长度的键，但您可以开始重新访问表并移位值等。

综上所述，对于您知道输入键中的模式和/或所涉及的桶数的特定情况（例如，您可能知道输入键从 1 到 100 是连续的，并且有 128 个桶，因此您可以在没有 任何 冲突的情况下传递键）。但是，如果输入不再符合您的期望，您可能会遇到可怕的碰撞问题，而“随机化”方法永远不会比负载 (size() / buckets) 所暗示的更糟糕。另一个有趣的见解是，当您想要一个快速且平庸的哈希时，您不必在生成哈希时合并所有输入数据：例如上次我查看 Visual C++ 的字符串散列代码时，它选择了十个沿文本均匀分布的字母作为输入......