我想在 Clojure 中构建一个布隆过滤器，但我对基于 JVM 的语言可能可用的所有哈希库了解不多。
对于 Clojure 中最快（而不是最准确）的布隆图实现，我应该使用什么？
【问题讨论】：
hash() 方法报告的内置哈希值重复应用混合哈希函数，例如cris.com/~Ttwang/tech/inthash.htm 生成的值可能相关性太强，这可能会使布隆过滤器失效。我过去使用的一种方法是使用具有很长结果的哈希函数，例如 SHA-256，并将结果分成块。对于您的目的而言，这可能太慢了。最简单的可能只是在谷歌上搜索“字符串哈希函数”并实现它给出的一些结果。
标签： java clojure hash bloom-filter
看看Apache Cassandra 中的布隆过滤器实现。这使用非常快的MurmurHash3 算法并以不同的方式组合两个哈希（或相同哈希的两个部分，因为升级到 MurmurHash3 而不是 MurmurHash2）来计算所需的哈希数。
组合生成方法在this paper中描述
这是来自 Cassandra 源代码的 sn-p：
long[] hash = MurmurHash.hash3_x64_128(b, b.position(), b.remaining(), 0L);
long hash1 = hash[0];
long hash2 = hash[1];
for (int i = 0; i < hashCount; ++i)
{
result[i] = Math.abs((hash1 + (long)i * hash2) % max);
}
另见Bloomfilter and Cassandra = Why used and why hashed several times?
【讨论】：
所以布隆过滤器的有趣之处在于，为了有效地工作，它们需要多个哈希函数。
Java 字符串已经内置了一个可以使用的哈希函数 - String.hashCode() 返回一个 32 位整数哈希。对于大多数用途来说，这是一个 OK 的哈希码，而且这可能就足够了：例如，如果您将其划分为 2 个单独的 16 位哈希码，那么这可能足以让您的布隆过滤器正常工作。您可能会遇到一些冲突，但这没关系 - 布隆过滤器预计会有一些冲突。
如果没有，您可能想要自己滚动，在这种情况下，我建议使用 String.getChars() 访问原始 char 数据，然后使用它来计算多个哈希码。
帮助您入门的 Clojure 代码（只是总结字符值）：
(let [s "Hello"
n (count s)
cs (char-array n)]
(.getChars s 0 n cs 0)
(areduce cs i v 0 (+ v (int (aget cs i)))))
=> 500
注意使用 Clojure 的 Java 互操作来调用 getChars，使用 areduce 可以非常快速地对字符数组进行迭代。
您可能还对我在 Github 上找到的这个 Java 布隆过滤器实现感兴趣：https://github.com/MagnusS/Java-BloomFilter。 hashcode 的实现乍一看还不错，但它使用字节数组，我认为它比使用 chars 效率低一些，因为需要处理字符编码开销。
【讨论】：