对未知输入具有良好一致性的哈希函数答案

【问题标题】：Hash functions with good uniformity for unknown input对未知输入具有良好一致性的哈希函数
【发布时间】：2011-12-26 20:28:03
【问题描述】：

我正在寻找一个对大量输入进行分区的哈希函数对少量分区（比如 100 或 256)。这意味着我预计会有很多碰撞，但我并不关心碰撞。

输入数据事先不知道。我期望有长度的字符串可能在 6 到 100 个字节之间。字符串可能分布很差（例如，大部分填充空格或仅包含数字）。

CRC 算法是最先浮现在脑海中的想法之一。 CRC8 已被提议，但未提供有关其的信息均匀性；对于 CRC32 显然是 uniformity is not that good。

有simple 或general purpose 哈希函数的列表，但没有说明它们的一致性。

Bob Jenkins 对返回一个 32 位值。我想对于一个均匀分布的 32 位值所有可能的 8 位子集也应该均匀分布，所以有是很好的候选人。但也许将 32 位值减少到如果有更简单的 8 位算法，则为 8 位值？

【问题讨论】：

Bernstein 在 Jenkins 页面上的哈希值也不错，而且非常简单。当需要“只是一些哈希”时，我在任何地方都使用它。没有任何问题。如果您担心它不够“随机”，您甚至可以将加法和异或变体组合成一个，这通常会流水线到相同数量的周期。请注意，CRC 的设计原理主要不是产生分布良好的散列，而是检测意外位翻转。
使用机器的本机寄存器大小（32 位）进行计算没有任何损失，大多数操作都是在（符号）将操作数扩展到本机 int 大小之后执行的。截断（或取模）会很便宜（但不是免费的）。并非所有哈希函数在最右边的位都有足够的熵。

【解决方案1】：

我发现 sdbm 算法的一致性很好，非常简单：

        h := 0.
        forEach ch in str {
            h := (h * 65599) + ch;
        }

【讨论】：