生成 hash 代码是一种好方法吗？

Question

我要写一个hash function，在以下两种情况下：

• 我对传递给方法的Object o - 它可以是字符串，也可以是 Integer，也可以是实际的自定义 object；
• 我根本不允许调用hashCode() 。

我现在使用的方法来计算 hash 代码：

1. 将 object 写入字节 stream；
2. 将字节stream转换为字节数组；

3. 循环遍历字节数组并通过执行以下操作计算 hash：

   hash = hash * PRIME + byteArray[i]

我的问题是这是一种可以接受的方法，有没有办法改进它？ 我个人觉得这个 function 的 scope 太宽泛了——没有关于对象是什么的信息，但在这种情况下我几乎没有发言权。

Answer 1

您可以使用HashCodeBuilder.reflectionHashCode而不是实现自己的解决方案。

Answer 2

序列化方法仅适用于实际上可序列化的对象。 因此，对于所有类型的对象是不可能的。

此外，这通过具有等效的 object 图来比较对象，这不一定与通过.equals()相等。

例如，由相同代码（具有相同数据）创建的 StringBuilder 对象将具有相等的 OOS output（即也相等的哈希），而b1.equals(b2)为 false，并且具有相同元素的 ArrayList 和 LinkedList 将被注册为不同，而list1.equals(list2)是true 。

---

您可以通过创建一个自定义HashOutputStream来避免将字节 stream 转换为数组步骤，它只是获取字节数据并对其进行哈希处理，而不是将其保存为数组以供以后迭代。

class HashOutputStream extends OutputStream {

    private static final int PRIME = 13;
    private int hash;

    // all the other write methods delegate to this one
    public void write(int b) {
        this.hash = this.hash * PRIME + b;
    }

    public int getHash() {
        return hash;
    }
}

然后将您的 ObjectOutputStream 包裹在 class 的 object 周围。

您可能会查看其他校验和算法，而不是您的y = y*13 + x方法。 例如，java.util.zip 包含Adler32 （用于zlib格式）和CRC32 （用于gzip格式）。

Answer 3

hash = (hash * PRIME + byteArray[i]) % MODULO？

Answer 4

此外，当您这样做时，如果您想尽可能避免冲突，您可以在步骤 3 中使用标准化的（如果故意冲突是一个问题，则使用加密）hash function，比如 SHA-2 之类的？

看看DigestInputStream ，它也可以让您免去第 2 步。

Answer 5

看看Bob Jenkins 关于非加密哈希的文章。 他介绍了多种方法，并讨论了它们的优势、劣势以及速度和碰撞概率之间的权衡。

如果不出意外，它将允许您证明您的算法决定是合理的。 向您的教练解释为什么您选择速度而不是正确性，反之亦然。

作为起点，试试他的一次一次 hash ：

ub4 one_at_a_time(char *key, ub4 len)
{
  ub4   hash, i;
  for (hash=0, i=0; i<len; ++i)
  {
    hash += key[i];
    hash += (hash << 10);
    hash ^= (hash >> 6);
  }
  hash += (hash << 3);
  hash ^= (hash >> 11);
  hash += (hash << 15);
  return (hash & mask);
} 

它很简单，但对更复杂的算法却出奇的好。