如何測試哈希函數？

Question

有沒有辦法測試哈希函數的質量？ 我想在哈希表中使用時有一個很好的傳播，如果在單元測試中可以驗證它會很好。

編輯 ：為了澄清，我的問題是我在Java中使用了long值，使得前32位編碼ID，第二位32位編碼另一個ID。 不幸的是，Java的長值散列只是將前32位與第二位32位異或，這在我的情況下導致在HashMap使用時性能非常差。 所以我需要一個不同的哈希，並希望有一個單元測試，以便這個問題不再蔓延。

Answer 1

首先，我認為你必須通過對自己的良好傳播來定義你的意思。 您是指對所有可能的輸入進行良好的傳播，還是僅為可能的輸入提供良好的傳播？

例如，如果您正在散列表示正確的完整（第一個+最后一個）名稱的字符串，那么您可能不會關心使用數字ASCII字符散列的內容。

至於測試，你最好的選擇是獲得你期望的大量或隨機輸入數據集，並通過哈希函數推送它，看看傳播是如何結束的。 可能不會有一個魔術程序可以說“是的，這對你的用例來說是一個很好的哈希函數。” 但是，如果您可以以編程方式生成輸入數據，則應該可以輕松地創建生成大量數據的單元測試，然后驗證擴展是否在您的定義中。

編輯：在64位長的情況下，是否真的有理由使用哈希映射？ 為什么不直接使用平衡樹，直接使用long作為密鑰而不是重新使用它？ 您在整體節點大小（鍵值大小的2倍）上支付一點點罰款，但最終可能會將其保存在性能上。

Answer 2

您必須使用從您期望它處理的相同（或類似）分發中提取的數據來測試您的哈希函數。 當查看64位長的散列函數時，如果從所有可能的長值統一繪制輸入值，則默認的Java散列函數非常好。

但是，您已經提到應用程序使用long來存儲基本上兩個獨立的32位值。 嘗試生成一個類似於您期望實際使用的值的樣本，然后使用它進行測試。

對於測試本身，獲取樣本輸入值，對每個值進行散列並將結果放入集合中。 計算結果集的大小，並將其與輸入集的大小進行比較，這將告訴您哈希函數生成的沖突數。

對於您的特定應用程序，不要簡單地將它們一起進行異或，而是嘗試將32位值組合在一起，典型的良好散列函數將組合兩個獨立的int。 即乘以素數，然后加上。

Answer 3

如果您使用鏈式哈希表，那么您真正關心的是沖突的數量。 在哈希表上作為一個簡單的計數器實現這將是微不足道的。 每次插入一個項目並且表格必須鏈接時，遞增鏈式計數器。 更好的散列算法將導致更少的沖突。 一個好的通用表哈希函數檢查是： djb2

Answer 4

根據您的澄清：

我在Java中使用了long值，使得前32位編碼ID，第二位32位編碼另一ID。 不幸的是，Java的長值散列只是將前32位與第二位32位異或，這在我的情況下導致在HashMap中使用時性能非常差。

看來你在分配兩個ID值的方式和HashMap實例的大小之間存在一些不愉快的“共振”。

您是明確調整地圖大小，還是使用默認值？ QAD檢查似乎表明HashMap<Long,String>以16桶結構開始，並在溢出時加倍。 這意味着只有ID值的低位實際上參與了散列桶選擇。 您可以嘗試使用其中一個采用初始大小參數的構造函數，並使用初始大小創建地圖。

或者，Dave L'建議定義自己的長鍵散列將允許您避免低位依賴性問題。

另一種看待這種情況的方法是你使用原始類型（long）作為避免定義真實類的方法。 我建議通過定義業務類，然后在您自己的類上實現哈希編碼，相等和其他方法來管理此問題來查看可以實現的好處。