哈希表实现

Question

我刚刚买了一本书“C接口和实现”。 在第一章中，先后实施了“凌动”的结构，示例代码如下：

#define NELEMS(x) ((sizeof (x))/(sizeof ((x)[0]))) 
static struct atom { 
    struct atom *link; 
    int len; 
    char *str; 
} *buckets[2048]; 
static unsigned long scatter[] = { 
2078917053, 143302914, 1027100827,302, 755253631, 2002600785, 
1405390230, 45248011, 1099951567, 433832350, 2018585307, 438263339, 
813528929, 1703199216, 618906479, 573714703, 766270699, 275680090, 
1510320440, 1583583926, 1723401032, 1965443329, 1098183682, 1636505764, 
980071615, 1011597961, 643279273, 1315461275, 157584038, 1069844923, 
471560540, 89017443, 1213147837, 1498661368, 2042227746, 1968401469, 
1353778505, 1300134328, 2013649480, 306246424, 1733966678, 1884751139, 
744509763, 400011959, 1440466707, 1363416242, 973726663, 59253759, 
1639096332, 336563455, 1642837685, 1215013716, 154523136, 593537720, 
704035832, 1134594751, 1605135681, 1347315106, 302572379, 1762719719, 
269676381, 774132919, 1851737163, 1482824219, 125310639, 1746481261, 
1303742040, 1479089144, 899131941, 1169907872, 1785335569, 485614972, 
907175364, 382361684, 885626931, 200158423, 1745777927, 1859353594, 
259412182, 1237390611, 48433401, 1902249868, 304920680, 202956538, 
348303940, 1008956512, 1337551289, 1953439621, 208787970, 164, 
1568675693, 478464352, 266772940, 1272929208, 1961288571, 392083579, 
871926821, 1117546963, 1871172724, 1771058762, 139971187, 1509024645, 
109190086, 1047146551, 1891386329, 994817018, 1247304975, 1489680608, 
706686964, 1506717157, 579587572, 755120366, 1261483377, 884508252, 
958076904, 1609787317, 1893464764, 148144545, 1415743291, 2102252735, 
1788268214, 836935336, 433233439, 2055041154, 2109864544, 247038362, 
299641085, 834307717, 1364585325, 23330161, 457882831, 1504556512, 
1532354806, 567072918, 404219416, 1276257488, 1561889936, 1651524391, 
618454448, 121093252, 1010757900, 1198042020, 876213618, 124757630, 
2082550272, 1834290522, 1734544947, 1828531389, 1982435068, 1002804590, 
1783300476, 1623219634, 1839739926, 69050267, 1530777140, 1802120822, 
316088629, 1830418225, 488944891, 1680673954, 1853748387, 946827723, 
1037746818, 1238619545, 1513900641, 1441966234, 367393385, 928306929, 
946006977, 985847834, 1049400181, 1956764878, 36406206, 1925613800, 
2081522508, 2118956479, 1612420674, 1668583807, 1800004220, 1447372094, 
523904750, 1435821048, 923108080, 216161028, 1504871315, 306401572, 
2018281851, 1820959944, 2136819798, 359743094, 1354150250, 1843084537, 
1306570817, 244413420, 934220434, 672987810, 1686379655, 1301613820, 
1601294739, 484902984, 139978006, 503211273, 294184214, 176384212, 
281341425, 228223074, 147857043, 1893762099, 1896806882, 1947861263, 
1193650546, 273227984, 1236198663, 2116758626, 489389012, 593586330, 
275676551, 360187215, 267062626, 265012701, 719930310, 1621212876, 
2108097238, 2026501127, 1865626297, 894834024, 552005290, 1404522304, 
48964196, 5816381, 1889425288, 188942202, 509027654, 36125855, 
365326415, 790369079, 264348929, 513183458, 536647531, 13672163, 
313561074, 1730298077, 286900147, 1549759737, 1699573055, 776289160, 
2143346068, 1975249606, 1136476375, 262925046, 92778659, 1856406685, 
1884137923, 53392249, 1735424165, 1602280572 
}; 
const char *Atom_new(const char *str, int len) { 
    unsigned long h; 
    int i; 
    struct atom *p; 
    assert(str); 
    assert(len >= 0); 
    for (h = 0, i = 0; i < len; i++) 
     h = (h<<1) + scatter[(unsigned char)str[i]]; 
    h &= NELEMS(buckets)-1; 
    for (p = buckets[h]; p; p = p->link) 
     if (len == p->len) { 
      for (i = 0; i < len && p->str[i] == str[i];) 
       i++; 
      if (i == len) 
       return p->str; 
     } 
    p = ALLOC(sizeof (*p) + len + 1); 
    p->len = len; 
    p->str = (char *)(p + 1); 
    if (len > 0) 
     memcpy(p->str, str, len); 
    p->str[len] = '\0'; 
    p->link = buckets[h]; 
    buckets[h] = p;//insert atom in front of list 
    return p->str; 
} 

在本章结尾，在练习3.1，这本书的作者说 “大多数文本建议使用一个素数 桶的大小使用一个主要和一个好的散列函数通常给出一个更好的分配桶的列表长度 Atom使用2的幂，有时明确引用 是一个不好的选择。编写一个程序来生成或读取典型字符串，例如10,000 ，并测量Atom_new的速度和分布列表的长度为 。然后更改存储桶，使其具有 2,039个条目（最大的总数小于2,048），并重复测量 。是否使用主要帮助？您的 结论取决于您的特定机器？“

所以我做了哈希表的尺寸变到2039，但它似乎是一个素数实际上是由 列表的长度不好的分布，我已经尝试了64，61，61其实是一个错误的分布太。

我只是想知道为什么的素数表的大小做一个坏的分布，这是因为Atom_new不好的哈希函数？

我使用这个功能使用的哈希函数打印出的长度原子列表

#define B_SIZE 2048 
void Atom_print(void) 
{ 
    int i,t; 
    struct atom *atom; 
    for(i= 0;i<B_SIZE;i++) { 
     t = 0; 
     for(atom=buckets[i];atom;atom=atom->link) { 
      ++t; 
     } 
     printf("%d ",t); 
    } 
} 

Answer 1

好了，随着时间以前，我必须实现一个哈希表（驱动程序的开发），和我差不多。为什么我应该使用素数？ 2的OTOH功率甚至更好 - 不是在2的幂的情况下计算模量，而是可以使用按位AND。

所以我实现了这样一个哈希表。关键是一个指针（由一些第三方函数返回）。然后，最终我注意到在我的哈希表中只有1/4的条目被填充。因为我使用的哈希函数，以防万一是身份的功能，事实证明，所有返回的指针是4

使用质数作为哈希表大小的想法倍数如下：实世界散列函数不要产生均等分布的值。通常有（或者至少可能有）一些依赖。所以，为了diffuse这个分布建议使用素数。

顺便说一句，理论上可能会发生这样的情况：偶尔散列函数会产生所选素数的倍数。但是这个概率比它不是素数的概率要低。

Answer 2

我认为这是选择存储桶的代码。在你的代码粘贴它说：

h &= NELEMS(buckets)-1; 

这工作正常，这是2的幂的大小，因为它的最终效果是选择的h低位。对于其他尺寸，NELEMS(buckets)-1将具有0中的比特，并且按位比较的运算符将丢弃这些比特，从而有效地在该列表中留下“空洞”。

铲斗选择的一般公式为：

h = h % NELEMS(buckets); 

Answer 3

这是从Eternally Confuzzled茱莉安·沃克不得不说的哈希表的大小：

当涉及到哈希表，最 推荐表的大小是任意素数 。这个建议被做成 ，因为散列一般是 被误解，而穷散列函数 需要一个额外的混合步骤 除以一个素数以便类似于 均匀分布。另一个原因 建议主表大小 是因为几个冲突 解析方法要求它工作。 在现实中，这是一个概括 ，实际上是假的，但不是很多 人认为在替代品和 （二 奇数步长通常 工作也同样适用于大多数冲突 解决策略的功率）哈希表世界，素数 规则。

Answer 4

在这里工作还有另一个因素，那就是常数哈希值应该都是奇数/素数且分布广泛。如果密钥中有偶数个单位（例如字符）需要被散列，那么拥有所有奇数常量会给你一个偶数的初始散列值。对于奇数单位，你会得到一个奇数。我已经对此做了一些尝试，只是50/50％的分割在发行的晚上非常值钱。当然，如果所有的钥匙都等长，这并不重要。

散列还需要确保您不会为“ABAB”获得与“ABA”或“BAA”相同的初始散列值。