哈希表實現

Question

我剛剛買了一本書「C接口和實現」。 在第一章中，先後實施了「凌動」的結構，示例代碼如下：

#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; 
} 

在本章結尾，在練習3.1，這本書的作者說 「大多數文本建議使用一個素數 桶的大小使用一個主要和一個好的散列函數通常給出一個更好的分配桶的列表長度 Atom使用2的冪，有時明確引用 是一個不好的選擇。編寫一個程序來生成或讀取典型字符串，例如10,000 ，並測量Atom_new的速度和分佈列表的長度爲 。然後更改存儲桶，使其具有 2,039個條目（最大的總數小於2,048），並重複測量 。是否使用主要幫助？您的 結論取決於您的特定機器？「

所以我做了哈希表的尺寸變到2039，但它似乎是一個素數實際上是由 列表的長度不好的分佈，我已經嘗試了64，61，61其實是一個錯誤的分佈太。

我只是想知道爲什麼的素數表的大小做一個壞的分佈，這是因爲Atom_new不好的哈希函數？

我使用這個功能使用的哈希函數打印出的長度原子列表

#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，隨着時間以前，我必須實現一個哈希表（驅動程序的開發），和我差不多。爲什麼我應該使用素數？ 2的OTOH功率甚至更好 - 不是在2的冪的情況下計算模量，而是可以使用按位AND。

所以我實現了這樣一個哈希表。關鍵是一個指針（由一些第三方函數返回）。然後，最終我注意到在我的哈希表中只有1/4的條目被填充。因爲我使用的哈希函數，以防萬一是身份的功能，事實證明，所有返回的指針是4

使用質數作爲哈希表大小的想法倍數如下：實世界散列函數不要產生均等分佈的值。通常有（或者至少可能有）一些依賴。所以，爲了diffuse這個分佈建議使用素數。

順便說一句，理論上可能會發生這樣的情況：偶爾散列函數會產生所選素數的倍數。但是這個概率比它不是素數的概率要低。

Answer 2

我認爲這是選擇存儲桶的代碼。在你的代碼粘貼它說：

h &= NELEMS(buckets)-1; 

這工作正常，這是2的冪的大小，因爲它的最終效果是選擇的h低位。對於其他尺寸，NELEMS(buckets)-1將具有0中的比特，並且按位比較的運算符將丟棄這些比特，從而有效地在該列表中留下「空洞」。

剷鬥選擇的一般公式爲：

h = h % NELEMS(buckets); 

Answer 3

這是從Eternally Confuzzled茱莉安·沃克不得不說的哈希表的大小：

當涉及到哈希表，最 推薦表的大小是任意素數 。這個建議被做成 ，因爲散列一般是 被誤解，而窮散列函數 需要一個額外的混合步驟 除以一個素數以便類似於 均勻分佈。另一個原因 建議主表大小 是因爲幾個衝突 解析方法要求它工作。 在現實中，這是一個概括 ，實際上是假的，但不是很多 人認爲在替代品和 （二 奇數步長通常 工作也同樣適用於大多數衝突 解決策略的功率）哈希表世界，素數 規則。

Answer 4

在這裏工作還有另一個因素，那就是常數哈希值應該都是奇數/素數且分佈廣泛。如果密鑰中有偶數個單位（例如字符）需要被散列，那麼擁有所有奇數常量會給你一個偶數的初始散列值。對於奇數單位，你會得到一個奇數。我已經對此做了一些嘗試，只是50/50％的分割在發行的晚上非常值錢。當然，如果所有的鑰匙都等長，這並不重要。

散列還需要確保您不會爲「ABAB」獲得與「ABA」或「BAA」相同的初始散列值。