一個唯一的整數(4個字節或8個字節)如果餘有由字符組成的字符串列表L(a到z和。)即總27個字符,並且每個串可具有最大尺寸爲256字節。我可以有一個散列函數,它會有0次碰撞(實際上,而不是理論上)?完美的散列函數將在這裏工作爲L可(即它不只是只讀)生成一個字符串
我感興趣的只是實用的東西修改。我知道無法生成0碰撞的散列函數。
我可以使用的md5sum但是這將產生一個16字節的整數。我只想查找4字節或最大8字節的整數。
可能嗎?
感謝您的耐心
〜GC〜
一個唯一的整數(4個字節或8個字節)如果餘有由字符組成的字符串列表L(a到z和。)即總27個字符,並且每個串可具有最大尺寸爲256字節。我可以有一個散列函數,它會有0次碰撞(實際上,而不是理論上)?完美的散列函數將在這裏工作爲L可(即它不只是只讀)生成一個字符串
我感興趣的只是實用的東西修改。我知道無法生成0碰撞的散列函數。
我可以使用的md5sum但是這將產生一個16字節的整數。我只想查找4字節或最大8字節的整數。
可能嗎?
感謝您的耐心
〜GC〜
一個解決方案:只需使用如MD5一個已知的哈希函數,並使用最低的4首或8個字節。
其實無論最低還是最高還是中間還是哪個都沒關係。例如。 git使用SHA1散列的十六進制表示的起始部分,如果散列實際上被編寫爲數字,則將是高部分。 –
@Jan:是的,對於像SHA/MD5/etc這樣的好東西來說應該沒什麼問題,因此我爲什麼說* one *而不是*解*。 ;) – Mehrdad
某種校驗或哈希的是正確答案。
你是對的,你不能避免碰撞。但是,如果您將校驗和或散列值縮短到只有4個字節,那麼碰撞頻率將大大增加。
如果那也沒關係,你可以看看像http://en.wikipedia.org/wiki/Hash_function找到一個你覺得舒服。
Git使用SHA1哈希來標識所有對象並將它們縮短爲唯一的前綴。大多數情況下,7個十六進制數字是3.5個字節,所以4個字節在實踐中可能會很好。 –
其他人提出正確的解決方案(使用散列總和)了,但如果你在有儘可能少的衝突儘可能真正感興趣,這裏有兩個想法,考慮在較大規模的問題:
如果您持有一些(或全部)要爲內存中的ID生成的字符串,可以使用該字符串存儲的內存地址作爲ID。假設在原地更改字符串是可以的,這個ID甚至可以在字符串更改時保持穩定。
使用一些簡單的壓縮系統(例如miniLZO)將列表中的字符串壓縮爲某些內部表示可能是實用的。你可能會得到更少的散列數據,所以更簡單的散列函數可能是可能的。當然,這樣計算哈希值會更加昂貴,但是您可能能夠避免衝突。
由於您的數據是有限的,您可以使用它來指導哈希。
假設字符串是空終止的ASCII,你可以通過映射開始小整數。
char *charset = "abcdefghijklm"
"nopqrstuvwxyz.";
int c = strchr(charset, *s++) - charset;
然後,將每個值作爲基數爲27的基數。在將當前字符加入0-26「單位」之前,將總和乘以27進行解碼。你提到最大長度。我猜這意味着字符串存儲在固定長度的數組中。如果是這樣,並且數組不僅僅是終止而是填充。那麼您可以將陣列向後解碼,以將基數27號碼的最低有效位置置於顯着差異。但是,如果大小隻是一個慷慨的高估,大部分字符串預計會更短,那麼最好是向前掃描並終止nul。
int sum;
sum *= 27;
sum += c;
27 ** 256比64位大得多...您的算法基本上忽略了前14個字節。 –
@Jim,老鼠!你是對的。也許某種循環移位比乘法更好。 –
由於2^64小於27^256,所以*不能*具有*實際上*沒有碰撞的散列函數。雖然你需要散列函數的隨機性嗎? –