djb2：一个产生简单的随机分布的哈希函数

Posted 2021-01-19 范加索尔拉

tags:

篇首语：本文由小常识网(cha138.com)小编为大家整理，主要介绍了djb2：一个产生简单的随机分布的哈希函数相关的知识，希望对你有一定的参考价值。

LCG算法
- 示例代码
djb2
- 示例代码
- 为什么选择参数33和
  - 33 was chosen because:
  - 5381 was chosen because
哈希选择参考

LCG算法

djb2与LCG很类似，故先介绍 LCG。

LCG（linear congruential generator）算法是一个古老的产生随机数的算法。由以下参数产生

参数	m	a	c	X
性质	模数	乘数	加数	随机数
作用	取模	移位	偏移	作为结果

LCG算法是如下的一个递推公式，每下一个随机数是当前随机数向左移动 log2 a 位，加上一个 c，最后对 m 取余，使随机数限制在 0 ~ m-1 内

从该式可以看出，该算法由于构成简单，具有以下优点：

计算速度快
易于实现
易于写入硬件

以下是针对不同参数 lcg 产生随机数的效果图

可以看出，针对不同的参数，lcg产生的效果差别很大

以下是针对不同环境下的参数选择

详见wiki

示例代码

def lcg(modulus, a, c, seed):
    while True:
        seed = (a * seed + c) % modulus
        yield seed

djb2

djb2是一个产生随机分布的的哈希函数，与LCG的算法相似。

以下是 djb2 的哈希函数：

X = (a * X) + c; // "mod M", M = 2^32 或 2^64

示例代码


// generates a hash value for a sting
// same as djb2 hash function
//构造哈希函数 f（hash）= hash * 33 + c
unsigned int CountMinSketch::hashstr(const char *str) {
  unsigned long hash = 5381;
  int c;
  while (c = *str++) {
    hash = ((hash << 5) + hash) + c; /* hash * 33 + c */
  }
  return hash;
}

本部分利用djb2处理字符串。
其中参数常有以下取值：
M=2^32

M常取一个较大的质数，以减少冲突。

由于哈希函数构造简单，使用移位和相加的操作，所以计算速度快。

要注意hash值的计算，在不同机器上，可能会造成溢出的问题，可以及时对hash值取余。但是会增加计算开销，造成hash范围减小的问题。

为什么选择参数33和

33 was chosen because:

乘法易于移位或相加
从移位和加法实现中可以看到，使用33可以复制散列累加器中的大多数输入位，然后将这些位相对地分散开来。这有助于形成好的雪崩现象。使用较大的移位将复制更少的位，使用较小的移位将使位交互更局部，并使交互扩展所需的时间更长。
32 = 2^5，32 与移 5 位相关，有助于将每一个字符串的每一位比特都作用到最终的哈希值当中
在考虑ASCII字符数据时，5的移位是一个很好的移位量。ASCII字符可以看作是4位字符类型选择器和4位字符类型选择器。前4位的数字都是0x3。因此，8位移位将导致具有特定含义的位与具有相同含义的其他位相互作用。4位或2位的移位同样会在相似的位之间产生强烈的交互作用。5位的移位使得一个字符的4个低阶位中的许多位与同一字符的4个上位中的许多强相互作用。