哈希表查找 - 具有完美的哈希，在 C

Posted 2023-02-25

【中文标题】哈希表查找 - 具有完美的哈希，在 C

【英文标题】：Hash Table lookup - with perfect hash, in C

【发布时间】：2011-11-11 19:39:40

【问题描述】：

我有一个 C 语言应用程序，我需要在其中进行表查找。

条目是字符串，所有在运行时开始时都是已知的。该表被初始化一次，然后多次查找。表格可以更改，但基本上就像应用程序重新开始一样。我认为这意味着我可以使用完美哈希？可以花一些时间来初始化哈希表，因为它只发生一次。

将有 3 到 100,000 个条目，每个条目都是唯一的，我估计 80% 的案例的条目少于 100 个。在这些情况下，简单的简单查找“足够快”。 （== 没有人抱怨）

但是，在有 10k+ 个条目的情况下，幼稚方法的查找速度是不可接受的。为 C 中的字符串提供良好的基于​​哈希表的查找性能的好方法是什么？ 假设我没有像 Boost/etc 这样的第 3 方商业库。我应该使用什么哈希算法？我该如何决定？

【问题讨论】：

gnu.org/s/gperf ?

还有cmph.sourceforge.net

【参考方案1】：

生成完美的哈希并不是一个简单的问题。有专门用于这项任务的图书馆。 在这种情况下，最受欢迎的可能是CMPH。虽然我没有使用过它，但除此之外我无能为力。 gperf 是另一个工具，但它要求在编译时知道字符串（您可以通过编译 .so 并加载来解决它，但有点矫枉过正）。

但坦率地说，我至少会先尝试使用二分搜索。只需使用qsort 对数组进行排序，然后使用bsearch 进行搜索（或自己滚动）。自 C89 以来，这两个都是 stdlib.h 的一部分。

【讨论】：

它们也可用于 ANSI C ( C89 )。

对。当我有可用的 BSD 时，不知道为什么要查看 Linux 手册页。 :)

好电话，谢谢 Per。我让问题变得比它需要的更复杂。

【参考方案2】：

如果幼稚（我假设您的意思是线性）方法适用于 100 个条目（因此平均进行 50 次比较），那么二进制搜索对于 100,000 个条目将绰绰有余（最多需要 17 次比较）。

所以我根本不会为哈希而烦恼，而只是在启动时对字符串表进行排序（例如使用qsort），然后使用二进制搜索（例如使用bsearch）来查找条目。

【参考方案3】：

如果（最大）表大小已知，则带有链接的普通哈希表很容易实现。每个项目的大小开销只有两个整数。使用合理的哈希函数，每次查找平均只需要 1.5 次探测，这对于 100% 加载的表而言。

只有在您的数据没有变化的情况下，才能构建完美的散列。一旦它改变了，你就必须重新计算和重新散列，这比做一些额外的比较要贵得多。