hash

今天看代码的时候注意了一下 hash 以及看了下读书时候的笔记， 主要就是说： hash桶大小以及hash 算法

1、目前hash桶的大小都是素数（和2倍相近的一个素数）

设有一个哈希函数
H( c ) = c % N;
当N取一个合数时，最简单的例子是取2^n，比如说取2^3=8,这时候
H( 11100(二进制） ) = H( 28 ) = 4
H( 10100(二进制) ) = H( 20 ）= 4
这时候c的二进制第4位（从右向左数）就”失效”了，也就是说，无论第c的4位取什么值，都会导致H( c )的值一样．这时候c的第四位就根本不参与H( c )的运算，这样H( c )就无法完整地反映c的特性，增大了导致冲突的几率．

 7ul,          23ul, 
  53ul,         97ul,         193ul,       389ul,       769ul,      
  1543ul,       3079ul,       6151ul,      12289ul,     24593ul,    
  49157ul,      98317ul,      196613ul,    393241ul,    786433ul,   
  1572869ul,    3145739ul,    6291469ul,   12582917ul,  25165843ul, 
  50331653ul,   100663319ul,  201326611ul, 402653189ul, 805306457ul,
  1610612741ul, 3221225473ul, 4294967291ul  

2、hash 算法：

1、DJB Hash 也叫 Time 33 hash哈希算法

Times33的算法很简单，就是不断的乘33；hash(i) = hash(i-1) * 33 + str[i]    Time33在效率和随机性两方面上俱佳；

unsigned int DJBHash(const char* str, unsigned int length){
   unsigned int hash = 5381;
   unsigned int i    = 0;
   for (i = 0; i < length; ++str, ++i)
   {
      hash = ((hash << 5) + hash) + (*str);
   }//((hash << 5) + hash) 就是位操作实现的hash * 32+hash，即 hash * 33。
   return hash;
}

Kernighan 和 Ritchie 在《The C Programming Language》提出BKDR Hash，采用/ 31 131 1313 13131 131313 etc.. / 作为种子计算hash;这个就是数学家的事了

MurmurHash算法：高运算性能，低碰撞率

/*
 * The following hash function is based on MurmurHash64A(), placed into the
 * public domain by Austin Appleby.  See http://murmurhash.googlepages.com/ for
 * details.
 */
JEMALLOC_INLINE uint64_t
hash(const void *key, size_t len, uint64_t seed)
{
    const uint64_t m = UINT64_C(0xc6a4a7935bd1e995);
    const int r = 47;
    uint64_t h = seed ^ (len * m);
    const uint64_t *data = (const uint64_t *)key;
    const uint64_t *end = data + (len/8);
    const unsigned char *data2;

    assert(((uintptr_t)key & 0x7) == 0);

    while(data != end) {
        uint64_t k = *data++;

        k *= m;
        k ^= k >> r;
        k *= m;

        h ^= k;
        h *= m;
    }

    data2 = (const unsigned char *)data;
    switch(len & 7) {
    case 7: h ^= ((uint64_t)(data2[6])) << 48;
    case 6: h ^= ((uint64_t)(data2[5])) << 40;
    case 5: h ^= ((uint64_t)(data2[4])) << 32;
    case 4: h ^= ((uint64_t)(data2[3])) << 24;
    case 3: h ^= ((uint64_t)(data2[2])) << 16;
    case 2: h ^= ((uint64_t)(data2[1])) << 8;
    case 1: h ^= ((uint64_t)(data2[0]));
        h *= m;
    }

    h ^= h >> r;
    h *= m;
    h ^= h >> r;

    return (h);
}

常见的散列算法有：CRC-32、MD5、SHA-1，SM3，以及广泛使用 SHA-2(SHA-224、SHA-356、SHA-384、SHA-512)