Быстрые и простые комбинации хеш-кода
Вопрос
Могут ли люди порекомендовать быстрые и простые способы объединения хеш-кодов двух объектов.Меня не слишком беспокоят коллизии, поскольку у меня есть хэш-таблица, которая справится с этим эффективно, мне просто нужно что-то, что генерирует код как можно быстрее.
Читая SO и Интернет, кажется, что есть несколько основных кандидатов:
- XORing
- Операция XOR с простым умножением
- Простые числовые операции, такие как умножение/деление (с проверкой переполнения или переносом)
- Создание строки и последующее использование метода хеш-кода классов String.
Что бы люди порекомендовали и почему?
Решение
Я бы лично избегал XOR - это означает, что любые два равных значения приведут к 0 - поэтому hash (1, 1) == hash (2, 2) == hash (3, 3) и т. д. Также hash (5) , 0) == хэш (0, 5) и т. Д., Которые могут появляться иногда. Я преднамеренно использовал его для хэширования набора - если вы хотите хэшировать последовательность элементов, а вам не заботиться о порядке, это хорошо.
Я обычно использую:
unchecked
{
int hash = 17;
hash = hash * 31 + firstField.GetHashCode();
hash = hash * 31 + secondField.GetHashCode();
return hash;
}
Эту форму Джош Блох предлагает в Effective Java. В прошлый раз, когда я ответил на аналогичный вопрос, мне удалось найти статью, в которой это подробно обсуждалось - IIRC, никто не знает, почему это работает хорошо, но это так. Это также легко запомнить, легко реализовать и легко распространить на любое количество полей.
Другие советы
Хотя шаблон, изложенный в ответе Джона Скита, в целом хорошо работает как семейство хеш-функций, выбор констант важен, а начальное число 17
и коэффициент 31
, как отмечено в ответе, не работают должным образом. вообще для общих случаев использования. В большинстве случаев хэшированные значения намного ближе к нулю, чем int.MaxValue
, а количество совместно хэшируемых элементов составляет несколько десятков или меньше.
Для хеширования целочисленного кортежа {x, y}
где -1000 <= x <= 1000
и -1000 <= y <= 1000
он имеет ужасную частоту столкновений почти 98,5%. Например, {1, 0} -> {0, 31}
, {1, 1} -> {0, 32}
и т. Д. Если мы расширим покрытие, включив также n-кортежи, где 3 <= n <= 25
, оно будет менее ужасным с частотой столкновений около 38%. Но мы можем сделать намного лучше.
public static int CustomHash(int seed, int factor, params int[] vals)
{
int hash = seed;
foreach (int i in vals)
{
hash = (hash * factor) + i;
}
return hash;
}
Я написал цикл поиска выборки по методу Монте-Карло, который проверял описанный выше метод с различными значениями начального числа и коэффициента для различных случайных n-кортежей случайных целых чисел i
. Допустимые диапазоны были 2 <= n <= 25
(где n
был случайным, но смещенным к нижнему краю диапазона) и -1000 <= i <= 1000
. Для каждой пары семян и факторов было выполнено не менее 12 миллионов уникальных испытаний на столкновение.
Примерно через 7 часов работы лучшая найденная пара (где начальное число и коэффициент были ограничены 4 цифрами или менее) была: seed = 1009
, factor = 9176
с частотой столкновений 0,1131%. В 5- и 6-значных областях существуют даже лучшие варианты. Но для краткости я выбрал лучшего 4-значного исполнителя, и он довольно хорошо справляется со всеми распространенными сценариями хеширования int
и char
. Кажется, он также отлично работает с целыми числами гораздо больших величин.
Стоит отметить, что " быть простым " казалось, не является общей предпосылкой для хорошей производительности в качестве семени и / или фактора, хотя это, вероятно, помогает. 1009
отмеченное выше на самом деле простое, а 9176
- нет. Я явно протестировал варианты этого, где я изменил factor
на различные простые числа около hash = (hash * factor) ^ i;
(оставляя CustomHash()
), и все они работали хуже, чем в приведенном выше решении.
Наконец, я также сравнил с общим набором функций рекомендации ReSharper <=> и оригинальным <=>, как отмечалось выше, он значительно превосходит его. Стиль ReSharper XOR, по-видимому, имеет частоту столкновений в диапазоне 20-30% для общих предположений варианта использования и не должен использоваться по моему мнению.
Если вы используете .NET Ядро 2.1, рассмотрите возможность использования System.HashCode struct, помогающая создавать составные хэш-коды.Имеет два режима работы:Добавить и объединить.
Пример использования Combine
, что обычно проще и работает для восьми элементов:
public override int GetHashCode()
{
return HashCode.Combine(object1, object2);
}
Пример использования Add
:
public override int GetHashCode()
{
var hash = new HashCode();
hash.Add(this.object1);
hash.Add(this.object2);
return hash.ToHashCode();
}
Плюсы:
- Часть самого .NET (хотя см. ниже).
- Судя по предыдущим работам автора и рецензентов, у него хорошие характеристики производительности и микширования. объединение этого с репозиторием corefx
- Автоматически обрабатывает нули
- Перегрузки, которые требуют
IEqualityComparer
случаи
Минусы:
- По состоянию на август 2018 г. доступно только при использовании .NET Core 2.1 или более поздней версии.
- По состоянию на апрель 2019 года является частью предварительной версии .NET Standard 2.1.Я не знаю, когда выйдет .NET Standard 2.1 Preview, и не знаю точно, будет ли
HashCode
будет частью этого.
- По состоянию на апрель 2019 года является частью предварительной версии .NET Standard 2.1.Я не знаю, когда выйдет .NET Standard 2.1 Preview, и не знаю точно, будет ли
- Общего назначения, поэтому он не будет обрабатывать сверхспецифические случаи, а также код, созданный вручную.
Я полагаю, что команда .NET Framework проделала достойную работу по тестированию своих System.String.GetHashCode ( ) , поэтому я бы использовал его:
// System.String.GetHashCode(): http://referencesource.microsoft.com/#mscorlib/system/string.cs,0a17bbac4851d0d4
// System.Web.Util.StringUtil.GetStringHashCode(System.String): http://referencesource.microsoft.com/#System.Web/Util/StringUtil.cs,c97063570b4e791a
public static int CombineHashCodes(IEnumerable<int> hashCodes)
{
int hash1 = (5381 << 16) + 5381;
int hash2 = hash1;
int i = 0;
foreach (var hashCode in hashCodes)
{
if (i % 2 == 0)
hash1 = ((hash1 << 5) + hash1 + (hash1 >> 27)) ^ hashCode;
else
hash2 = ((hash2 << 5) + hash2 + (hash2 >> 27)) ^ hashCode;
++i;
}
return hash1 + (hash2 * 1566083941);
}
Другая реализация взята из System.Web.Util.HashCodeCombiner.CombineHashCodes (System.Int32, System.Int32) и System.Array.CombineHashCodes (System.Int32, System.Int32) методы. Это проще, но, вероятно, не имеет такого хорошего распределения, как метод выше:
// System.Web.Util.HashCodeCombiner.CombineHashCodes(System.Int32, System.Int32): http://referencesource.microsoft.com/#System.Web/Util/HashCodeCombiner.cs,21fb74ad8bb43f6b
// System.Array.CombineHashCodes(System.Int32, System.Int32): http://referencesource.microsoft.com/#mscorlib/system/array.cs,87d117c8cc772cca
public static int CombineHashCodes(IEnumerable<int> hashCodes)
{
int hash = 5381;
foreach (var hashCode in hashCodes)
hash = ((hash << 5) + hash) ^ hashCode;
return hash;
}
Используйте комбинационную логику в кортеже. В примере используются кортежи c # 7.
(field1, field2).GetHashCode();
Если ваши входные хеши имеют одинаковый размер, равномерно распределены и не связаны друг с другом, тогда XOR должен быть в порядке. Плюс это быстро.
Ситуация, для которой я предлагаю это, - то, где вы хотите сделать
H = hash(A) ^ hash(B); // A and B are different types, so there's no way A == B.
Конечно, если можно ожидать, что A и B будут хэшировать одно и то же значение с разумной (не пренебрежимо малой) вероятностью, то вам не следует использовать XOR таким образом.
Если вы ищете скорость и не слишком много столкновений, то XOR самый быстрый. Чтобы предотвратить кластеризацию около нуля, вы можете сделать что-то вроде этого:
finalHash = hash1 ^ hash2;
return finalHash != 0 ? finalHash : hash1;
Конечно, некоторые прототипы должны дать вам представление о производительности и кластеризации.
Предполагая, что у вас есть соответствующая функция toString () (где должны появиться ваши различные поля), я бы просто вернул ее хеш-код:
this.toString().hashCode();
Это не очень быстро, но должно очень хорошо избегать столкновений.
Я бы порекомендовал использовать встроенные хэш-функции в System.Security.Cryptography, а не использовать собственные.