Algorithm 测量哈希函数的质量（用于映射/关联数组）
我正在研究C语言中的关联数组库（我没有编写）。类似于C++中的映射或Python的DICT的< /P> 有一些非标准的散列函数，我不确定它们是否很好。（也许最初的开发人员只是抛出了一些神奇的数字、xor运算符，并希望得到最好的结果） 我编写了一个测试，测量给定一些示例输入时哈希函数的性能，以测量它如何将项均匀地分配到固定数量的bucket中（在本例中为模数组大小） 这样，如果有足够的输入，就会有某种方法来衡量散列函数的性能 对于任何编写关联数组的人来说，这似乎都是一个常见的问题Algorithm 测量哈希函数的质量（用于映射/关联数组）,algorithm,hash,map,Algorithm,Hash,Map,我正在研究C语言中的关联数组库（我没有编写）。类似于C++中的映射或Python的DICT的< /P> 有一些非标准的散列函数，我不确定它们是否很好。（也许最初的开发人员只是抛出了一些神奇的数字、xor运算符，并希望得到最好的结果） 我编写了一个测试，测量给定一些示例输入时哈希函数的性能，以测量它如何将项均匀地分配到固定数量的bucket中（在本例中为模数组大小） 这样，如果有足够的输入，就会有某种方法来衡量散列函数的性能 对于任何编写关联数组的人来说，这似乎都是一个常见的问题 是否有一些惯例
是否有一些惯例来衡量散列函数的性能？（就分销质量而不是速度而言） 其中，最坏的结果是每个输入的结果相同，而最好的结果是均匀分布（或尽可能接近）
注意，我不是在这里寻找加密强度。一个有用的基准是可重复的随机性——我指的是将每个不同的密钥分配给随机选择的bucket的冲突倾向 例如，如果1000个bucket表中有500个值，那么实现此基准意味着插入新值时发生冲突的概率为0.5（无论与现有元素相比如何） 如果哈希表中有一些指令插入，以便知道插入值时发生了多少冲突，那么您可以（例如）插入元素，直到达到特定的
size（）：bucket使用2543846个唯一标记/单词（及其统计信息）列表的典型运行示例 散列到2543846个槽/桶中：
plasser@pisbak:~/src/hash$ ./diskhash woorden.txt woorden.hsh
Ptr = 0x7fb5c264f000, Sz = 37362821
Array= 0x7fb5bff7e000 Cnt = 2543846
__________________
Histogram of seek lenghts:
len: Count Hops Fraction (Cumulative)
1: 1606429 1606429 0.63149617 (0.63149617)
2: 672469 1344938 0.26435130 (0.89584747)
3: 205046 615138 0.08060472 (0.97645219)
4: 48604 194416 0.01910650 (0.99555869)
5: 9477 47385 0.00372546 (0.99928415)
6: 1581 9486 0.00062150 (0.99990565)
7: 215 1505 0.00008452 (0.99999017)
8: 24 192 0.00000943 (0.99999961)
9: 1 9 0.00000039 (1.00000000)
Tot: 2543846 3819498 (1.50147)
Cnt 2543846 Empty 937417 (0.36850) Collisions 247 RedDragon 7638996/7631537=1.000977
__________________
- 空插槽的分数为0.36850，约为应为（1/e）
- 具有多个项目（链长度>1）的插槽部分也约为（1/e）
- 正好有1个项目的插槽部分是剩余的：：1-（2/e）
- 冲突的数量似乎有点高，但在32位哈希值上有2.5 M项，这并不例外
从随机导入随机
def hash_在_范围内（bucket_tot）：
#只需返回一个随机数即可模拟一个相当均匀的哈希函数：
#使用'random（）`->`~1.0`得分
#将'random（）'替换为'random（）*0.5`->`~2.0`分数
#将'random（）'替换为'random（）*0.1`->`~10.0`分数
返回int（random（）*bucket_tot）
def计数_质量（桶_项目）：
总和=0
对于桶中物品的计数：
总和+=计数*（计数+1）
返回值（总和*len（存储单元项目）/（存储单元项目计数*（存储单元项目计数+2*len（存储单元项目）-1）））
def测试（桶总数、项目计数）：
bucket_items=[0]*bucket_tot
对于范围内的i（项目数量）：
bucket=hash_在_范围内（bucket_tot）
bucket_项目[bucket]+=1
打印（“测试：”，桶总计，项目计数，结束=“\t”）
分数=计数\质量（桶\项目，项目\计数）
打印（分数）
测试（10010000）
测试（1000100000）
测试（10000，1000000）
测试（100010000）
测试（1000100000）
测试（1001000000）
测试（10001000000）
测试（500100000）
测试（25100000）
双哈希计算质量（结构哈希*哈希）
{
uint64_t sum=0；
无符号整数i；
如果（散列->输入项==0）
回报率-1.0；
对于（i=0；inbuckets；i++）{
uint64_t计数=0；
条目*e；
对于（e=hash->bucket[i]；e；e=e->next）{
计数+=1；
}
总和+=计数*（计数+1）；
}
返回（（双）和*（双）散列->nbuckets/
（（双）散列->nentries*（散列->nentries+2*散列->nbuckets-1））；
}