C 存储大随机数的最佳哈希函数是什么？

我想在数据结构中存储大量的数字，为此，我想使用哈希函数，这样插入、删除或搜索就可以很快。但我无法决定应该使用哪个哈希函数

一般来说，我想知道如何判断散列函数对任何特定的问题都有效

---

编辑：我认为，一个让人对使用“随机”一词感到困惑的词。这里是随机数，我的意思是，我没有任何特定的数字范围，我必须从中选择[任何32位整数]，但我有总的数字，它将被赋予存储在数据结构中，比如5000个数字。所以建议我这个场景中最好的散列函数，为什么你们认为它是最好的

如果数字是一致随机的，只需使用选择低位的哈希函数即可

unsigned hash_number(long long x)
{
    return (unsigned) x;
}

---

如果数字是一致随机的，只需使用一个选择低位的哈希函数

unsigned hash_number(long long x)
{
    return (unsigned) x;
}

---

你的问题对我来说毫无意义。使用散列算法来存储一些随机数是过分的。如果问题还有其他方面，那么数据结构的选择将取决于“更多”是什么（您没有说）

如果这些数字真的是随机或伪随机的，那么您只需要一个堆栈或循环缓冲区—将新随机数添加（推送）到数据结构中的功能，以及从结构中删除（弹出）现有随机数的功能。如果要按顺序检索它们，请使用循环缓冲区。散列函数在各个方面都比用于保存随机数列表的简单堆栈（或循环缓冲区）更糟糕—它更复杂，运行速度较慢，并且占用更多内存

大多数语言/环境都提供了可以使用（或作为“dictionary”类提供）的哈希函数，并提供了有关效率的指导。通常，您可以通过分配更多内存来加快字典类的速度——当哈希键发生冲突时，它们会减慢速度。因此，在所有可能的数字中，实际数字的“密度”很重要

因此，如果你必须持有100个这样的数字，你可以使用一个只看最后12位的散列函数。这就给出了2^12=4096个可能的散列，因此碰撞只会在100/2048的时间内发生，小于5%。另一方面，您使用的内存是您应该使用的内存的20多倍。（此函数与以2^12为基数的数字模数相同，与Epp建议的类似。）

编写一个基于哈希函数的存储类，它可以正确地处理哈希冲突（这是必须的），优雅地处理重复的数据，在丢弃坏数据时不会发疯（就像每个数字一样），而且效率很高，这不是一项简单的任务

另一方面，实现堆栈或循环缓冲区非常简单、高效，并且具有完全可预测的行为

---

你确定你没有把事情弄得太复杂吗？

你的问题对我来说毫无意义。使用散列算法来存储一些随机数是过分的。如果问题还有其他方面，那么数据结构的选择将取决于“更多”是什么（您没有说）

如果这些数字真的是随机或伪随机的，那么您只需要一个堆栈或循环缓冲区—将新随机数添加（推送）到数据结构中的功能，以及从结构中删除（弹出）现有随机数的功能。如果要按顺序检索它们，请使用循环缓冲区。散列函数在各个方面都比用于保存随机数列表的简单堆栈（或循环缓冲区）更糟糕—它更复杂，运行速度较慢，并且占用更多内存

大多数语言/环境都提供了可以使用（或作为“dictionary”类提供）的哈希函数，并提供了有关效率的指导。通常，您可以通过分配更多内存来加快字典类的速度——当哈希键发生冲突时，它们会减慢速度。因此，在所有可能的数字中，实际数字的“密度”很重要

因此，如果你必须持有100个这样的数字，你可以使用一个只看最后12位的散列函数。这就给出了2^12=4096个可能的散列，因此碰撞只会在100/2048的时间内发生，小于5%。另一方面，您使用的内存是您应该使用的内存的20多倍。（此函数与以2^12为基数的数字模数相同，与Epp建议的类似。）

编写一个基于哈希函数的存储类，它可以正确地处理哈希冲突（这是必须的），优雅地处理重复的数据，在丢弃坏数据时不会发疯（就像每个数字一样），而且效率很高，这不是一项简单的任务

另一方面，实现堆栈或循环缓冲区非常简单、高效，并且具有完全可预测的行为

---

你确定你没有让这变得比需要的更复杂吗？

即使你的输入数字是完全随机的，使用h（x）=x仍然可能会带来性能问题。想象一下，您的数字是从0、2、4、…、2k中随机选择的，虽然是随机的，但假设两个桶大小的幂，它们都不会映射到哈希表的第一个桶（桶0）。因此，真正重要的是输入数字的信息熵

---

在您的例子中，一个很好的选择是Thomas Wang的整数散列函数，它是可逆的，并保持良好的雪崩效应（）。有一篇文章描述了Thomas Wang的哈希函数及其逆函数：。

即使输入的数字是完全随机的，使用h（x）=x仍然可能会带来性能问题。想象一下，您的数字是从0、2、4、…、2k中随机选择的，虽然是随机的，但假设两个桶大小的幂，它们都不会映射到哈希表的第一个桶（桶0）。因此，真正重要的是输入数字的信息熵

出色的赵