Java 为给定的唯一编号列表/集合/数组生成唯一id

我的数组包含从0到integer.max value的随机唯一数

如何生成唯一的id/签名（int）来唯一地标识每个数组，而不是搜索每个数组并检查每个数字

e、 g

每个数组可以有不同的长度，但数字在数组中不重复，可以在其他数组中重复。每个数组的唯一id的目的是通过id来识别它，以便快速进行搜索。数组包含组件的id，数组的唯一签名/id将标识其中包含的组件

此外，无论数组中值的顺序如何，生成的id都应该相同。像{1,5}和{5,1}应该生成相同的id

我查找了不同的数字配对方法，但结果数字随着数组长度的增加而增加，达到了整数无法容纳的程度

---

分配给组件的ID可以调整，它们不必是整数序列，只要有一个良好的数字范围就可以。唯一的要求是，一旦为数组（组件id的集合）生成了id，它们就不应该冲突。如果该数组中的集合发生更改，则可以在运行时生成。严格来说，您要求的是不可能的：即使只有两个元素的数组，可能的数组（忽略顺序后约261个）也比可能的签名（232个）多得多。而且您的数组不限于两个元素，因此您的情况会成倍恶化

---

但是，如果您可以接受低重复率和错误匹配率，一种简单的方法是使用

+

运算符将所有元素相加（基本上计算模232的和）。这是java.util.Set的hashCode（）方法所采用的方法。它并不能完全消除比较整个数组的需要（因为需要检测错误的匹配），但它将从根本上减少这种比较的数量（因为很少有数组会匹配任何给定的数组）。

这可以通过哈希函数

h（）

和顺序规范化函数近似解决（例如

sort（）

）。散列函数是有损的，因为唯一散列（2^32或2^64）的数量小于可能的可变长度整数集的数量，导致两个不同的集合具有相同ID的可能性很小（散列冲突）。通常，如果

• 你使用了一个好的散列函数
• 您的数据集并没有大到可笑的程度

顺序规范化函数将确保将集合{x，y}和{y，x}散列为相同的值

对于散列函数，您有许多选项，但请选择一个使冲突概率最小化的散列，例如加密散列（SHA-256，MD5）或者，如果您需要最先进的性能，请使用MurrueHash3或其他常用哈希。MurrueHash3可以生成一个整数作为输出，而加密哈希需要额外的步骤，从二进制输出中提取4或8个字节，并解压缩为整数。（使用任何一致的字节选择，例如first或last。）

在伪代码中：

int getId(setOfInts) {
    intList = convert setOfInts to integer list
    sortedIntList = sort(intList)
    ilBytes = cast sortedIntList to byte array
    hashdigest = hash(ilBytes)
    leadingBytes = extract 4 or 8 leading bytes of hashdigest
    idInt = cast leadingBytes to integer
    return idInt
}

---

您希望{1，5}和{5，1}具有相同的ID。这排除了标准哈希函数，在这种情况下，标准哈希函数将给出不同的结果。一个选项是在哈希之前对数组进行排序。请注意，加密哈希非常慢；您可能会发现像FNV这样的非加密哈希就足够了。它肯定会更快

---

为了避免排序，只需添加mod 2^32或mod 2^64的所有数字，正如@ruakh所建议的，并接受您将有一定比例的冲突。添加数组长度将避免一些冲突：{5，1}将不匹配{1，2，3}，在这种情况下为（2+（5+1））！=（3+（1+2+3））。您可能希望使用实际数据进行测试，以查看这是否具有足够的优势。

发布您迄今为止尝试过的代码。您希望此id确切位置在何处？如果您希望它出现在数组中，您可以开始添加负数作为第一个数字（例如，第一个数组有-1，第二个数组有-2等等）

int getId(setOfInts) {
    intList = convert setOfInts to integer list
    sortedIntList = sort(intList)
    ilBytes = cast sortedIntList to byte array
    hashdigest = hash(ilBytes)
    leadingBytes = extract 4 or 8 leading bytes of hashdigest
    idInt = cast leadingBytes to integer
    return idInt
}