Java 顺序无关散列算法

我目前正在为我的自定义编程语言开发一个集合库。我已经有了几种数据类型（Collection、List、Map、Set）和它们的实现（可变和不可变），但到目前为止我缺少的是

hashCode

和

equals

。由于列表是有序集合，所以这些对列表来说没有问题，但对于集合和映射来说，它们扮演着特殊的角色。如果两个集合具有相同的大小和相同的元素，则认为它们相等，并且集合保持它们相等的顺序不应影响它们的相等性。由于equals hashCode契约，hashCode实现也必须反映这种行为，这意味着具有相同元素但顺序不同的两个集合应该具有相同的hash代码。（这同样适用于地图，从技术上讲，地图是一组键值对）

示例（伪代码）：

让set1:Set=[“a”、“b”、“c”]
设set2:Set=[“b”，“c”，“a”]
set1==set2//应返回true
set1.hashCode==set2.hashCode//也应返回true

---

如何实现一个相当好的散列算法，使上例中的

hashCode

s返回相同的值？

以下是可能实现的伪代码：

String hashCode = null;
for(element : elements){
    hashCode = xor(hashCode, getHashCode(element));
}
return hashCode;

xor

函数应返回与两个参数中最长的字符串一样长的字符串。它将对每个参数中的位进行异或运算，直到到达其中一个参数的末尾。然后，它将从较长的字符串中提取剩余的位，并将这些位附加到上

---

这个实现意味着一个集合的hashCode与它最长元素的hashCode一样长。因为要对位进行XOR运算，所以不管元素的顺序如何，哈希代码最终都是相同的。但是，与任何散列实现一样，都有可能发生冲突。

JDK本身提出了以下解决方案。接口合同规定：

返回此集合的哈希代码值。集合的哈希代码定义为集合中元素的哈希代码之和，其中空元素的哈希代码定义为零。这确保了s1.equals（s2）意味着s1.hashCode（）==s2.hashCode（）对于任意两个集合s1和s2，这是Object.hashCode（）的通用合同所要求的

使用条目的哈希代码之和的替代方法是使用，例如，

^

（XOR）运算符

---

Scala语言使用算法的排序不变版本（参见私有类）来实现its和类似集合的

hashCode

（或

##

）方法。

您可以按字母顺序计算对集合排序的哈希和

这里有一个C#示例-我希望您能用Java翻译它：）

静态字符串GetHash（列表l）
{
使用（System.Security.Cryptography.MD5 MD5=System.Security.Cryptography.MD5.Create（））
{
返回BitConverter.ToString（md5.ComputeHash（l.OrderBy（p=>p）.SelectMany（s=>System.Text.Encoding.ASCII.GetBytes（s+（char）0））.ToArray（））。替换（“-”，”）；
}
}

集合中的一对术语（和、积）如何？就我所见，对于不同的数字集来说，这两种方法并不常见。例如，类似于

（e1.hashCode（）+e2.hashCode（）+…+en.hashCode（））^（e1.hashCode（）*e2.hashCode（）*…*en.hashCode（））

？您是否尝试过看看Java是如何实现的？刚刚做了，它对元素的

hashCode

求和“和的散列”和“散列的和”之间有很大的区别。如你的例子所示，前者是有问题的。如果单个散列在大范围内分布良好，则后者的问题较少。但是，当我需要

int

hashCode时，如何使用

String

？这似乎是一个非常灵活的解决方案。@Clashsoft我不确定您想要的是

int

还是

String

。如果它只是一个int，那么获取各个元素的hashcode之和将得到您所需要的，只要溢出环绕而不是导致错误。如果溢出导致错误，则需要显式处理该情况并手动包装。同样的概念。谢谢你的回答，但我想找到一个不同的解决方案，而不是对元素的哈希代码求和（参见注释）。@Clashsoft-请注意，[1,4]是否会与[2,3]冲突，这实际上取决于你对哈希数的实现。记住，您是对数字的散列求和，而不是对数字求和。此外，尽管字符串实现的资源更为密集，但这也意味着它在散列中有更多的位，因此发生冲突的可能性更小。通常，整数的散列码（如果不是超级安全的话）就是整数本身。所以

1.hashCode==1

。另外，由于

hashCode

被强制为

int

，我最终还是要使用

string.hashCode

。正如我在评论中所说的，我已经找到了这个问题的JDK解决方案，但我想知道更有用的无序集合哈希算法，冲突可能性更小。@Clashsoft冲突可能性是多少？如果单个哈希代码中只有一个工作正常，则整个哈希算法将均匀分布。@b很遗憾，结果并不一致@augurar实数和32位有符号整数之间有非常重要的区别。这是其中之一。编写

java.set.Util

的人知道他们在做什么，并在这里提出了一个好的策略。Scala的排序不变哈希仅基于元素哈希的和、积（不包括零）、计数和异或，因此它不像“排序不变的哈希算法版本”那样具有抗冲突性听起来很像。这比只对散列求和要好，但仍然不行

String hashCode = null;
for(element : elements){
    hashCode = xor(hashCode, getHashCode(element));
}
return hashCode;

static String GetHash(List<String> l)
{
    using (System.Security.Cryptography.MD5 md5 = System.Security.Cryptography.MD5.Create())
    {
        return BitConverter.ToString(md5.ComputeHash(l.OrderBy(p => p).SelectMany(s => System.Text.Encoding.ASCII.GetBytes(s + (char)0)).ToArray())).Replace("-", "");
    }
}