什么是Java中的一个很好的64位散列函数的文本字符串？(What is a good 64bit

我在寻找的散列函数：

哈希文本字符串以及（如少数碰撞）
是用Java编写，并广泛使用
奖励：在几个领域工作（而不是我串接他们在连接字符串应用散列）
奖励：拥有128位的变体。
奖励：不是CPU密集型。

Answer 1:

你为什么不使用long默认的变种String.hashCode()其中一些很聪明的家伙肯定把精力使其有效-不提的是，已经看了这段代码成千上万开发者的眼睛）？

// adapted from String.hashCode()
public static long hash(String string) {
  long h = 1125899906842597L; // prime
  int len = string.length();

  for (int i = 0; i < len; i++) {
    h = 31*h + string.charAt(i);
  }
  return h;
}

~~如果你正在寻找更多的位，你很可能使用BigInteger~~编辑：

正如我在给@brianegge的答案的评论中提到，有没有太大的usecases与超过32位，最有可能不是单一的一个哈希有超过64位的散列：

我能想象分布在几十个服务器，存储也许数百亿映射的一个巨大的哈希表。对于这样的情况下，@brianegge还在这里有一个正确的观点：32位允许2 ^ 32（约4.3十亿）不同的哈希键。假设一个强大的算法，你应该还是有比较少的冲突。随着64位（18446744073个十亿不同的密钥）你肯定保存，无论什么疯狂的情况下，你需要它。 usecases为128个密钥（340,282,366,920,938,463,463,374,607,431十亿可能的密钥）的思考是非常不可能的，但。

要结合哈希几场，根本~~就异或~~乘以一个与原并将它们添加：

long hash = MyHash.hash(string1) * 31 + MyHash.hash(string2);

小的素数是在那里，以避免等于哈希代码切换值，即{“富”，“酒吧”}和{“酒吧”，“富”}是不相等的，并应具有不同的散列码。 XOR是糟糕，因为它返回0，如果两个值相等。因此，{“富”，“富”}和{“酒吧”，“巴”}将具有相同的散列码。

Answer 2:

创建SHA-1散列，然后屏蔽掉最低的64位。

Answer 3:

long hash = string.hashCode();

是的，前32位将是0，但你可能会运行的硬件资源进行运行与哈希冲突的问题了。在字符串的哈希码是相当有效率和很好的测试。

更新我觉得上面的满足这有可能工作的最简单的事情 ，但是，我同意扩大现有的字符串的hashCode @sfussenegger想法。

除了具有为您的字符串一个很好的hashCode，你可能要考虑在实现换汤不换药的哈希码。如果你的存储是由其他开发者使用，或与其它类型的使用，这可以帮助分发钥匙。例如，Java的HashMap的是基于电源的两长度哈希表，所以它增加了这个功能，以确保下位被充分地分布。

    h ^= (h >>> 20) ^ (h >>> 12);
    return h ^ (h >>> 7) ^ (h >>> 4);

Answer 4:

为什么不使用CRC64多项式。这些都是合理高效和优化，以确保所有的位进行计数，遍布结果空间。

有很多实现在网络上可用，如果你谷歌“CRC64的Java”

Answer 5:

做这样的事情：

import java.io.ByteArrayOutputStream;
import java.io.DataOutputStream;
import java.io.IOException;
import java.math.BigInteger;
import java.security.MessageDigest;
import java.security.NoSuchAlgorithmException;

public class Test {

    public static void main(String[] args) throws NoSuchAlgorithmException,
            IOException {
        ByteArrayOutputStream baos = new ByteArrayOutputStream();
        DataOutputStream dos = new DataOutputStream(baos);

        try {
            MessageDigest md = MessageDigest.getInstance("MD5");
            SomeObject testObject = new SomeObject();

            dos.writeInt(testObject.count);
            dos.writeLong(testObject.product);
            dos.writeDouble(testObject.stdDev);
            dos.writeUTF(testObject.name);
            dos.writeChar(testObject.delimiter);
            dos.flush();

            byte[] hashBytes = md.digest(baos.toByteArray());
            BigInteger testObjectHash = new BigInteger(hashBytes);

            System.out.println("Hash " + testObjectHash);
        } finally {
            dos.close();
        }
    }

    private static class SomeObject {
        private int count = 200;
        private long product = 1235134123l;
        private double stdDev = 12343521.456d;
        private String name = "Test Name";
        private char delimiter = '\n';
    }
}

DataOutputStream类让你写的原语和字符串并将它们作为字节输出。包装一个ByteArrayOutputStream在它会让你写入的字节数组，这与很好地集成消息摘要。您可以从列出的任何算法挑选这里。

最后的BigInteger会让你把输出字节到一个更容易使用的号码。该MD5和SHA1算法都产生128位的哈希值，所以如果你需要64你可以截断。

SHA1哈希应该几乎所有的东西很好，并与罕见的碰撞（这是128位）。这个工作从Java，但我不知道它是如何实现的。它实际上可能是相当快的。它适用于我在执行几个领域：只是把他们都到DataOutputStream ，你是好去。你甚至可以反射和注释做（也许@HashComponent(order=1)显示哪些领域进入一个哈希和以什么顺序）。它有一个128位的变体，我想你会发现，你觉得会不会使用尽可能多的CPU。

我用这样的代码来获取巨大的数据集的哈希值（由现在大概数十亿个对象），以便能够跨多个后端存储分片他们。它应适用于任何你需要它。请注意，我想你可能希望只调用MessageDigest.getInstance()一次，然后clone()从此：IIRC克隆是快了很多。

Answer 6:

字符串逆向获得另外32位散列代码，然后将二者结合起来：

String s = "astring";
long upper = ( (long) s.hashCode() ) << 32;
long lower = ( (long) s.reverse().hashCode() ) - ( (long) Integer.MIN_VALUE );
long hash64 = upper + lower;

这是伪代码; 在String.reverse()方法不存在，将需要实施一些其他的方式。