1 概述

链表查找的时间效率为O(N)，二分法为log2N，B+ Tree为log2N，但Hash链表查找的时间效率为O(1)。

设计高效算法往往需要使用Hash链表，常数级的查找速度是任何别的算法无法比拟的，Hash链表的构造和冲突的不同实现方法对效率当然有一定的影响，然 而Hash函数是Hash链表最核心的部分，本文尝试分析一些经典软件中使用到的字符串Hash函数在执行效率、离散性、空间利用率等方面的性能问题。

2 经典字符串Hash函数介绍

作者阅读过大量经典软件原代码，下面分别介绍几个经典软件中出现的字符串Hash函数。

2.1 PHP中出现的字符串Hash函数

static unsigned long hashpjw(char *arKey, unsigned int nKeyLength) 
{ 
unsigned long h = 0, g; 
char *arEnd=arKey+nKeyLength; 
while (arKey < arEnd) { 
h = (h << 4) + *arKey++; 
if ((g = (h & 0xF0000000))) { 
h = h ^ (g >> 24); 
h = h ^ g; 
} 
} 
return h; 
} 

2.2 OpenSSL中出现的字符串Hash函数

unsigned long lh_strhash(char *str) 
{ 
int i,l; 
unsigned long ret=0; 
unsigned short *s; 
  
if (str == NULL) return(0); 
l=(strlen(str)+1)/2; 
s=(unsigned short *)str; 
for (i=0; i 
ret^=(s[i]<<(i&0x0f)); 
return(ret); 
} */ 
  
/* The following hash seems to work very well on normal text strings 
* no collisions on /usr/dict/words and it distributes on %2^n quite 
* well, not as good as MD5, but still good. 
*/ 
unsigned long lh_strhash(const char *c) 
{ 
unsigned long ret=0; 
long n; 
unsigned long v; 
int r; 
  
if ((c == NULL) || (*c == '\0')) 
return(ret); 
/* 
unsigned char b[16]; 
MD5(c,strlen(c),b); 
return(b[0]|(b[1]<<8)|(b[2]<<16)|(b[3]<<24)); 
*/ 
  
n=0x100; 
while (*c) 
{ 
v=n|(*c); 
n+=0x100; 
r= (int)((v>>2)^v)&0x0f; 
ret=(ret(32-r)); 
ret&=0xFFFFFFFFL; 
ret^=v*v; 
c++; 
} 
return((ret>>16)^ret); 
} 

在下面的测量过程中我们分别将上面的两个函数标记为OpenSSL_Hash1和OpenSSL_Hash2，至于上面的实现中使用MD5算法的实现函数我们不作测试。

2.3 MySql中出现的字符串Hash函数

#ifndef NEW_HASH_FUNCTION 
/* Calc hashvalue for a key */ 
static uint calc_hashnr(const byte *key,uint length) 
{ 
register uint nr=1, nr2=4; 
while (length--) 
{ 
nr^= (((nr & 63)+nr2)*((uint) (uchar) *key++))+ (nr << 8); 
nr2+=3; 
} 
return((uint) nr); 
} 
  
/* Calc hashvalue for a key, case indepenently */ 
static uint calc_hashnr_caseup(const byte *key,uint length) 
{ 
register uint nr=1, nr2=4; 
while (length--) 
{ 
nr^= (((nr & 63)+nr2)*((uint) (uchar) toupper(*key++)))+ (nr << 8); 
nr2+=3; 
} 
return((uint) nr); 
} 
  
#else 
  
/* 
* Fowler/Noll/Vo hash 
* 
* The basis of the hash algorithm was taken from an idea sent by email to the 
* IEEE Posix P1003.2 mailing list from Phong Vo (kpv@research.att.com) and 
* Glenn Fowler (gsf@research.att.com). Landon Curt Noll (chongo@toad.com) 
* later improved on their algorithm. 
* 
* The magic is in the interesting relationship between the special prime 
* 16777619 (2^24 + 403) and 2^32 and 2^8. 
* 
* This hash produces the fewest collisions of any function that we've seen so 
* far, and works well on both numbers and strings. 
*/ 
  
uint calc_hashnr(const byte *key, uint len) 
{ 
const byte *end=key+len; 
uint hash; 
for (hash = 0; key < end; key++) 
{ 
hash *= 16777619; 
hash ^= (uint) *(uchar*) key; 
} 
return (hash); 
} 
 
uint calc_hashnr_caseup(const byte *key, uint len) 
{ 
const byte *end=key+len; 
uint hash; 
for (hash = 0; key < end; key++) 
{ 
hash *= 16777619; 
hash ^= (uint) (uchar) toupper(*key); 
} 
return (hash); 
} 
 
#endif 

Mysql中对字符串Hash函数还区分了大小写，我们的测试中使用不区分大小写的字符串Hash函数，另外我们将上面的两个函数分别记为MYSQL_Hash1和MYSQL_Hash2。

2.4 另一个经验字符串Hash函数

unsigned int hash(char *str) 
{ 
register unsigned int h; 
register unsigned char *p; 
 
for(h=0, p = (unsigned char *)str; *p ; p++) 
h = 31 * h + *p; 
 
return h; 
} 

3 测试及结果

3.1 测试说明

从上面给出的经典字符串Hash函数中可以看出，有的涉及到字符串大小敏感问题，我们的测试 中只考虑字符串大小写敏感的函数，另外在上面的函数中有的函数 需要长度参数，有的不需要长度参数，这对函数本身的效率有一定的影响，我们的测试中将对函数稍微作一点修改，全部使用长度参数，并将函数内部出现的计算长 度代码删除。

我们用来作测试用的Hash链表采用经典的拉链法解决冲突，另外我们采用静态分配桶（Hash链表长度）的方法来构造Hash链表，这主要是为了简化我们的实现，并不影响我们的测试结果。

测试文本采用单词表，测试过程中从一个输入文件中读取全部不重复单词构造一个Hash表，测 试内容分别是函数总调用次数、函数总调用时间、最大拉链长度、 平均拉链长度、桶利用率（使用过的桶所占的比率），其中函数总调用次数是指Hash函数被调用的总次数，为了测试出函数执行时间，该值在测试过程中作了一 定的放大，函数总调用时间是指Hash函数总的执行时间，最大拉链长度是指使用拉链法构造链表过程中出现的最大拉链长度，平均拉链长度指拉链的平均长度。

测试过程中使用的机器配置如下：

PIII600笔记本，128M内存，windows 2000 server操作系统。

3.2 测试结果

以下分别是对两个不同文本文件中的全部不重复单词构造Hash链表的测试结果，测试结果中函数调用次数放大了100倍，相应的函数调用时间也放大了100倍。