我在散列图(约280万个对象)中存储大量对象(具有存储在对象中的字节数组中的值的唯一组合),并且在检查我是否有任何哈希码冲突时(32位哈希) ),我很惊讶地看到在统计上没有任何东西,我有近100%的机会至少有一次碰撞(参见http://preshing.com/20110504/hash-collision-probabilities/).
因此,我想知道我检测碰撞的方法是否被窃听,或者我是否非常幸运......
以下是我尝试从地图中存储的280万个值中检测碰撞的方法:
HashMapvalues; (...fill with 2.8 mlns unique values...) HashSet hashes = new HashSet<>(); for (ShowdownFreqKeysVO key:values.keySet()){ if (hashes.contains(key.hashCode())) throw new RuntimeException("Duplicate hash for:"+key); hashes.add(key.hashCode()); }
这是对象创建哈希值的方法:
public class ShowdownFreqKeysVO { //Values for the different parameters public byte[] values = new byte[12]; @Override public int hashCode() { final int prime = 31; int result = 1; result = prime * result + Arrays.hashCode(values); return result; } @Override public boolean equals(Object obj) { if (this == obj) return true; if (obj == null) return false; if (getClass() != obj.getClass()) return false; ShowdownFreqKeysVO other = (ShowdownFreqKeysVO) obj; if (!Arrays.equals(values, other.values)) return false; return true; } }
任何关于我做错的想法/暗示都将不胜感激!
谢谢,托马斯
我不相信运气
这是Arrays.hashCode
您使用的实现
public static int hashCode(int a[]) { if (a == null) return 0; int result = 1; for (int element : a) result = 31 * result + element; return result; }
如果你的值恰好小于31,则它们被视为基数31中的不同数字,因此每个结果都有不同的数字(如果我们现在忽略溢出).让我们称之为纯粹的哈希
现在当然31^11
比Java中的整数数量大,所以我们会得到大量的溢出.但由于31的幂和最大整数是"非常不同",你不会得到几乎随机的分布,而是一个非常规则的均匀分布.
让我们考虑一个较小的例子.我假设你的数组中只有2个元素,范围从0到5.我尝试通过取"纯哈希"的模38来创建0到37之间的"hashCode".结果是我得到5个整数的条纹,中间有小间隙,而不是单个碰撞.
val hashes = for { i <- 0 to 4 j <- 0 to 4 } yield (i * 31 + j) % 38 println(hashes.size) // prints 25 println(hashes.toSet.size) // prints 25
要验证这是否是您的数字所发生的情况,您可以创建一个图形,如下所示:对于每个哈希,取x的前16位和y的第二个16位,点黑色.我打赌你会看到一个非常规律的模式.