如何设置 ruby​​ murmur 哈希的种子值

Question

有没有办法设置使用 ruby​​ 哈希函数的种子值（即 1.9 中的 murmur 哈希，不知道 JRuby？），以便我每次运行脚本时都可以获得相同的哈希代码（即在多个并行上）进程或在不同的节点上），

这样就

可以将“这是一个测试”。

每当我运行这个时，今天、明天、三周后等，hash 都是相同的

我想这样做，这样我就可以并行实现 MinHash

我可以看到在murmur_hash gem 表示 murmur 哈希接受种子，因此我假设每当我选择相同的种子时，我都可以设置种子并确定性地获取哈希代码

Answer 1

尝试这个种子 0xbc9f1d34，来自 jeff Dean 的 LevelDB 源代码，:)

Answer 2

如果有人想知道，请恢复此内容...

您可以使用 murmurhash3 gem 位于此处。

您可以覆盖 String 类中内置的哈希函数。

require 'murmurhash3'
class String

  SEED = 12345678

  def hash
    MurmurHash3::V32.str_hash(self,SEED)
  end
end

不，您可以在任何字符串上使用此哈希函数。

$ irb
2.1.1 :001 > "this is a test".hash
=> 553036434 

假设您使用相同的种子 12345678，那么您应该在任何服务器、进程、线程上重复获得相同的哈希值。

并行中的 MurmurHash

您可以 parallel gem 位于此处

然后只需传递项目列表你想并行执行/散列。

items_to_hash = ['val0', 'val1',...., 'valN']
results = Parallel.map(items_to_hash) do |item|
   item.hash
end

如果您不喜欢使用另一个 gem 并行执行哈希，那么这里有一个使用 vanilla Ruby 的示例来帮助您。
http://taw.blogspot.com/2010/05 /very-simple-parallelization-with-ruby.html