如何生成字符串的长哈希值？

Question

我有一个java应用程序，我想在其中生成字符串的long id（以便将这些字符串存储在中Neo4j）。为了避免数据重复，我想为存储在long整数中的每个字符串生成一个id，该id对于每个字符串应该是唯一的。我怎样才能做到这一点？

Answer 1

这段代码将计算出相当好的哈希值：

String s = "some string";
long hash = UUID.nameUUIDFromBytes(s.getBytes()).getMostSignificantBits();

Answer 2

为什么不看看 String 的 hashcode() 函数，而直接采用它来使用 long 值呢？

顺便提一句。如果有办法为每个字符串创建唯一的 ID，那么您就会找到一种压缩算法，能够将每个字符串打包为 8 个字节（根据定义不可能）。

Answer 3

long 有 64 位。长度为 9 的String 有 72 位。来自 鸽子洞原理 - 您无法将 9 个字符长的字符串获取到 的唯一哈希值长。

如果您仍然想要一个long哈希值：您可以为String->int采用两个标准[不同！]哈希函数，hash1() 和 hash2() 并计算：hash(s) = 2^32* hash1(s) + hash2(s)

Answer 4

简单的 64 位哈希可以通过将 CRC32 与 Adler32 组合来实现，尽管它们不是为哈希而设计的。当然，这种组合不如现代哈希技术那么强大，但对于本身提供 CRC 库的语言来说，它是可移植的。

Java 中的示例：

package com.example;

import java.util.zip.Adler32;
import java.util.zip.CRC32;

public class MySimpleHash {

    /**
     * Calculate a 64 bits hash by combining CRC32 with Adler32.
     * 
     * @param bytes a byte array
     * @return a hash number
     */
    public static long getHash(byte[] bytes) {

        CRC32 crc32 = new CRC32();
        Adler32 adl32 = new Adler32();

        crc32.update(bytes);
        adl32.update(bytes);

        long crc = crc32.getValue();
        long adl = adl32.getValue();

        return (crc << 32) | adl;
    }

    public static void main(String[] args) {
        String string = "This is a test string";
        long hash = getHash(string.getBytes());
        System.out.println("output: " + hash);
    }
}

output: 7732385261082445741

Python 中的示例：

#!/usr/bin/python3

import zlib

def get_hash(bytes):
    return zlib.crc32(bytes) << 32 | zlib.adler32(bytes)

string = "This is a test string"
hash = get_hash(string.encode())
print("output:", hash)

output: 7732385261082445741

此要点比较了一些哈希方法：
https://gist.github.com/fabiolimace/507eac3d35900050eeb9772e5b1871ba

Answer 5

有很多答案，请尝试以下方法：

• http://stackoverflow.com/questions/415953/generate-md5-hash-in-java 编辑：删除，我错过了长要求。抱歉。
• http://en.wikipedia.org/wiki/Perfect_hash_function

或者，按照之前的建议，查看来源。

附言。另一种技术是维护字符串字典：由于您不太可能很快获得 2⁶⁴ 个字符串，因此您可以拥有完美的映射。但请注意，该映射也可能成为主要瓶颈。