MurmurHash PK CityHash

转自：http://blog.csdn.net/yfkiss/article/details/7337382

1. 概述

murmurhash是 Austin Appleby于2008年创立的一种 非加密hash算法 ，适用于基于hash进行查找的场景。murmurhash最新版本是MurMurHash3，支持 32位、64位及128位值 的产生。
murmurhash标准使用c++实现，但是也有其他主流语言的支持版本，包括：perl、c#、ruby、python、java等。murmurhash在多个开源项目中得到应用，包括libstdc、libmemcached 、nginx、hadoop等。

CityHash是Google发布的字符串散列算法，和murmurhash一样，属于非加密型hash算法。CityHash算法的开发是受到了 MurmurHash的启发。其主要优点是大部分步骤包含了至少两步独立的数学运算。现代 CPU 通常能从这种代码获得最佳性能。
CityHash 也有其缺点：代码较同类流行算法复杂。 Google 希望为速度而不是为了简单而优化，因此没有照顾较短输入的特例 。
Google 号称CityHash64 在速度方面至少能提高 30%(这个，肯定不是和murmurhash比咯)，并有望提高多达两倍。此外，这些算法的统计特性也很完备。
目前CityHash支持 64、128、256 位

2.使用：
1）Murmurhash直接添加源码：

 //-----------------------------------------------------------------------------
 // MurmurHash2, 64-bit versions, by Austin Appleby

 // The same caveats as 32-bit MurmurHash2 apply here - beware of alignment
 // and endian-ness issues if used across multiple platforms.

 typedef unsigned long int uint64_t;

 // 64-bit hash for 64-bit platforms
 uint64_t MurmurHash64A ( const void * key, int len, unsigned int seed )
 {
         const uint64_t m = 0xc6a4a7935bd1e995;
         const int r = 47;

         uint64_t h = seed ^ (len * m);

         const uint64_t * data = (const uint64_t *)key;
         const uint64_t * end = data + (len/8);

         while(data != end)
         {
                 uint64_t k = *data++;

                 k *= m;
                 k ^= k >> r;
                 k *= m;

                 h ^= k;
                 h *= m;
         }

         const unsigned char * data2 = (const unsigned char*)data;

         switch(len & 7)
         {
         case 7: h ^= uint64_t(data2[6]) << 48;
         case 6: h ^= uint64_t(data2[5]) << 40;
         case 5: h ^= uint64_t(data2[4]) << 32;
         case 4: h ^= uint64_t(data2[3]) << 24;
         case 3: h ^= uint64_t(data2[2]) << 16;
         case 2: h ^= uint64_t(data2[1]) << 8;
         case 1: h ^= uint64_t(data2[0]);
                 h *= m;
         };

         h ^= h >> r;
         h *= m;
         h ^= h >> r;

         return h;
 }


 // 64-bit hash for 32-bit platforms
 uint64_t MurmurHash64B ( const void * key, int len, unsigned int seed )
 {
         const unsigned int m = 0x5bd1e995;
         const int r = 24;

         unsigned int h1 = seed ^ len;
         unsigned int h2 = 0;

         const unsigned int * data = (const unsigned int *)key;

         while(len >= 8)
         {
                 unsigned int k1 = *data++;
                 k1 *= m; k1 ^= k1 >> r; k1 *= m;
                 h1 *= m; h1 ^= k1;
                 len -= 4;

                 unsigned int k2 = *data++;
                 k2 *= m; k2 ^= k2 >> r; k2 *= m;
                 h2 *= m; h2 ^= k2;
                 len -= 4;
         }

         if(len >= 4)
         {
                 unsigned int k1 = *data++;
                 k1 *= m; k1 ^= k1 >> r; k1 *= m;
                 h1 *= m; h1 ^= k1;
                 len -= 4;
         }

         switch(len)
         {
         case 3: h2 ^= ((unsigned char*)data)[2] << 16;
         case 2: h2 ^= ((unsigned char*)data)[1] << 8;
         case 1: h2 ^= ((unsigned char*)data)[0];
                         h2 *= m;
         };

         h1 ^= h2 >> 18; h1 *= m;
         h2 ^= h1 >> 22; h2 *= m;
         h1 ^= h2 >> 17; h1 *= m;
         h2 ^= h1 >> 19; h2 *= m;

         uint64_t h = h1;

         h = (h << 32) | h2;

         return h;
 }

2）cityhash需要下载、配置、编译后才能使用

3.测试代码：

 #include <iostream>
 #include <string>
 #include <time.h>
 #include "city.h"
 using namespace std;

 uint64_t MurmurHash64A ( const void * key, int len, unsigned int seed );

 int main(int argc, char** argv)
 {

         char buf[1024];
         time_t t1, t2;
         FILE* file = fopen(argv[1], "r");
         int pattern = atoi(argv[2]);

         t1 = time(NULL);
         while(fgets(buf, 1024, file) != NULL)
         {
                 if(1 == pattern)
                 {
                         MurmurHash64A(buf, strlen(buf), 16);
                 }
                 else
                 {
                         CityHash64WithSeed(buf, strlen(buf), 16);
                 }
         }
         t2 = time(NULL);

         cout << (t2-t1) << endl;
         return 0;
 }

生成随机字符串bash脚本：

 #!/bin/sh
 #sh make_random_strings 16 10000
 #make 10000 strings, the string length:16

 for((j=0; j<$2; j++))
 {
         str=
         for((i=0; i<$1; i++))
         {
                 one=`cat /dev/urandom |strings -n 1 | cut -c-1| head -1`
                 str=${str}${one}
         }

         echo $str
 }

测试长度16的字符串hash速度

测试数据：
735,529,084行 长度16的随机字符串
murmurhash平均耗时：94s
cityhash平均耗时：86s

测试长度 32 的字符串hash速度
测试数据：
262,017,242行 长度32的随机字符串
murmurhash平均耗时：33
cityhash平均耗时：33

测试长度 256 的字符串hash速度
测试数据：
60,000,000行 长度256的随机字符串
murmurhash平均耗时：32
cityhash平均耗时：30

4.总结：
速度： cityhash和murmurhash相比，速度略快
使用复杂度：都非常简单
语言支持：murmurhash主流语言基本都支持；cityhash 2010才发布算法，2011年发布实现，目前只有c++的支持。
hash值位数：murmurhash支持32、64、128bit， cityhash支持64、128、256bit


reference：
http://code.google.com/p/cityhash/
wiki：http://en.wikipedia.org/wiki/CityHash
wiki：http://en.wikipedia.org/wiki/Murmurhash