多種hash算法將文章標識翻譯成整型ID的衝突率測試

1.測試內容：

使用多種hash算法將文章標識翻譯成整型ID後的衝突數和衝突率的比較。

2.測試方法

1. CRC32：把任意長度的字符串經過散列算法，最終變換成固定長度(int32)的摘要輸出

2. Blizzard的Hashstring： 暴雪公司設計的字符串轉整型的hash函數，hash值爲int32.

3. BKDRHash:  經常使用的字符串哈希函數，hash值也爲int32.

4. MD5 :目前被大量普遍使用的散列算法之一。MD5散列長度一般是128bit

5. MD5 To 32bit：在MD5值的基礎上作壓縮，轉換成32位整型ID。

3.測試數據

全部文章key數	去重後的key數
4136019	4135999

4.測試結果

5.結果分析

1.想直接用生成int32的hash函數來翻譯文章的key，產生衝突的數會比較多。

2.MD5雖然能保證對文章key不衝突，但生成的值不是整型，不友好。

3.對MD5壓縮翻譯成整型值（至關於二次hash)，能夠下降衝突，但性能開銷明顯增大（看最後一列時間對比)。

6.思考：

對於用純hash算法完成翻譯文章key的方式，衝突理論上確定存在，咱們只能但願儘可

能地減小衝突（410多萬數據最多幾十次衝突），同時還要考慮性能！

接下來還能夠走的路，尋找更大hash值的算法，或者優化組合下降二次hash的性能損

耗。

或者最終另闢蹊徑，跳出純算法的思惟，尋找更合適的方法！