MurmurHash PK CityHash

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