如何从C＃中的字节数组生成哈希码？
说我有一个对象，存储一个字节数组，我想能够有效地生成它的哈希码。 在过去，我使用了密码散列函数，因为它们很容易实现，但是它们做的工作要比单独使用密码方法要多得多，而且我不在乎（我只是在使用散列码作为散列表中的关键字）。
这是我今天的事情：
struct SomeData : IEquatable<SomeData> { private readonly byte[] data; public SomeData(byte[] data) { if (null == data || data.Length <= 0) { throw new ArgumentException("data"); } this.data = new byte[data.Length]; Array.Copy(data, this.data, data.Length); } public override bool Equals(object obj) { return obj is SomeData && Equals((SomeData)obj); } public bool Equals(SomeData other) { if (other.data.Length != data.Length) { return false; } for (int i = 0; i < data.Length; ++i) { if (data[i] != other.data[i]) { return false; } } return true; } public override int GetHashCode() { return BitConverter.ToInt32(new MD5CryptoServiceProvider().ComputeHash(data), 0); } } 有什么想法吗？
dp：你是对的，我错过了Equals的支票，我已经更新了。 使用字节数组中现有的散列码将导致引用相等（或至less将相同的概念转换为散列码）。 例如：
byte[] b1 = new byte[] { 1 }; byte[] b2 = new byte[] { 1 }; int h1 = b1.GetHashCode(); int h2 = b2.GetHashCode();
有了这些代码，尽pipe两个字节数组在内部具有相同的值，但它们指的是内存的不同部分，并且会导致（可能）不同的哈希码。 我需要相同内容的两个字节数组的哈希码相等。
对象的哈希码不需要是唯一的。
检查规则是：
- 散列码是否相等？ 然后调用完整（慢）
Equals方法。 - 散列码不相等吗？ 那么这两个项目绝对不是平等的。
所有你想要的是一个GetHashCodealgorithm，它将你的集合分成几乎平均的组 – 它不应该形成关键，因为HashTable或Dictionary<>需要使用哈希来优化检索。
你期望数据有多久？ 如何随机？ 如果长度差别很大（比如说文件），那么就返回长度。 如果长度可能相似，则查看变化的字节的子集。
GetHashCode应该比Equals快很多，但并不需要是唯一的。
两个相同的东西不能有不同的哈希码。 两个不同的对象不应该具有相同的哈希码，但是可能会发生一些冲突（毕竟，比32位整数有更多的排列）。
不要使用哈希表的哈希表，这是荒谬的/矫枉过正。
在这里你去…修改FNV哈希在C＃
http://bretm.home.comcast.net/hash/6.html
public static int ComputeHash(params byte[] data) { unchecked { const int p = 16777619; int hash = (int)2166136261; for (int i = 0; i < data.Length; i++) hash = (hash ^ data[i]) * p; hash += hash << 13; hash ^= hash >> 7; hash += hash << 3; hash ^= hash >> 17; hash += hash << 5; return hash; } }
从JetBrains软件生成的代码借用，我已经解决了这个function：
public override int GetHashCode() { unchecked { var result = 0; foreach (byte b in _key) result = (result*31) ^ b; return result; } }
只有XOring字节的问题是返回值的3/4（3字节）只有2个可能的值（全部closures或全部closures）。 这扩大了一点点。
在Equals中设置一个断点是一个很好的build议。 将约20万条数据添加到字典中，可以看到大约10个等号（或1 / 20,000）。
你有没有比较SHA1CryptoServiceProvider.ComputeHash方法？ 它需要一个字节数组并返回一个SHA1哈希，我相信它已经很好的优化了。 我在一个Identicon Handler中使用它，在负载下performance相当好。
我发现有趣的结果：
我有class：
public class MyHash : IEquatable<MyHash> { public byte[] Val { get; private set; } public MyHash(byte[] val) { Val = val; } /// <summary> /// Test if this Class is equal to another class /// </summary> /// <param name="other"></param> /// <returns></returns> public bool Equals(MyHash other) { if (other.Val.Length == this.Val.Length) { for (var i = 0; i < this.Val.Length; i++) { if (other.Val[i] != this.Val[i]) { return false; } } return true; } else { return false; } } public override int GetHashCode() { var str = Convert.ToBase64String(Val); return str.GetHashCode(); } }
然后，我创build了一个MyHashtypes的键字典，以testing我可以插入多快，我也可以知道有多less碰撞。 我做了以下
// dictionary we use to check for collisions Dictionary<MyHash, bool> checkForDuplicatesDic = new Dictionary<MyHash, bool>(); // used to generate random arrays Random rand = new Random(); var now = DateTime.Now; for (var j = 0; j < 100; j++) { for (var i = 0; i < 5000; i++) { // create new array and populate it with random bytes byte[] randBytes = new byte[byte.MaxValue]; rand.NextBytes(randBytes); MyHash h = new MyHash(randBytes); if (checkForDuplicatesDic.ContainsKey(h)) { Console.WriteLine("Duplicate"); } else { checkForDuplicatesDic[h] = true; } } Console.WriteLine(j); checkForDuplicatesDic.Clear(); // clear dictionary every 5000 iterations } var elapsed = DateTime.Now - now; Console.Read();
每次我向词典中插入一个新的项目时，词典都会计算这个对象的散列值。 所以你可以通过在方法中find几个答案来告诉哪种方法是最有效的public override int GetHashCode()这个方法是迄今为止最快，碰撞次数最less的是：
public override int GetHashCode() { var str = Convert.ToBase64String(Val); return str.GetHashCode(); }
花了2秒钟执行。 方法
public override int GetHashCode() { // 7.1 seconds unchecked { const int p = 16777619; int hash = (int)2166136261; for (int i = 0; i < Val.Length; i++) hash = (hash ^ Val[i]) * p; hash += hash << 13; hash ^= hash >> 7; hash += hash << 3; hash ^= hash >> 17; hash += hash << 5; return hash; } }
也没有碰撞，但它需要7秒钟执行！
是否使用字节数组字段中的现有哈希码不够好？ 另外请注意，在Equals方法中，您应该在比较之前检查数组是否大小相同。
生成一个好的散列说起来容易做起来难。 记住，你基本上用m位信息表示n个字节的数据。 数据集越大，m越小，碰撞的可能性就越大。两个数据parsing为相同的散列值。
我学到的最简单的散列就是将所有的字节异或。 它比大多数复杂的散列algorithm更容易，速度更快，而对于小数据集来说，它是一个中等体积的通用散列algorithm。 这是真正的泡泡sortingalgorithm。 由于简单的实现会留下8位，这只是256哈希…不那么热。 你可以XOR块，而不是单个字节，但是然后algorithm变得更加复杂。
所以当然，密码algorithm可能会做一些你不需要的东西，但是它们也是通用哈希质量的一个巨大的进步。 你使用的MD5哈希值有128位，有数十亿和数十亿可能的哈希值。 唯一可能的方法是获取一些有代表性的数据样本，然后尝试使用各种algorithm来查看您获得的碰撞数量。
所以，直到我看到一些不使用jar头哈希algorithm（性能，也许？）的理由，我将不得不build议你坚持你有什么。
无论你想要一个完美的散列函数（对于每个对象的不同值，评估结果是相等的），还是相当不错的散列函数总是一个性能折衷，计算一个好的散列函数通常需要时间，如果你的数据集很小，你最好用一个快速的function。 最重要的（正如你的第二篇文章指出的）是正确的，并且实现你所需要的就是返回数组的长度。 取决于你的数据集，甚至可能是好的。 如果不是（比如说所有的数组都是同样长的），那么可以使用一些便宜的方法，比如查看第一个和最后一个值，并对它们的值进行异或运算，然后增加更复杂的数据。
查看hash函数对数据执行操作的一个快速方法是将所有数据添加到散列表中，并计算Equals函数被调用的次数，如果太频繁您需要做更多的工作。 如果你这样做，只要记住哈希表的大小需要设置大于你的数据集，否则你将重新刷新数据，这将触发重新插入和更多的等值评估（尽pipe可能更现实？）
对于一些对象（不是这个），一个快速的HashCode可以由ToString（）。GetHashCode（）生成，当然不是最优的，但是有用，因为人们倾向于从ToString（）返回接近对象身份的东西， GetHashcode正在寻找什么
琐事：我见过的最糟糕的performance是，有人误从GetHashCode返回了一个常量，但很容易find一个debugging器，特别是如果你在你的哈希表中做了很多的查找
如果你正在寻找性能，我testing了一些哈希键，我推荐Bob Jenkin的哈希函数 。 计算速度非常快，并且与迄今为止使用的encryption散列一样，只会产生很less的冲突。
我根本不知道C＃，我不知道它是否可以与C链接，但这里是它在C中的实现 。
private int? hashCode; public override int GetHashCode() { if (!hashCode.HasValue) { var hash = 0; for (var i = 0; i < bytes.Length; i++) { hash = (hash << 4) + bytes[i]; } hashCode = hash; } return hashCode.Value; }
RuntimeHelpers.GetHashCode可能有所帮助：
从Msdn：
用作特定types的散列函数，适用于散列algorithm和数据结构（如散列表）。
