一种在不存储密钥的情况下将密钥存储在字典中的方法？
A way to store keys in a dictionary without storing the key?
比如写字典class，碰撞是很少见的，但确实存在。因此，您需要存储密钥以确保当您在哈希表中找到您的密钥时，它是正确的而不是冲突的。
有时键很长，而且通常是字符串，所以每个键可以超过 40 个字节，而如果它只是一个哈希码。如果存储的密钥是经过哈希处理的对象，但使用略有不同的哈希算法，具有不同的质数，会怎样？那么发生碰撞的几率就是 (1/(2^32)) * (1/(2^32)).
您甚至可以使用另一种散列算法并存储该散列，因此发生冲突的可能性为 (1/(2^32)) * (1/(2^32)) * (1/(2^32))。显然，冲突仍然可能发生，但几率非常低，而且您只需为密钥存储 4 个字节而不是超过 32 个字节，就可以节省大量内存。
我想这仍然是不可接受的，对吧，因为仍然有机会，但也有可能有人的 RAM 不小心翻转了一下并出现蓝屏，这似乎不太可能，所以不实施是很有诱惑力的。有没有其他选择，还是这个小机会仍然不值得？
如果您想 100% 确定没有任何冲突，则无法在插入前检查密钥。话虽这么说，我们在这里很幸运，因为实现良好的词典正是您快速找到密钥所需要的。
话虽如此，您可能想看一下 here 中描述的函数。碰撞几率会很低
编辑：删除了我写的关于 GUID 的一些废话...
视情况而定。
你绝对需要保证冲突解决吗？如果是这样：您必须存储密钥或与其等效的东西。在某些情况下（例如小密钥空间、冗余数据等），您可以使用压缩或自定义哈希函数 可逆地 将密钥映射到更小的内容。
如果不是：是的，您的方法会奏效。注意，由于birthday paradox，发生碰撞的概率为：
- 取决于集合中已有元素的数量；和
- 比你想象的要高。
需要权衡：现在您必须计算（并比较）多个哈希值才能找到项目。
沿着这条路走下去：为什么要有固定数量的哈希值？您可以计算一个散列，并且仅在发生冲突时才计算下一个散列；这导致基于 trie 的实现。 （当然，你需要一个可靠分布的 family 散列函数...）
除了最高性能 and/or 内存受限的应用程序之外，大多数这对所有应用程序来说都是矫枉过正 - 但它 偶尔 做这样的事情很有用 :)
比如写字典class，碰撞是很少见的，但确实存在。因此，您需要存储密钥以确保当您在哈希表中找到您的密钥时，它是正确的而不是冲突的。
有时键很长，而且通常是字符串，所以每个键可以超过 40 个字节，而如果它只是一个哈希码。如果存储的密钥是经过哈希处理的对象，但使用略有不同的哈希算法，具有不同的质数，会怎样？那么发生碰撞的几率就是 (1/(2^32)) * (1/(2^32)).
您甚至可以使用另一种散列算法并存储该散列，因此发生冲突的可能性为 (1/(2^32)) * (1/(2^32)) * (1/(2^32))。显然，冲突仍然可能发生，但几率非常低，而且您只需为密钥存储 4 个字节而不是超过 32 个字节，就可以节省大量内存。
我想这仍然是不可接受的，对吧，因为仍然有机会，但也有可能有人的 RAM 不小心翻转了一下并出现蓝屏，这似乎不太可能，所以不实施是很有诱惑力的。有没有其他选择，还是这个小机会仍然不值得？
如果您想 100% 确定没有任何冲突，则无法在插入前检查密钥。话虽这么说，我们在这里很幸运，因为实现良好的词典正是您快速找到密钥所需要的。
话虽如此，您可能想看一下 here 中描述的函数。碰撞几率会很低
编辑：删除了我写的关于 GUID 的一些废话...
视情况而定。
你绝对需要保证冲突解决吗？如果是这样：您必须存储密钥或与其等效的东西。在某些情况下（例如小密钥空间、冗余数据等），您可以使用压缩或自定义哈希函数 可逆地 将密钥映射到更小的内容。
如果不是：是的，您的方法会奏效。注意，由于birthday paradox，发生碰撞的概率为：
- 取决于集合中已有元素的数量；和
- 比你想象的要高。
需要权衡：现在您必须计算（并比较）多个哈希值才能找到项目。
沿着这条路走下去：为什么要有固定数量的哈希值？您可以计算一个散列，并且仅在发生冲突时才计算下一个散列；这导致基于 trie 的实现。 （当然，你需要一个可靠分布的 family 散列函数...）
除了最高性能 and/or 内存受限的应用程序之外，大多数这对所有应用程序来说都是矫枉过正 - 但它 偶尔 做这样的事情很有用 :)