哈希MurmurHash算法详解

MurmurHash：(multiply and rotate) and (multiply and rotate) Hash，乘法和旋转的hash 算法。

一、哈希函数

定义

散列函数（英语：Hash function）又称散列算法、哈希函数，是一种从任何一种数据中创建小的数字“指纹”的方法。散列函数把消息或数据压缩成摘要，使得数据量变小，将数据的格式固定下来。该函数将数据打乱混合，重新创建一个叫做散列值（hash values，hash codes）的指纹。散列值通常用一个短的随机字母和数字组成的字符串来代表。好的散列函数在输入域中很少出现散列冲突。

特点

加密：加密存在数据库中的密码（password）字符串，由于散列算法所计算出来的散列值（Hash Value）具有不可逆（无法逆向演算回原本的数值）的性质，因此可有效的保护密码。

压缩：把任意长度的输入通过散列算法变换成固定长度的输出。

应用

保护资料、确保传递真实的信息、散列表、错误校正、语音识别、信息安全。。。

常见哈希算法

MD系列(MD5)、SHA系列(SHA-1)、CRC，甚至JDK hashCode()也是哈希算法的一种。可以将他们分成三代：

第一代：SHA-1（1993），MD5（1992），CRC（1975），Lookup3（2006）
第二代：MurmurHash（2008）
第三代：CityHash， SpookyHash（2011）

分类可分为加密型、非加密型：

加密型：MD系列(MD5)、SHA系列(SHA-1)

非加密型：CRC、MurmurHash

这里记录一下在第二代中几乎一统江湖的MurmurHash。

二、murmurhash

定义

MurmurHash 是一种非加密型哈希函数，适用于一般的哈希检索操作。由Austin Appleby在2008年发明，并出现了多个变种，都已经发布到了公有领域(public domain)。与其它流行的哈希函数相比，对于规律性较强的key，MurmurHash的随机分布特征表现更良好。

特点

1.快。

MurMurHash3 比 MD5 快。

2.低碰撞。

MurMurHash3 128 位版本哈希值是 128 位的，跟 MD5 一样。128 位的哈希值，在数据量只有千万级别的情况下，基本不用担心碰撞。

3.高混淆。

散列值比较“均匀”，如果用于哈希表，布隆过滤器等, 元素就会均匀分布。

应用

广泛应用于各开源产品，Java 界中 Redis，Memcached，Cassandra，Hadoop，HBase，Lucene，spark，nginx，常见的大数据库底层，都使用了这个算法作为底层的存储算法。

介绍

MD5 生成的哈希值是 128 比特的。这里的哈希值指的是二进制的值，而不是 HEX 或 base64 格式化后的人类可读的值。通常我们提到的 32 位 MD5 是指由 32 个字符组成的，HEX 格式的 MD5。MurMurHash 算法家族的最新一员为MurMurHash3，支持32位和128位，推荐使用128位的MurMurHash3。是原作者被Google挖去之后基于Murmur2的缺陷做了改进。

32位的，在某些场景下，比如哈希的对象长度小于 128 位，或者存储空间要求占用小，或者需要把字符串转换成一个整数，这一特性就能帮上忙。当然，32 位哈希值发生碰撞的可能性就比 128 位的要高得多。当数据量达到十万时，就很有可能发生碰撞。

贴一个网上的简单 MurMurHash2、MurMurHash3、MD5 的 benchmark：

https://github.com/spacewander/lua-resty-murmurhash3/blob/master/README.md#when-should-i-use-it

这里的结论：MurMurHash3 128 位版本的速度是 MD5 的十倍。有趣的是，MurMurHash3 生成 32 位哈希的用时比生成 128 位哈希的用时要长。原因在于MurMurHash3_128 针对现代 x64 平台cpu进行了优化。

Murmur是一个良好的通用散列函数系列，适用于非加密用法。MurmurHash提供以下好处：

简单（根据生成的汇编指令数量）。
良好的分布（几乎所有键组和铲斗尺寸均通过卡方检验。
好 雪崩 行为（最大偏差0.5％）。
良好的碰撞阻力（通过Bob Jenkin的frog.c酷刑测试。对于4字节键没有碰撞，没有小的（1到7位）差异）。
在Intel/AMD硬件上表现出色，散列质量和CPU消耗之间的良好折衷。

您当然可以使用它来散列UUID（就像任何其他高级散列函数一样：CityHash，Jenkins，Paul Hsieh等等）。现在，Redis bitset限制为4 GB位（512 MB）。因此，您需要将128位数据（UUID）减少到32位（散列值）。无论散列函数的质量如何，都会发生碰撞。

使用像Murmur这样的工程散列函数可以最大限度地提高分布质量，并最大限度地减少碰撞次数，但它不提供任何其他保证。

三、MurmurHash使用

1.导包

Java版：google guava 包中提供了使用工具类：

<groupId>com.google.guava</groupId>
<artifactId>guava</artifactId>
<version>30.1.1-jre</version>

2.使用

import java.nio.charset.StandardCharsets;
import com.google.common.hash.HashFunction;
import com.google.common.hash.Hashing;
 
public class MurmurHashTest {
 
    public static void main(String[] args) {
        for (int i = 0; i < 100; i++) {
            String hexHashString = getHexHashString("qwerqwerqwer");
            System.out.println(hexHashString);
        }
    }
 
    public static String getHexHashString(String str) {
        HashFunction hashFunction = Hashing.murmur3_128();
        return hashFunction.hashString(str, StandardCharsets.UTF_8).toString();
    }
}

四、性能测试

public class MurmurHashTest {
 
    public static void main(String[] args) {
        long l = System.nanoTime();
        for (int i = 0; i < 10000 * 10000; i++) {
            String hexHashString = getHexHashString("yzh123456qwer杨子");
            // System.out.println(hexHashString);
        }
        long time = System.nanoTime() - l;
        System.out.println("一亿数据，一共花费时间：" + time / (1000 * 1000 * 1000) + "秒");
 
        long ns = time / (10000 * 10000);
        System.out.println("一亿数据，每条数据花费时间：" + ns + "纳秒");
    }
 
    public static String getHexHashString(String str) {
        HashFunction hashFunction = Hashing.murmur3_128();
        return hashFunction.hashString(str, StandardCharsets.UTF_8).toString();
    }
}

结果：

一亿数据，一共花费时间：20秒
一亿数据，每条数据花费时间：200纳秒

MD5的性能测试：

public class MurmurHashTest {
 
    public static void main(String[] args) {
        long l = System.nanoTime();
        for (int i = 0; i < 10000 * 10000; i++) {
            String hexHashString = getHexMD5String("yzh123456qwer杨子");
            // System.out.println(hexHashString);
        }
        long time = System.nanoTime() - l;
        System.out.println("一亿数据，一共花费时间：" + time / (1000 * 1000 * 1000) + "秒");
 
        long ns = time / (10000 * 10000);
        System.out.println("一亿数据，每条数据花费时间：" + ns + "纳秒");
    }
 
    public static String getHexMD5String(String str) {
        return DigestUtils.md5DigestAsHex(str.getBytes());
    }
}

MD5结果：

一亿数据，一共花费时间：32秒
一亿数据，每条数据花费时间：323纳秒

本人测试的字符串比较短，也可能是jar包不同版本以及使用的MacOS版本问题，虽然MurmurHash是比MD5快，但没有达到10倍的性能差距。

其它性能测试，含 hutool 包下的MurmurHash.hash64的使用：

package com.yy.armor.engine.core;
 
import java.nio.charset.StandardCharsets;
 
import cn.hutool.core.lang.MurmurHash;
import com.google.common.hash.HashFunction;
import com.google.common.hash.Hashing;
import org.springframework.util.DigestUtils;
 
public class MurmurHashTest {
 
    public static void main(String[] args) {
        String hexHashString = getHexHashStringWithGoogle128("user-agent: Mozilla/5.0 (Macintosh; Intel Mac OS X 10_15_7) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/92.0.4515.107 Safari/537.36");
        System.out.println("getHexHashStringWithGoogle128=" + hexHashString);
        String hexHashString2 = getHexHashStringWithGoogle32("user-agent: Mozilla/5.0 (Macintosh; Intel Mac OS X 10_15_7) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/92.0.4515.107 Safari/537.36");
        System.out.println("getHexHashStringWithGoogle32=" + hexHashString2);
        String hexHashString3 = getHexHashStringWithHutool64("user-agent: Mozilla/5.0 (Macintosh; Intel Mac OS X 10_15_7) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/92.0.4515.107 Safari/537.36");
        System.out.println("getHexHashStringWithHutool64=" + hexHashString3);
        String hexHashString4 = getHexMD5String("user-agent: Mozilla/5.0 (Macintosh; Intel Mac OS X 10_15_7) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/92.0.4515.107 Safari/537.36");
        System.out.println("getHexMD5String=" + hexHashString4);
 
        long l = System.nanoTime();
        for (int i = 0; i < 10000 * 10000; i++) {
            getHexHashStringWithGoogle128("user-agent: Mozilla/5.0 (Macintosh; Intel Mac OS X 10_15_7) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/92.0.4515.107 Safari/537.36");
        }
        long time = System.nanoTime() - l;
        System.out.println("一亿数据，getHexHashStringWithGoogle128一共花费时间：" + time / (1000 * 1000 * 1000) + "秒");
 
        long l2 = System.nanoTime();
        for (int i = 0; i < 10000 * 10000; i++) {
            getHexHashStringWithGoogle32("user-agent: Mozilla/5.0 (Macintosh; Intel Mac OS X 10_15_7) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/92.0.4515.107 Safari/537.36");
        }
        long time2 = System.nanoTime() - l2;
        System.out.println("一亿数据，getHexHashStringWithGoogle32一共花费时间：" + time2 / (1000 * 1000 * 1000) + "秒");
 
        long l3 = System.nanoTime();
        for (int i = 0; i < 10000 * 10000; i++) {
            getHexHashStringWithHutool64("user-agent: Mozilla/5.0 (Macintosh; Intel Mac OS X 10_15_7) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/92.0.4515.107 Safari/537.36");
        }
        long time3 = System.nanoTime() - l3;
        System.out.println("一亿数据，getHexHashStringWithHutool64一共花费时间：" + time3 / (1000 * 1000 * 1000) + "秒");
 
        long l4 = System.nanoTime();
        for (int i = 0; i < 10000 * 10000; i++) {
            getHexMD5String("user-agent: Mozilla/5.0 (Macintosh; Intel Mac OS X 10_15_7) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/92.0.4515.107 Safari/537.36");
        }
        long time4 = System.nanoTime() - l4;
        System.out.println("一亿数据，getHexMD5String一共花费时间：" + time4 / (1000 * 1000 * 1000) + "秒");
    }
 
    public static String getHexHashStringWithGoogle128(String str) {
        HashFunction hashFunction = Hashing.murmur3_128();
        return hashFunction.hashString(str, StandardCharsets.UTF_8).toString();
    }
 
    public static String getHexHashStringWithGoogle32(String str) {
        HashFunction hashFunction = Hashing.murmur3_32();
        return hashFunction.hashString(str, StandardCharsets.UTF_8).toString();
    }
 
    public static String getHexHashStringWithHutool64(String data) {
        long hash64 = MurmurHash.hash64(data);
        return Long.toHexString(hash64);
    }
 
    public static String getHexMD5String(String str) {
        return DigestUtils.md5DigestAsHex(str.getBytes());
    }
}

结果：

getHexHashStringWithGoogle128=3f3d5e5f32f9fff6a34dfa6329a83bf7
getHexHashStringWithGoogle32=2cb92c51
getHexHashStringWithHutool64=4742386bfc5110a8
getHexMD5String=05fbb1053d692f9f6730d1a24e577a92
一亿数据，getHexHashStringWithGoogle128一共花费时间：36秒
一亿数据，getHexHashStringWithGoogle32一共花费时间：19秒
一亿数据，getHexHashStringWithHutool64一共花费时间：18秒
一亿数据，getHexMD5String一共花费时间：62秒