算法题高性能数据查找

[jiangfeng999]

现在我有好几个文本文件，这些文件中一共有几百万条数据。文件中每一行为一条记录，每条记录中都有一个字段作为关键字，可以唯一的标明一条记录。这个关键字由字符('0'-'9','A'-'Z','a'-'z')组成。把这些数据都读入内存中后，要按照这个关键字才查找记录。如何建立索引才使查找在常数时间复杂度内完成。

[jiangfeng999]

今天看了暴雪的hash查找算法，但是有几个地方不是很理解
1.散列值计算

unsigned long HashString(char *lpszFileName, unsigned long dwHashType)
{ 
    unsigned char *key = (unsigned char *)lpszFileName;
    unsigned long seed1 = 0x7FED7FED, seed2 = 0xEEEEEEEE;
    int ch;

    while(*key != 0)
    { 
        ch = toupper(*key++);
        seed1 = cryptTable[(dwHashType << 8) + ch] ^ (seed1 + seed2);
        seed2 = ch + seed1 + seed2 + (seed2 << 5) + 3; 
    }
    return seed1; 
} 

貌似这段代码使用了time33算法，但seed1 = cryptTable[(dwHashType << 8) + ch] ^ (seed1 + seed2);这句话不理解，为什么种子1要这样计算呢？
2.cryptTable：上述代码中使用的cryptTable内部数据构造，为什么要这样构造

void prepareCryptTable()
{ 
    unsigned long seed = 0x00100001, index1 = 0, index2 = 0, i;
    for(index1 = 0; index1 < 0x100; index1++)
    { 
        for(index2 = index1, i = 0; i < 5; i++, index2 += 0x100)
        { 
            unsigned long temp1, temp2;
            seed = (seed * 125 + 3) % 0x2AAAAB;
            temp1 = (seed & 0xFFFF) << 0x10;
            seed = (seed * 125 + 3) % 0x2AAAAB;
            temp2 = (seed & 0xFFFF);
            cryptTable[index2] = (temp1 | temp2); 
        } 
    } 
}

3.冲突的概率是如何计算的

int GetHashTablePos(char *lpszString, MPQHASHTABLE *lpTable, int nTableSize)
{ 
    const int HASH_OFFSET = 0, HASH_A = 1, HASH_B = 2;
    int nHash = HashString(lpszString, HASH_OFFSET), 
        nHashA = HashString(lpszString, HASH_A), 
        nHashB = HashString(lpszString, HASH_B), 
        nHashStart = nHash % nTableSize,
        nHashPos = nHashStart;
    while (lpTable[nHashPos].bExists)
    { 
        if (lpTable[nHashPos].nHashA == nHashA && lpTable[nHashPos].nHashB == nHashB) 
            return nHashPos; 
        else 
            nHashPos = (nHashPos + 1) % nTableSize;

        if (nHashPos == nHashStart) 
            break; 
    }
    return -1; //Error value 
} 

文章中说冲突的概率平均是1:18889465931478580854784，这是如何计算出来的呢

[beyond071]

想在常数下查找 估计要用hash表

[Walf_ghoul]

hash表是个不错的选择

[ganenpingsohucom]

按关键字对纪录建立倒排文件，关键字本身可以用hash编码等手段

[光宇广贞]

连文件名并记录关键字一起散列，可保常数时间内找到记录。

[jiangfeng999]

可以给一个详细一点的hash表检索的方案吗

[beyond071]

如果不涉及移植性的问题 楼主去查阅下非标准的std::hash_map的使用哈

[bowfnfje]

hashMap STL里的