Os requisitos principais de um hashCode
são:
Se A == B
, então hashCode(A) == hashCode(B)
;
(A recíproca não é verdadeira: dois objetos podem ter o mesmo hashCode
e entretanto serem diferentes. Isso é chamado de colisão, e na prática costuma ser inevitável.)
Os hashes devem ser distribuídos de forma homogênea para todos os objetos do domínio (para diminuir a chance de colisão);
Ele deve ser rápido de computar, caso contrário o ganho de performance em se usar uma tabela hash é negado pelo custo de se computar os hashes.
Para assegurar a eficiência, em geral é necessário se criar um hashCode
específico para cada situação (o seu código de exemplo corresponde a um bom hash para strings em geral - desde que não muito longas). Inclusive, quando se usa um critério específico de igualdade, é importante que o hashCode
utilizado seja coerente com esse critério (ver requisito 1 acima).
Na ausência de mais especificidade, alguns métodos para se calcular o hashCode
seriam (em ordem crescente de homogeneidade, mas decrescente de performance):
// constante (rápido, mas inútil)
function hashCode1(obj) { return 0; }
// conta o número de propriedades
function hashCode2(obj) {
var contagem = 0;
for ( var p in obj )
contagem++;
return contagem;
}
// leva somente as chaves das propriedades em consideração
function hashCode3(obj) {
var hash = 0;
for ( var p in obj )
hash += hashString(p);
return hash;
}
// leva as chaves e os valores em consideração
function hashCode4(obj, profundidade) {
if ( !profundidade) profundidade= 0;
var hash = 0;
for ( var p in obj )
hash += hashString(p) +
(profundidade> 0 ? hashCode4(obj[p], profundidade-1) : 0);
return hash;
}
E por aí vai... Quando mais "fundo" se for no objeto, menor a chance de ocorrerem colisões (i.e. objetos diferentes com o mesmo hash), mas maior o tempo de cálculo do hash (i.e. menor a performance). Cabe a você determinar para seu conjunto de dados em particular qual é o melhor equilíbrio entre precisão e rapidez de cálculo que assegure que o algoritmo utilizador do hash tenha a melhor performance.
(Nota: o hashCode4
foi simplificado - na prática, a chamada recursiva precisaria verificar também o tipo do objeto para chamar o método mais apropriado de hash para aquele tipo)
Atualização: em um comentário na sua resposta à pergunta relacionada eu afirmei que fazer um hash a partir do JSON de um objeto era "terrivelmente ineficiente". Gostaria de esclarecer essa afirmação, com base na análise acima:
Na prática, raramente é possível utilizar um hash com 100% de precisão (i.e. que leve em consideração a estrutura completa do objeto em sua composição) e ainda atingir uma performance aceitável ao colocar esse hash em prática. Se os objetos forem muito grandes - seja por ter muitas propriedades, aninhadas ou não, seja por conterem um grande volume de dados - a performance "global" vai ser ruim, independentemente do método escolhido.
O que torna "serializar um objeto em JSON e fazer o hash da string" ineficiente não é a serialização, e sim o fato de você estar almejando 100% de precisão. E se isso for mesmo necessário, fique com sua implementação, pois ela de fato (como seus testes mostraram) é mais eficiente que meus métodos 3 e 4 acima.
Vou deixar apenas mais um exemplo, caso ainda não tenha sido claro. Como você faria para colocar as seguintes strings numa tabela hash:
"123blábláblábláblá...10Mb depois...bláblá"
"345blábláblábláblá...10Mb depois...bláblá"
"678blábláblábláblá...10Mb depois...bláblá"
- Usando o conteúdo completo da string no hash?
- Usando só os primeiros 256 bytes e ignorando o resto?
(e, se suas opções fossem usar o conteúdo completo, ou não usar hash nenhum e em vez disso usar um dicionário/mapeamento baseado em árvore, qual você escolheria?)