CMPH 的全稱是 ç最小完美哈希庫 ，是一個很著名的用 C 寫成的最小完美哈希庫，什麼是完美哈希？
完美哈希
這裡我們不講原理，你只需要知道傳統的哈希有衝突，我們需要靠各種算法來處理衝突就可以了，對於哈希，總是需要一個表，這個表裡預留了很多位置，然後計算出來的值就是這些位置的坐標，你可以把對應的數據放到坐標裡。
但這時候有一個問題，如果這個預先的表不夠大，或者說你的算法不夠好，就會發生所謂的聚集，某一片區域值總是衝突，而某一片區域的值則是空的，所以，你的表長度總是要大於 key 的數量來容納這些空餘。
但如果你的算法足夠牛逼，那麼你就能做到讓表的長度n最少能夠等於key的數量！
當這種情況達成，那麼我們就稱這個哈希函數為最小完美哈希函數。
CMPH
那麼這種東西真的存在嗎？當然。CMPH 就是一個，當然想要使用 CMPH 還是有一點前提的，比如你的 key 得是不重複的，key 的數量得是固定的靜態的。
比如說我的隱馬爾可夫模型中的轉移矩陣，就滿足這麼一個需求。
不過，cmph 是用 C 語言實現的，我們需要把 C 橋接到 Swift 中。
橋接
和橋接 oc 差不多， 你把下載好的cmph目錄中的 src 目錄裡的源文件都拖到 Swift 項目中即可（記得選擇拷貝而不是引用），如果是第一次拖入其他語言的內容，Xcode 會自動提示你創建橋接文件，然後你的項目中會有一個叫做 XXX-橋接-頭.H 的文件，其中的xxx就是你的項目名字。
在裡邊寫 #include "cmph.h" 就好了，這樣你就把 cmph 的函數暴露給了 Swift。
整理項目
直接導入的 cmph 源代碼不能直接在 Swift 項目裡使用，如果你空項目編譯，會遇到“多個 main 函數”的錯誤，去 cmph 源文件中，刪除 主要.C bm_numbers.C bm_bumbers.H 現在再編譯試試，如果還報錯，那麼就刪除那個包含 main 函數的源碼即可，我們只用函數。
編譯
cmph 其實是庫和工具套裝——這也是為什麼源碼裡包含了 main 函數，我們進入下載的 cmph 目錄裡，執行如下命令進行編譯：
|
1 2 3 |
./configure make make install |
這下你就可以在終端執行命令 CMPH 了：
|
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39 40 41 42 43 44 45 46 47 48 |
$cmph -h usage: cmph [-v] [-h] [-V] [-k nkeys] [-f hash_function] [-g [-c algorithm_dependent_value][-s seed] ] [-a algorithm] [-M memory_in_MB] [-b algorithm_dependent_value] [-t keys_per_bin] [-d tmp_dir] [-m file.mph] keysfile Minimum perfect hashing tool -h print this help message -c c value determines: * the number of vertices in the graph for the algorithms BMZ and CHM * the number of bits per key required in the FCH algorithm * the load factor in the CHD_PH algorithm -a algorithm - valid values are * bmz * bmz8 * chm * brz * fch * bdz * bdz_ph * chd_ph * chd -f hash function (may be used multiple times) - valid values are * jenkins -V print version number and exit -v increase verbosity (may be used multiple times) -k number of keys -g generation mode -s random seed -m minimum perfect hash function file -M main memory availability (in MB) used in BRZ algorithm -d temporary directory used in BRZ algorithm -b the meaning of this parameter depends on the algorithm selected in the -a option: * For BRZ it is used to make the maximal number of keys in a bucket lower than 256. In this case its value should be an integer in the range [64,175]. Default is 128. * For BDZ it is used to determine the size of some precomputed rank information and its value should be an integer in the range [3,10]. Default is 7. The larger is this value, the more compact are the resulting functions and the slower are them at evaluation time. * For CHD and CHD_PH it is used to set the average number of keys per bucket and its value should be an integer in the range [1,32]. Default is 4. The larger is this value, the slower is the construction of the functions. This parameter has no effect for other algorithms. -t set the number of keys per bin for a t-perfect hashing function. A t-perfect hash function allows at most t collisions in a given bin. This parameter applies only to the CHD and CHD_PH algorithms. Its value should be an integer in the range [1,128]. Defaul is 1 keysfile line separated file with keys |
創建哈希表
使用工具創建哈希表而不是代碼，因為它需要key是靜態的，所以要事先準備key的文本列表，要求是純文本文檔，一行一個 key 即可，最大千萬也妥妥的。
編碼是utf8
根據命令提示，我們直接在目錄裡執行 CMPH -g 按鍵.TXT 即可，如果你想要指定算法（具體的算法種類和特性可以見官網）比如我的數據庫肯定是用在外存的，就用專門對外存做優化的 快 算法，那麼命令就變成了這樣 CMPH -g -一個 快 按鍵.TXT 。
執行完畢後會在當前目錄下生成 按鍵.TXT.英里 ，為了方便，我把它改為 按鍵.英里 。
驗證
要看到對應的結果，我們可以再來一個文本文件，格式與 key 的列表的格式相同，裡邊寫入你想要查詢的 key，比如我命名為 keysq.TXT ，這時候我們用 debug 模式輸出查詢結果：
|
1 2 3 4 5 6 7 |
$cmph -v -m keys.mph keysq.txt 3237395114 -> 1025405 3237405114 -> 1287414 3237467114 -> 1613673 3237531114 -> 681367 3237926114 -> 1894601 3248668114 -> 221574 |
獲得結果
現在，我們可以用同樣的方法把所有的 key 查一遍，就能得到每一個 key 對應的坐標了！
|
1 |
cmph -v -m keys.mph keys.txt > result.txt |
獲得了結果，我們就可以根據位置來生成一個對應的文件，我用自己的編碼方式編譯了一個之際的二進制數據庫，但位置根據 CMPH 的坐標來對應，這樣數據和位置就可以做到一一對應了，查詢的速度是o(1).
在 Swift 中查詢
現在，我們可以把生成的 mph 文件導入 Swift 項目備用了——當然還有對應次序的數據庫文件以便查找。
在 Swift 中使用 C 的函數，還是挺有難度的。
首先你要有一個類型為不可表達指針類型的變量來存哈希表對象：
|
1 |
fileprivate var hashTable:OpaquePointer |
在初始化器裡，我們來用 c 函數加載哈希表：
|
1 2 |
guard let indexData = fopen(indexPath, "r")else { return nil } hashTable = cmph_load(indexData) |
這樣哈希表就加載成功了。
假定我們要查的值是一個 UInt32的 的數字編碼，那麼我們需要先把它轉為 cmph 函數所接受的 燒焦* 指標，那麼可以藉助 的NSString 來實現：
雖然 Swift 開發者文檔中說 Swift 的 String 自動映射了 NSString 的方法，但顯然，它並沒有。
|
1 2 3 |
let c = "\(code)" //转为字符串备用 let key = (c as NSString).utf8String //利用 NSString 转为 char* 的 UnsafePointer<Int8>指针 let id = cmph_search(self.hashTable, key , cmph_uint32(c.utf8.count)) //传参查询 |
這樣id變量就是一個Int類型的坐標了，返回值的類型 Swift 編譯器自動幫你映射了。
總結
cmph 的原理很複雜，但這並不影響我們使用它。值得一提的是，它使用 LGPL 授權，也就是說你可以自由地使用它。
使用 Swift 可以完美地橋接 C 語言，但由於 Swift 本身並不鼓勵開發者這麼做導致一堆“unsafe”看著有種驚心動魄的感覺。
本文由 落格博客 原創撰寫：落格博客 » 在 Swift 中使用 cmph
轉載請保留出處和原文鏈接：https://www.logcg.com/archives/2350.html
