5

我有数十亿个格式为 word0.word1.word2 的字符串,我希望对这些字符串进行取模,以便将每个字符串提供给数据库编写器进行存储。我知道我可以对字符串的第一个字符执行模 10 的形式,如下所示:

for i in ["a.b","c.d"]: 
    print ord(i[0]) % 10

但是,这不会平均划分我的字符串,因为 word0、word1 和 word2 按字母顺序排序,并且字符串的第一个字符通常是“a”。我可以取字符串的最后一个字母,但不确定它们是否正常分布。

我的问题:有没有一种快速的方法可以在整个字符串上执行类似“ord”的操作?我最终计划在字符串的整数表示上运行模 48,并希望该模输出均匀分布在所有 48 个内核上。对于其他人可以提供的任何帮助,我将不胜感激。

4

1 回答 1

3
s = "whatever"  # have a string
h = hash(s)     # obtain its hash
bin = h % 48    # find the bin

更新:Python 的内置hash函数仅为单个进程提供确定性值。如果您想将此信息(直接或间接)保存在数据库中,则必须使用不包含任何随机数据的显式哈希函数。(归功于@Alik)

于 2015-07-20T12:12:59.907 回答