布谷鸟哈希最早于2001 年由Rasmus Pagh 和Flemming Friche Rodler 提出。该哈希方法是为了解决哈希冲突的问题而提出，利用较少计算换取了较大空间。名称源于该哈希方法行为类似于布谷鸟在别的鸟巢中下蛋，并将别的鸟蛋挤出的行为。它具有占用空间小、查询迅速等特性，可用于Bloom filter 和内存管理。

算法描述

算法使用hashA 和hashB 计算对应key 的位置。

当两个哈希任意位置为空，则选择一个位置插入

让两个哈希有位置为空时，则插入到空位置

当两个哈希位置均不为空时，随机选择两者之一的位置上keyx 踢出，计算踢出的keyx 另一个哈希值对应的位置进行插入，转至2执行(即当再次插入位置为空时插入，仍旧不为空时，踢出这个keyy)

图例

1. 插入key1 两个位置均为空,则插入任意位置.

2. 插入后

3. 插入key2 两个位置有一个位置为空,则插入空的位置中

4. 插入后效果

5. 新插入keyi 发现对应两个位置均被占据

6. 随机选择一个位置提出所在位置的key(key1)，将踢出的key 放置在另一个哈希结果对应的位置上

7. 如果踢出的key(key1)又占据/踢出了其他key(keyj)的位置，则反复执行上面的过程直到结束

其他

Cockoo hash 有两种变形。一种通过增加哈希函数进一步提高空间利用率；另一种是增加哈希表，每个哈希函数对应一个哈希表，每次选择多个张表中空余位置进行放置。三个哈希表可以达到80% 的空间利用率。

Cockoo hash 的过程可能因为反复踢出无限循环下去，这时候就需要进行一次循环踢出的限制，超过限制则认为需要添加新的哈希函数。

在SOSP 11 的SLIT 文章中有使用Cockoo hash。

增加哈希表过程如下：

当新插入一个key hashA 在上面哈希表位置和hashB 在下面哈希表的位置分别被key1 和keyx 占据，任选一个key 提出(这里选择key1)。

计算key1 hashB 的值然后插入到下面的hashB 对应的哈希表中。

PS

文中图使用graphviz 绘制，图例第七张图片生成文件如下：

1: digraph G {

2: "node0" [

3: label = "null | null | keyi | null | null | key1 | key2 | ......"

4: shape = "record"

5: ];

6:

7: "node2"[

8: label="key1"

9: ];

10:

11: "node3"[

12: label="key2"

13: ];

14:

15: "node1"[

16: label="keyi"

17: ];

18:

19: "node1"->"node0":f2[color="red",shape="record",label="hashA"];

20: "node1"->;"node0":f6[color="red",shape="record",label="hashB"];

21:

22: "node0":f2->;"node2";

23: "node0":f5->;"node2"[style="dotted"];

24:

25: "node0":f2->;"node3"[style="dotted"];

26: "node0":f6->;"node3";

27:

28: "node0":f5:s->;"node0":f7:s[color="blue",shape="record",label="keyj"];

29: }

在GVEdit 在使用的时候，F5 是生成图片，并在对应的目下生成了响应的图形文件，相关设置在Graph setting 里面，第一次用的时候总是找不到export image 的方法，总导出不了对应图片。