下面分别分析下，JDK1.7 与 JDK1.8 中 hash方法的运算过程，并且左后结合JDK1.8 中 hash方法来进行详细说明。
JDK1.7 中HashMap 中hash table 定位算法：
int hash = hash(key.hashCode());
int i = indexFor(hash, table.length);
其中indexFor和hash源码如下：
/**
* Applies a supplemental hash function to a given hashCode, which
* defends against poor quality hash functions. This is critical
* because HashMap uses power-of-two length hash tables, that
* otherwise encounter collisions for hashCodes that do not differ
* in lower bits. Note: Null keys always map to hash 0, thus index 0.
*/
static int hash(int h) {
// This function ensures that hashCodes that differ only by
// constant multiples at each bit position have a bounded
// number of collisions (approximately 8 at default load factor).
h ^= (h >>> 20) ^ (h >>> 12);
return h ^ (h >>> 7) ^ (h >>> 4);
}
/**
* Returns index for hash code h.
*/
static int indexFor(int h, int length) {
return h & (length-1);
} |
indexFor这个方法论坛中已有人分析过，这里就不再分析。
现在分析一下hash算法：
Java代码
h ^= (h >>> 20) ^ (h >>> 12);
return h ^ (h >>> 7) ^ (h >>> 4);
假设key.hashCode()的值为：0x7FFFFFFF，table.length为默认值16。
上面算法执行如下：
得到i=15
其中h^(h>>>7)^(h>>>4) 结果中的位运行标识是把h>>>7 换成 h>>>8来看。
即最后h^(h>>>8)^(h>>>4) 运算后hashCode值每位数值如下：
8=8
7=7^8
6=6^7^8
5=5^8^7^6
4=4^7^6^5^8
3=3^8^6^5^8^4^7
2=2^7^5^4^7^3^8^6
1=1^6^4^3^8^6^2^7^5
结果中的1、2、3三位出现重复位^运算
3=3^8^6^5^8^4^7 -> 3^6^5^4^7
2=2^7^5^4^7^3^8^6 -> 2^5^4^3^8^6
1=1^6^4^3^8^6^2^7^5 -> 1^4^3^8^2^7^5
算法中是采用(h>>>7)而不是(h>>>8)的算法，应该是考虑1、2、3三位出现重复位^运算的情况。使得最低位上原hashCode的8位都参与了^运算，所以在table.length为默认值16的情况下面，hashCode任意位的变化基本都能反应到最终hash table 定位算法中，这种情况下只有原hashCode第3位高1位变化不会反应到结果中，即：0x7FFFF7FF的i=15。
----------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------
JDK1.8中hash方法已经得到了简化
static final int hash(Object key) {
int h;
return (key == null) ? 0 : (h = key.hashCode()) ^ (h >>> 16);
} |
并且针对HashMap中的hash算法，大家看的一脸懵逼。这段代码叫“扰动函数”。
我们知道，HashMap通过 (length - 1) & hash 的方式获取table数组的下标，并且table的长度必须为2 ^ n，因为这样前面的公式就相当于取模。
如果我们对key的hash不进行扰动，“与”操作的结果就是hashcode的高位全部归0，只保留低位的值用来做数组下标访问。以初始长度16为例，16 - 1 = 15。2进制表示是00000000 00000000 00001111。和某散列值做“与”操作如下，结果就是借去了最低位的四位。
10100101 11000100 00100101
& 00000000 00000000 00001111
---------------------------------------------
00000000 00000000 00000101 // 高位全部归0，只保留末四位
但这个时候问题就来了，这样就算我的hashcode散列值再怎么松散，要是只取最后几位的话，碰撞也会很严重。更要命的是如果散列本身做的不好，分布上成等差数列的漏洞，恰好使最后几个低位呈现规律性重复，就无比蛋疼。
这时候扰动函数的价值就体现出来了，我们根据图来分析JDK1.8 的hash方法如何扰动的
右移16位，正好是32bit的一半，自己的高半区和低半区作异或，就是混合原始哈希吗的高位和低位，以此来加大低位的随机性。而混合后的低位can泽勒高位的部分特征，这样高位的信息也被表象保留下来。
最后我们来看一下Peter Lawley的一片专栏文章《An introduction to optimising a hashing strategy》里的一个实验：他随机选取了352个字符串，在他们散列值完全没有冲突的前提下，对他们做低位掩码，取数组下标。
结果显示，当HashMap数组长度为512的时候，也就是用掩码取低九位的时候，在没有扰动函数的情况下，发生了103次碰撞，接近30%。而在使用了扰动函数后只有92次碰撞。碰撞减少了10%。看来扰动函数确实有功效的。
但明显Java8 觉得扰动做一次就够了，做4次的话，多了可能边际效用也不大，所谓为了效率就改成了一次。
那为什么必须要用 ^ 做扰动呢？
因为异或运算，实现均衡分配得到1或者0的概率都是1/2，而&（与）运算得到0的概率较大为75%，| (或)运算得到1的概率较大为75%。下面举例:
对于0/1的运算组合无非就是下面四种，我们分别做异或、与、或运算
0 | 1 | 1 | 0
^ 1 | 0 | 1 | 0
---------------------------
1 1 0 0
0 | 1 | 1 | 0
& 1 | 0 | 1 | 0
---------------------------
0 0 1 0
0 | 1 | 1 | 0
| 1 | 0 | 1 | 0
---------------------------
1 1 1 0
我们可以看到，对于不同情况下的运算，只有异或运算表现出结果均匀，这也是为什么扰动运算要用异或的原因了