集合框架——hashCode算法實現

目錄

一、hashCode算法實現

二、HashMap中爲什麼數組的長度爲2的冪次方

三、HashMap 在計算bucket位置時，爲什麼使用 & 與運算代替模運算？

四、自定義 HashMap 容量最好是多少？

五、如何解決Hash衝突

---

hashcode事一個int類型的數字，從Object的hashCode（）方法的註釋中可以看出hashcode主要是用於hashMap等類用於尋址的一個參數

一、hashCode算法實現

1、對象默認的hashCode（）方法：對象如果沒有重寫hashCode（）方法，那麼就是繼承Object的hashCode（）方法，這是一個本地（native）方法，返回實例對象的內存地址（註釋中有說明）

//return distinct integers for distinct objects. (This is typically implemented by 
//converting the internal address of the object into an integer
public native int hashCode();

2、String類的hashCode（）方法：String在內存中是以char數組的形式存儲的，hashCode（）方法是對每個char字符運算得到

//private final char value[];
public int hashCode() {
        int h = hash;
        if (h == 0 && value.length > 0) {
            char val[] = value;

            for (int i = 0; i < value.length; i++) {
                h = 31 * h + val[i];
            }
            hash = h;
        }
        return h;
    }

至於爲什麼使用31，在《Effective Java》中給出瞭解釋：

因爲31是一個奇素數。如果乘數是偶數，並且乘法溢出的話，信息就會丟失，因爲與2相乘等價於移位運算（低位補0）。使用素數的好處並不很明顯，但是習慣上使用素數來計算散列結果。 31 有個很好的性能，即用移位和減法來代替乘法，可以得到更好的性能： 31 * i == (i << 5） - i， 現代的 VM 可以自動完成這種優化。

3、HashMap的hashCode（）方法：hashMap的hashCode是對map中所有Entry的hashCode累加的結果

//（AbstractMap類中）
public int hashCode() {
        int h = 0;
        Iterator<Entry<K,V>> i = entrySet().iterator();
        while (i.hasNext())
            h += i.next().hashCode();
        return h;
    }

而Entry的hashCode計算如下： 

//Entry的hashCode（HashMap類中）
public final int hashCode() {
            return Objects.hashCode(key) ^ Objects.hashCode(value);
        }
//Objects類的hashCode
public static int hashCode(Object o) {
        return o != null ? o.hashCode() : 0;
    }
//而Objects的hashCode又調用了object的hashCode，如果沒有重寫，將返回對象的內存地址

 而在map的put和get操作中，是通過hash(Object key)來對Entry進行bucket（桶）的尋址：

static final int hash(Object key) {
        int h;
        return (key == null) ? 0 : (h = key.hashCode()) ^ (h >>> 16);
    }

至於爲什麼要使用高、低16位進行異或操作，註釋中也給出瞭解釋：

因爲我們可以看出，計算bucket的位置的算法是通過與數組長度做與運算的得到的：(length - 1) & hash，而length一般取2的冪次方，因此(length - 1)的二進制就是一個高位爲0，低位爲1的掩模，也就是說高位的信息是沒有得到利用的，爲了充分使用hash的高位信息，就有了高位右移的操作，而高、低位慾火操作時綜合考慮了信息的使用效率和運算效率採取的方法。

二、HashMap中爲什麼數組的長度爲2的冪次方

原因同上，長度16或其他2的冪次方，（Length - 1）可以形成一個高位爲0，低位爲1的掩模，這種情況下，Index的結果等於hashCode的最後幾位。只要輸入的hashCode本身符合均勻分佈，Hash算法的結果就是均勻的。但是如果是10之類的非2的冪次方的數字，經過大量的驗證發現(length - 1) & hash的結果很容易相同，而結果就是大量的node被插入同一個bucket中，導致形成鏈表，map的性能下降。

三、HashMap 在計算bucket位置時，爲什麼使用 & 與運算代替模運算？

HashMap的getValue()方法在計算bucket位置時，使用了(n - 1) & hash]來計算node在tab數組中的位置，這是因爲對於現代的處理器來說，除法和求餘數（模運算）是最慢的動作，而當b是2的指數時，等式a % b == (b-1) & a 成立，因此爲了提高運算效率，使用與運算代替了模運算。

四、自定義 HashMap 容量最好是多少？

如果沒有自定義初始化容量，那麼hashMap的默認初始化容量是16，但是如果我們想要自己設計map的容量呢？

通過源碼就會發現，如果Map中已有數據的容量達到了初始容量的 75%，那麼散列表就會擴容，而擴容將會重新將所有的數據重新散列，性能損失嚴重，所以，我們可以必須要大於我們預計數據量的 1.34 倍，同時容量滿足2的冪次方，也就是說初始容量是預估容量的1.34倍，然後向上找一個2的冪次方。

五、如何解決Hash衝突

解決hash衝突的方法有四個：鏈地址法( 拉鍊法)、開放地址法、再哈希法和建立公共溢出區法

• 鏈地址法：將相同hashCode的元素鏈接在一個鏈表中

HashMap就是數組+鏈表的實現方式，也就是通過“鏈地址法”來解決hash衝突，如果hash衝突太嚴重，則會導致鏈表很長，導致map的性能急劇下降，因此隨後hashMap又使用了數組+鏈表+紅黑樹的實現方式，當鏈表的長度超過8，那麼採用紅黑樹來保存node元素。

優點：
1、對於記錄總數頻繁可變的情況，處理的比較好（也就是避免了動態調整，就是全部再hash的開銷） 
2、由於記錄存儲在鏈表結點中，不會造成內存的浪費，如果記錄本身size很大，指針的開銷可以忽略不計
3、刪除記錄時，比較方便，直接通過指針操作即可

缺點： 
1、存儲的記錄是隨機分佈在內存中的，在查詢記錄時，相比結構緊湊的數據類型（比如數組），哈希表的跳轉訪問會帶來額外的時間開銷 
2、如果記錄數量是已知的，並不會發生變化，可以創建一個不會產生衝突的完美哈希函數，此時封閉散列的性能將遠高於開放散列 
3、由於使用指針，記錄不容易進行序列化（serialize）操作

• 開放地址法：當關鍵字key的哈希地址p=H（key）出現衝突時，以p爲基礎，產生另一個哈希地址p1，如果p1仍然衝突，再以p爲基礎，產生另一個哈希地址p2，…，直到找出一個不衝突的哈希地址pi ，將相應元素存入其中。對應的計算公式爲：

H_i = (H(key)+d_i)%m  或者   H_i = H(key+d_i)%m，i=1，2，…，n，

其中i表示第i次hash計算，H()表示hash方法，d_i表示增量，根據增量的不同產生方式，又可以分爲：

線性探測再散列

d_i=1，2，3，…，m-1

這種方法的特點是：衝突發生時，順序查看錶中下一單元，直到找出一個空單元或查遍全表。

二次探測再散列

d_i=，，，，，，…，，，    ( k<=m/2 )

這種方法的特點是：衝突發生時，在表的左右進行跳躍式探測，比較靈活。

僞隨機探測再散列

具體實現時，應建立一個僞隨機數發生器，，並給定一個隨機數做起點，產生一個僞隨機數序列，如d_i=(i+p) % m。然後利用公式進行再hash。

這裏會奇怪使用開放地址法怎麼查找正確的數據，查找數據時會比較hash值和key本身，二者都相同纔會對其進行操作，如果hash值相同而key值不同，那麼則繼續進行hash計算。

優點： 
1、記錄更容易進行序列化（serialize）操作(沒有指針)
2、如果記錄總數可以預知，可以創建完美哈希函數，此時處理數據的效率是非常高的

缺點： 
1、記錄的數目不能超過桶數組的長度，如果超過就需要擴容，而擴容會導致某次操作的時間成本飆升
2、使用探測序列，有可能由於衝突次數太多導致計算的時間變長，導致哈希表的處理性能降低 
3、由於記錄是存放在桶數組中的，而桶數組必然存在空槽，空槽佔用的空間會導致明顯的內存浪費 
4、刪除記錄比較麻煩。比如需要刪除記錄a，記錄b是在a之後插入桶數組的，但是和記錄a有衝突，是通過探測序列再次跳轉找到的地址，所以如果直接刪除a，a的位置變爲空槽，而空槽是查詢記錄失敗的終止條件，這樣會導致記錄b在a的位置重新插入數據前不可見，所以不能直接刪除a，而是設置刪除標記。這就需要額外的空間和操作

• 再哈希法：同時構造多個不同的哈希函數，當哈希地址發生衝突時，再計算……，直到衝突不再產生。

這種方法不易產生聚集，但增加了計算時間。

• 建立公共溢出區法：將哈希表分爲基本表和溢出表兩部分，凡是和基本表發生衝突的元素，一律填入溢出表。