【Java】散列

若知道一个数组中元素的索引，可以使用索引在O（1）时间内获得元素。若将map中值存储在数组当中，并使map的键通过一个函数映射到值的索引上的话，就能利用键快速获取值。以上，存储了具有键值对的对象的数组称为散列表，映射函数称为散列函数。散列是一种无需执行搜索即可通过从键得到的索引来获取值的技术。java中，map是一种使用散列实现的数据结构。

典型的散列函数首先将搜索键转换为一个称为散列码的整数值，再将散列码压缩为散列表的索引。

Java的根类Object具有hashcode方法，该方法返回一个散列码，默认是对象的内存地址。当equals方法被重写时，也应该重写hashCode方法，这样可以保证当两个对象equals为true时hashcode也相同。

基本数据类型的散列码：

byte，short，int以及char类型的搜索键，散列码即它们转为int后的值。

对于float类型的搜索键，使用Float.floatToIntBits(key)作为散列码。

对于long类型的搜索键，因为其有64位，所以会分为两部分，各32位并执行异或操作将两部分结合，这个过程称为折叠:

int hashcode = (int)(key^(key>>32));

对于double类型的搜索键，首先使用Double.doubleToLongBits方法转换为long值，再折叠。

字符串的散列码：

这里的为s.charAt(i)，b为某个正数。长字符串可能会导致溢出，但是Java会忽略算术溢出。应该选择合适的b值来最小化冲突，实验显示较好的取值有31，33，37，39，41。String类中采用的是31。

压缩散列码：

键的散列码可能会是一个很大的数值，从而超过散列表的索引范围，因此需将其缩小到适合范围。假设索引0-N-1，则

int index = hashcode % N;

 

对N的取值，一般会选择素数来保证索引均匀展开，但是当散列表很大时，选取一个大于最大索引的素数会很耗时。因此在HashMap中，将N设置为2的整数次幂，这样能够通过&操作把散列码压缩为散列表索引值，如下式，比直接用%（取余）操作快很多。此外，也避免取余操作中，当hashcode为负值导致索引值也为负值的的问题，即下式的值永远为正。

int index = hashcode & (N-1);

Hash冲突

Hash冲突即两个不同的键值映射到同一个索引上。通常有两种方法处理：开放地址法和分离链接法。

1.开放地址法：冲突发生时，在散列表再找一个开放位置的过程。

常见的开放地址法有线性探测法，二次探测法和双重散列法

线性探测法：当发生冲突时，按顺序找到下一个可用位置。若在索引[k%N]发生冲突，则检查[(k+1)%N]是否可用以此类推。若检查到表的终点则返回表的起点继续检查，直到找到一个不冲突的位置。

查找散列表条目时，先按照散列函数获得键相对的索引，再比对索引处的对象的键是否与要查找的键相等，若不是，则按顺序找下一个位置直到找到。删除条目时，和查找一样先找到条目的位置，若找到，则在该位置放一个特殊的标记表示该位置可用。所以散列表中的每个单元可能有三个状态：被占，标记，可用。

缺点：易导致散列表中连续的单元组被占用。每个连续的单元组称为簇，当簇的大小增大时，可能会和其他簇合并，从而放慢查找时间。

二次探测法：若索引[k%N]产生冲突，二次探测法将从[(k+j^2)%N]开始检查，其中j=1，2，3，……。二次探测法避免了成簇问题，但是又二次成簇的问题，即产生冲突的键在寻找下一个可用位置时总是采用通用的探测序列。此外，线性探测法可以保证只要表不是满的，总能找到可用单元，二次探测法无法保证。

双重散列法：以上两种方法的探测序列都是对k加上一个增量来得到的，且增量独立于键。双重探测法运用了第二个散列函数来确定增量。探测序列索引为（k+j*h2（key））%N，这里的h2即第二个散列函数，j取值为0，1，2，3，……从而避免成簇问题。第二个散列函数的设计应该要能使探测序列覆盖整个散列表，且不能有0值，因为增量不能是0。

2.分离链接法：将产生冲突的键值对都放置在相同索引处，并使用“桶”来放置同位置的多个键值对。

“桶”可以采用ArrayList或者LinkedList实现。

装填因子和再散列

装填因子用于衡量一个散列表有多满，若溢出，则要复制原散列表的所有条目到新的更大的散列表中，这个过程称为再散列。

装填因子是现有条目数目与散列表大小的比例。对于开放地址法，需维持装填因子在0.5以下，对于分离链表法，维持在0.9以下。再散列的代价比较大，为了减小再散列的可能性，应该至少将散列表的大小翻倍。

HashMap采用了分离链接法处理冲突，用LinkeList实现桶，且装填因子为0.75。set也是使用散列技术实现的。HashSet是基于HashMap实现的，将元素保存于map的key中，而value使用一个static final的Object对象标识。插入新元素时通过判断HashMap中是否有key与新元素相等，若无则添加，若有则跳过，以此保证不重复性。相关HashSet的操作，基本上都是直接调用底层HashMap的相关方法来完成。