首先简单复习一下哈希表知识(大学课本定义)。
根据设定的哈希函数f(key)和处理冲突的方法将一组关键字映像到一个有限的连续地址集(区间)上,并以关键字在地址集中的“像”作为记录在表中的存储位置,这种表便称为哈希表。
哈希函数f(key)是一个映像,使得任何关键字由此所得到的哈希函数值都落在表允许范围之内。
对不同的关键字可能得到同一哈希地址,即key!=key2,但是f(key1)=f(key2),这种现象称为冲突。一般情况下,冲突只能减少,而不能完全避免。
还不清楚?请百科普及一下吧。
通过上面的复习,我们知道,决定一个哈希表的性能主要是哈希表的键值的冲突概率。如果哈希后的冲突很低,性能就高,相反,性能则低。使用一个好的哈希算法,可以降低哈希冲突的概率,提高命中率。
但是,如果被哈希的Key本身就是重复的,那么哈希算法再好,也无法避免哈希值的冲突。
我们都知道,在Java中,HashMap一般是使用对象的hashcode作为哈希的Key的。那么使用String作为HashMap的Key,好不好呢?或者,你在不知情的情况一下,已经干过很多次了。
String的hashCode方法。
Java代码 收藏代码
public int hashCode() {
int h = hash;
int len = count;
if (h == 0 && len > 0) {
int off = offset;
char val[] = value;
for (int i = 0; i < len; i++) {
h = 31*h + val[off++];
}
hash = h;
}
return h;
}
核心的代码就一行。就是
Java代码 收藏代码
h = 31*h + val[off++];
他的意思就是一个字符串的hashcode,就是逐个按照字符的utf-16的编码值求和。
我个人觉得,像这样的计算hashcode的话,各个字符串很容易重复(虽然我数学不好)。比如:"C9"和“Aw”
的hashcode都是2134。这样的长度为2位的字符串,我用程序统计了一下,重复的概率大概是0.6665928。
当字符长度为3个字符时,重复的概率成上升趋势,达到0.8911293,4位时为0.9739272。当然,5位长度的概率我不知道,因为我的机器上跑不出来结果。
测试代码见附1。
这么高的重复率,如果你使用它作为hashcode的话,势必会造成很大的哈希冲突,从而降低哈希表最初的设计初衷,性能降低。
但是,那String设计的时候,为啥这样设计hashcode呢?我经过测试,当字符串仅为数字时,多长的字符串,hashcode都不会重复。这是为什么呢?
从他计算的公式的31的系数看,应该是31为一个跨度,即只要字符串中的字符串的跨度在31个之内,hash值就不会重复,经过测试,确实如此。也就是说,如果你使用纯英文大写或纯英文小写字母拼接起来的字符串,其hashcode一般不会重复的。不知道这个31最初是怎么算出来的,但是,毋庸置疑,我们可以通过重新String的hashcode方法,将31改为128,那么冲突就会大大降低。
看看可能会作为Key的情况。
1、MD5,一般是字母加数字,字符跨度为75.
2、oracle的sys_guid()产生的逐渐,字符跨度为43.
3、java的UUID,跨度为75.
4、其他唯一主键情况。
建议,如果你的对象主键是上述类型,则尽量少的使用HashMap作为进行运算的工具类。
因此,当你打算使用String作为HashMap的Key时,我建议两点:
1、如果你不知道你的Key的可能的取值范围是否超过31,并且不知数量是多大时,尽量不要使用。
2、如果你对性能要求很高,请尽量不要将字符串作为主键。
附1:计算字符串重复概率的代码
Java代码 收藏代码
import java.util.HashMap;
/**
* 测试字符串的hashcode重复几率
* @author donlianli@126.com
*/
public class StringHashCode {
static HashMap<Integer,Object> map = new HashMap<Integer,Object>();
/**
* 第一个可见字符
*/
private static char startChar = ' ';
/**
* 最后一个可见字符
*/
private static char endChar = '~';
private static int offset = endChar - startChar + 1;
/**
* 重复次数
*/
private static int dupCount = 0;
public static void main(String[] args) {
for(int len=1;len<5;len++){
char[] chars = new char[len];
tryBit(chars, len);
int total=(int)Math.pow(offset, len);
System.out.println(len+":"+total + ":" + dupCount+":"+map.size()+":"+(float)dupCount/total);
}
}
private static void tryBit(char[] chars, int i) {
for (char j = startChar; j <= endChar; j++) {
chars[i - 1] = j;
if (i > 1)
tryBit(chars, i - 1);
else
test(chars);
}
}
private static void test(char[] chars) {
Integer key = new String(chars).hashCode();
if (map.containsKey(key)) {
dupCount++;
} else {
map.put(key, null);
}
}
}
附2:计算字符串为长度为2的重复hashcode的代码
Java代码 收藏代码
import java.util.HashMap;
/**
* 测试字符串的hashcode重复几率
* @author donlianli@126.com
* 求长度为2的hashcode重复的字符串
*/
public class PrintStringHashCode {
static HashMap<Integer,Object> map = new HashMap<Integer,Object>();
/**
* 第一个可见字符
*/
private static char startChar = ' ';
/**
* 最后一个可见字符
*/
private static char endChar = 'z';
private static int offset = endChar - startChar + 1;
/**
* 重复次数
*/
private static int dupCount = 0;
public static void main(String[] args) {
int len =2;
char[] chars = new char[len];
tryBit(chars, len);
int total=(int)Math.pow(offset, len);
System.out.println(len+":"+total + ":" + dupCount+":"+map.size()+":"+(float)dupCount/total);
}
private static void tryBit(char[] chars, int i) {
for (char j = startChar; j <= endChar; j++) {
chars[i - 1] = j;
if (i > 1)
tryBit(chars, i - 1);
else
test(chars);
}
}
private static void test(char[] chars) {
String s = new String(chars);
Integer key = s.hashCode();
if (map.containsKey(key)) {
dupCount++;
System.out.println(map.get(key)+" same :"+s+" hashcode:"+key);
} else {
map.put(key, s);
}
}
}
转载于:https://my.oschina.net/JiangTun/blog/895174