Hash原理与HashMap

1.背景

对于数据集合我们可以使用数组，链表等结构来存储。

数组在内存中是一段连续的存储空间，所以当进行删除或者插入操作时，需要对影响到的数据重新前移或者后移，性能较低；

而链表内存空间不连续，但是在执行查询操作时，需要逐一遍历结点，性能较低；

在大多数情况下，对于数据集合的操作包含了数据存储(put)与数据访问(get)，所以需要一种新的结构来提高数据集合存储和访问的效率。

2.Hash的原理

在查找数据时，我们依据的往往是一个数据对象中的某一个属性，如查找张三的成绩，这就有了两个属性值，name与score，对应在Hash中就是Key-Value，通过key “张三”，查找其Value“成绩”。

与数组类似，Hash在构造时也是要先申请一块连续的空间。

存储时，将key通过函数hash(key)得到一个hashcode，然后将hashcode映射到Hash表对应的空间索引；这样在访问时，通过key可以直接找到value。

一个很简单的例子，

姓名 成绩

张三 80

李四 90

需求：查找张三，李四的成绩

首先可以确定以姓名作为key，然后函数hash()我们可以设计为姓氏的笔画数，即

hash("张") = 7

hash("李") = 6

所以在存储<"张三",80>,<"李四",90>时，通过hash()，分别将两组数据存储在Hash构造时申请的空间索引7，6的位置。

在访问时，查找张三的成绩，通过hash("张三")得到hashcode为7，然后可以直接访问，无需一一比对。

3.冲突处理

当数据量较大时，我们不可能通过设计一种hash()算法实现，通过key得到的hashcode是唯一的，所以会出现key不同，但是hashcode相同的情况，这就产生了冲突

解决冲突，一般有两种解决方法

1.开放地址法，冲突发生时，按照一定的序列去寻找开放的地址，也就是没有冲突的位置，以此作为存储位置。

2.拉链法，冲突发生时，在冲突的位置，构造一个链表用来存储数据，如下图所示

3.负载因子

Load factor,负载因子=存入hash表中的元素个数/hash表的长度，一般负载因子会有一个标准，当超过这个标准时，会重新分配空间

有这样一个规律，当负载因子较大时，也就是元素个数较多，发生冲突的可能性较大，性能就会降低

当负载因子较小小时，也就是元素的个数较少，发生冲突的可能性较小，性能会提高，但是会带来内存的增加。

下图是是一个负载因子与时间和空间的关系图：

参照：http://www.blogjava.net/dongbule/archive/2011/02/15/344387.html

3.HashMap

Java中存储数据集合的类结构如下所示： 

Collection<--List<--Vector 
Collection<--List<--ArrayList 
Collection<--List<--LinkedList 
Collection<--Set<--HashSet 
Collection<--Set<--HashSet<--LinkedHashSet 
Collection<--Set<--SortedSet<--TreeSet 
Map<--SortedMap<--TreeMap 
Map<--HashMap 

详情参照：

http://skyuck.iteye.com/blog/526358

我们看一下HashMap的实现

在HashMap中将Key-Value封装成了Entry类，在Entry类中还包含了一个Entry的指针(引用)，当冲突发生时用来指向新加入的元素。Entry是利用HashMap存储的基本单位。

内存申请：一般申请的内存长度为2的n次方，大于存储元素的个数

Hash值：利用h(key.hashCode())计算出要插入元素的哈希值，其中key.hashCode()是key的hash码，每个对象在生成时，系统根据对象的地址以及其他的参数生成的唯一的一个hashCode(). h(int h)很据

Index：对于生成的hash值，需要尽可能均匀的分布到申请的连续内存中，一般来说我们是利用h%length取模运算来分配，但是“摸”运算事实上消耗还是很大的，HashMap利用了h & (length-1)来获取index，我们会发现因为我们申请的length是2的n次方，然后减一之后，变成了“00000001111...”然后与h做与运算，结果和h%length是一样的，但是运算的消耗却少了很多。

存储：利用了拉链法，当冲突发生时，在当前位置上构造链表，将新加入的元素插入表头。

访问：利用key获取hashCode，然后用hash函数得到hash值，在获取index值，在index处，对比key，直至找到正确的value。

扩容:HashMap默认的负载因子是0.75，当超过这个值时，HashMap就会扩容，一般是扩展为现有长度的2倍，然后重新计算每个元素的位置。

参照：http://beyond99.blog.51cto.com/1469451/429789

http://www.tudou.com/programs/view/Dc_ccF1i8M0/