java hashcode 位数_java - HashMap获取/放置复杂性

在实践中，它是O(1)，但这实际上是一种可怕的，数学上无意义的简化。 O()表示法说明当问题的大小趋于无限时算法的行为。 Hashmap get / put的工作方式类似于有限大小的O(1)算法。 从计算机内存和寻址的角度来看，这个限制相当大，但远非无穷大。

当一个人说hashmap get / put是O(1)时，它应该说get / put所需的时间或多或少是恒定的，并且不依赖于hashmap中的元素数量到目前为止hashmap可以 在实际的计算系统上呈现。 如果问题超出了那个大小并且我们需要更大的哈希映射，那么一段时间之后，当我们用完可能可描述的不同元素时，当然描述一个元素的位数也会增加。 例如，如果我们使用散列映射存储32位数字，稍后我们增加问题大小，以便我们在散列映射中有超过2 ^ 32位元素，那么将使用超过32位来描述各个元素。

描述各个元素所需的位数是log(N)，其中N是元素的最大数量，因此get和put实际上是O(log N)。

如果将它与树集(即O(log n))进行比较，则哈希集为O(long(max(n))，我们只是觉得这是O(1)，因为在某个实现中max(n) 是固定的，不会改变(我们以比特为单位测量的对象的大小)，并且计算哈希码的算法很快。

最后，如果在任何数据结构中找到一个元素是O(1)，我们就会凭空创造信息。 具有n个元素的数据结构I可以以n个不同的方式选择一个元素。 有了它，我可以编码log(n)位信息。 如果我可以将其编码为零位(即O(1)的意思)，那么我创建了一个无限压缩的ZIP算法。