哈希表和HashMap()深入理解

哈希表和hashmap()中关于hash函数理解。

概述

哈希表又称散列表。

基本思路是：把n个关键字为$k_i$(i=1,2,3…n)的元素,根据关键字 $k_i$ 在哈希函数上的映射，存到长度为 m 的连续内存单元中去，这样的线性存储结构为哈希表。

哈希函数hash() ：——以关键字$k_i$为自变量，通过hash()映射到内存单元地址$h(k_i)$,即哈希地址为因变量，取值为（0-m-1)。,在HashMap中$k_i$一般为key对象的hashcode() 。

问题：在映射过程中，可能出现关键字$k_i$不同，但得到的哈希地址相同的情况，这种现象叫做哈希冲突。我们需要尽量减少这种冲突，使得哈希地址尽量不一样，这样线性表才会更加散列，均匀。

核心：哈希函数

1. 直接定址法

哈希函数 为：
      $h(k)=k+c$

适用于：关键字分布连续的情况。较少用。

2. 除留取余法

哈希函数 为：
      $h(k)$ = $k$   $mod$  p$(p<=m)$  m为线性表长度
除留取余法计算简单，较为常用，p取奇数比偶数好，当p取<=m的素数时效果最好。

3.改进1

改进后哈希函数 为：
      $h(k)$ = $k$   & $（m-1）$  m为线性表长度。
原因：1、除法效率低。& 运算比 % 效率高
2、$k$  & $（m-1）$ = $k$   $mod$ p
&运算结果和除留取余法一样的。
前提： m=$2^x$ ,即线性表长度必须为2的整数倍幂
效率更高，绝大多数情况下length一般都小于2^16=65536

为什么必须 是2的整数幂？
因为 $m=2^x$ 时，m-1表示为二进制数才为 x个1。
例如：$2^3-1=7$,转化为二进制为1111，3个1.
      $2^{16}-1=65535$，转化为二进制位1111 1111 1111 1111， 16个1。
这样 $k$   & $（m-1）$ 就总是将k的 低x位 和 x 个 1 进行 与运算。即将k的低16位与线性表长度-1（m-1)进行与运算。这样才能保留低位的1。

4.改进2

为了达到更好的散列效果：原来是将key的低16位与线性表长度-1（m-1)进行与运算。但是一般Map中存放value的线性表长度很小，那么与运算的结果就会很多值是相同的，达不到散列的效果，所以让key值的高16位与key本身进行异或运算这样，得到的结果重复值会较少，散列效果好。所以哈希函数为：
      $h(k)$ = $k$   ^ $（k>>>16）$  

在java 中查看 HashMap()类的源码发现 hash()函数是这样定义的：

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

其中 ^ 异或运算， >>> 是右移位

java中int类型占4个字节，共32位。
7 >>>2 是将7的二进制向右移动两位，左边高位补0。如下：

  0000 0000 0000 0000 0000 0000 0000 0111 
>>>2
  0000 0000 0000 0000 0000 0000 0000 0001

所以h>>>16就是将h向右移动16位，即取h的高16位。
^ 异或运算比 & 和 | 运算效果更好。因为 & | 运算结果会趋于0 或1 。

HashMap之所以能根据get(key)直接拿到value，原因是它内部通过用一个大数组存储所有value，并根据hashcode()函数计算出value应该存储在数组中的索引,这样通过哈希表实现查找。

在Map<key,value>中，一个Entry对象包括：key，value,hash值， 指向下一个Entry对象的引用。两个相同的Key对象（指内容相同即调用equals方法返回true，所以如果key是自定义的类型，必须重写equals方法) 返回的数组索引，即hash值一定是相同的。但两个不同的key对象返回的数组索引应该尽量不同（为什么是尽量？因为会出现不同的key值对应的索引是相同的，这就是冲突。）

遇到冲突怎么办?

这时，就把重复的添加到同一hash值的元素的后面，让 next引用指向它，这样形成一个链表。所以数组索引处可以认为存放的就是一个链表。没有发生冲突的索引处就是只有一个元素的链表。JDK8以后，当链表长度大于8时，就转化为红黑树，这样就大大提高了查找效率。
所以HashMap要想快速查找关键就是让hash值不冲突，这样就不用遍历链表，才能提高效率。