hashmap

最新推荐文章于 2020-06-22 00:00:25 发布

yzl_8877

最新推荐文章于 2020-06-22 00:00:25 发布

阅读量310

点赞数

分类专栏： java常见的数据结构详解

java常见的数据结构详解专栏收录该内容

1 篇文章 0 订阅

订阅专栏

1. Object对象的hashcode()

对象的hashcode值是如何得来的，这个问题想必会困扰很多人。这里贴出一篇文章：http://blog.csdn.net/bluetjs/article/details/52610414，http://blog.csdn.net/cor_twi/article/details/46554641

2. JDK 源码中 HashMap 的 hash 方法原理是什么？

JDK 的 HashMap 中使用了一个 hash 方法来做 bit shifting，在注释中说明是为了防止一些实现比较差的hashCode() 方法，那原理是什么呢？jdk1.8之前的实现：

/**

* Applies asupplemental hash function to a given hashCode, which

* defends againstpoor quality hash functions. This iscritical

* because HashMapuses power-of-two length hash tables, that

* otherwiseencounter collisions for hashCodes that do not differ

* in lower bits.Note: Null keys always map to hash 0, thus index 0.

static int hash(int h) {

// This functionensures that hashCodes that differ only by

// constantmultiples at each bit position have a bounded

// number ofcollisions (approximately 8 at default load factor).

//多次右移并且做异或运算，目的是使对象的hashcode各个二进制位充分混淆，增加低位的随机性，使高二进制位影响hash结果，减少碰撞

h ^= (h >>>20) ^ (h >>> 12);

return h ^ (h>>> 7) ^ (h>>> 4);

}

在jdk8中这个方法已经做了优化：只做一次16位右位移异或混合，而不是四次，但原理是不变的。源代码：

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

大家都知道上面代码里的key.hashCode()函数调用的是key键值类型自带的哈希函数，返回int型散列值。

理论上散列值是一个int型，如果直接拿散列值作为下标访问HashMap主数组(即存放链表头节点的数组)的话，考虑到2进制32位带符号的int表值范围从-2147483648到2147483648。前后加起来大概40亿的映射空间。只要哈希函数映射得比较均匀松散，一般应用是很难出现碰撞的。但问题是一个40亿长度的数组，内存是放不下的。你想，HashMap扩容之前的数组初始大小才16。所以这个散列值是不能直接拿来用的。用之前还要先做对数组的长度取模运算，得到的余数才能用来访问数组下标。源码中模运算是在这个indexFor( )函数里完成的。
bucketIndex = indexFor(hash, table.length);
indexFor的代码也很简单，就是把散列值和数组长度做一个"与"操作，
static int indexFor(int h, int length) {

//HashMap的容量是 size = 2^n，这个方便在取模计算桶的时候可以直接用与运算，length-1刚好使低位为1。h%length的结果与 h & (length‐1)是一样的
return h & (length‐1);
}
顺便说一下，这也正好解释了为什么HashMap的数组长度要取2的整次幂。因为这样（数组长度1）正好相当于一个“低位掩码”。“与”操作的结果就是散列值的高位全部归零，只保留低位值，用来做数组下标访问。以初始长度16为例，16-1=15。2进制表示是00000000 00000000 00001111。和某散列值做“与”操作如下，结果就是截取了最低的四位值。
10100101 11000100 00100101
& 00000000 00000000 00001111
‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐
00000000 00000000 00000101 //高位全部归零，只保留末四位
但这时候问题就来了，这样就算我的散列值分布再松散，要是只取最后几位的话，碰撞也会很严重(因为散列值的高位做与运算后，全部为0)。更要命的是如果散列本身做得不好，分布上成等差数列的漏洞，恰好使最后几个低位呈现规律性重复，就无比蛋疼。这样做hash后，会导致大量的重复。

这时候“扰动函数”的价值就体现出来了，说到这里大家应该猜出来了。看下面这个图：

右位移16位，正好是32bit的一半，自己的高半区和低半区做异或，就是为了混合原始哈希码的高位和低位，以此来加大低位的随机性。而且混合后的低位掺杂了高位的部分特征，这样高位的信息也被变相保留下来。
最后我们来看一下Peter Lawley的一篇专栏文章《An introduction to optimising a hashingstrategy》里的的一个实验：他随机选取了352个字符串，在他们散列值完全没有冲突的前提下，对它们做低位掩码，取数组下标。

结果显示，当HashMap数组长度为512的时候，也就是用掩码取低9位的时候，在没有扰动函数的情况下，发生了103次碰撞，接近30%。而在使用了扰动函数之后只有92次碰撞。碰撞减少了将近10%。看来扰动函数确实还是有功效的。但明显Java 8觉得扰动做一次就够了，做4次的话，多了可能边际效用也不大，所谓为了效率考虑就改成一次了。

3. hashmap的实现原理

(1) hashmap解决的问题

数组：数组存储区间是连续的，占用内存大，空间复杂度大。但数组的二分查找时间复杂度小，为O(1)；数组的特点是：寻址容易，插入和删除困难；

链表：链表存储区间离散，占用内存比较宽松，故空间复杂度很小，但时间复杂度很大，达O（N）。链表的特点是：寻址困难，插入和删除容易。

哈希表：哈希表（(Hash table）综合了两者的优点，同时避免了两者的缺点。既满足了数据的查找方便，同时不占用太多的内容空间，使用也十分方便。

(2) 数据结构

hashmap存储数据主要是通过数组+链表实现的，通过将key的hashcode映射到数组的不同元素（桶，hash中的叫法），然后冲突的元素放入链表中。如图：