hashCode及HashMap中的hash()函数

时间 2019-11-08

标签 hashcode hashmap hash 函数繁體版

原文原文链接

1、hashcode是什么

要理解hashcode首先要理解hash表这个概念java

1. 哈希表

hash表也称散列表（Hash table），是根据关键码值(Key value)而直接进行访问的数据结构。也就是说，它经过把关键码值映射到表中一个位置来访问记录，以加快查找的速度。这个映射函数叫作散列函数，存放记录的数组叫作散列表。
给定表M，存在函数f(key)，对任意给定的关键字值key，代入函数后若能获得包含该关键字的记录在表中的地址，则称表M为哈希(Hash）表，函数f(key)为哈希(Hash) 函数。
简单理解就是：在记录的存储位置和它的关键字之间创建一个肯定的对应关系f，使每一个关键字和结构中一个惟一的存储位置相对应。
具备快速查找和插入操做的优势

2. hashcode

hashcode 经过hash函数计算获得，hashcode就是在hash表中有对应的位置
每一个对象都有hashcode，经过将对象的物理地址转换为一个整数，将整数经过hash计算就能够获得hashcode

2、hashcode的做用

HashCode的存在主要是为了查找的快捷性，HashCode是用来在散列存储结构中肯定对象的存储地址的算法

对于容器类设计基本上都会涉及到hashCode。在Java中也同样，hashCode方法的主要做用是为了配合基于散列的集合一块儿正常运行，这样的散列集合包括HashSet、HashMap以及HashTable。数组

在对集合进行插入操做时，集合内时是不容许存在重复元素的，这样就引起了一个问题数据结构

如何判别在集合中是否已经存在该对象了？函数

首先想到的方法就是调用equals()方法，这个方法确实可行。可是若是集合中已经存在大量的数据或者更多的数据，若是采用equals方法去逐一比较，效率必然是一个问题。此时hashCode方法的做用就体现出来了，当集合要添加新的对象时，先调用这个对象的hashCode方法，获得对应的hashcode值，实际上在HashMap的具体实现中会一个表保存已经存进去的对象的hashcode值，若是table中没有该hashcode值，它就能够直接存进去，不用再进行任何比较了；若是存在该hashcode值，就调用它的equals方法与新元素进行比较，相同的话就不存了，不相同就散列其它的地址，因此这里存在一个冲突解决的问题，这样一来实际调用equals方法的次数就大大下降了。性能

这也就解释了为何equals()相等，则hashCode()必须相等。若是两个对象equals()相等，则它们在哈希表(如HashSet、HashMap等)中只应该出现一次；若是hashCode()不相等，那么它们会被散列到哈希表的不一样位置，哈希表中出现了不止一次。this

因此说hashCode方法的存在是为了减小equals方法的调用次数，从而提升程序效率。spa

3、 hashCode()和equals()

Java的基类Object中的 equals()方法用于判断两个对象是否相等，hashCode()方法用于计算对象的哈希码。equals()和hashCode()都不是final方法，均可以被重写(overwrite)设计

1. equals方法

Object类中equals()方法实现以下code

public boolean equals(Object obj) { return (this == obj); }

经过该实现能够看出，Object类的实现采用了区分度最高的算法，即只要两个对象不是同一个对象，那么equals()必定返回false。
虽然能够重写equals()方法，可是有一些注意事项；JDK中说明了实现equals()方法应该遵照的约定
- 自反性：x.equals(x)必须返回true。
- 对称性：x.equals(y)与y.equals(x)的返回值必须相等。
- 传递性：x.equals(y)为true，y.equals(z)也为true，那么x.equals(z)必须为true。
- 一致性：若是对象x和y在equals()中使用的信息都没有改变，那么x.equals(y)值始终不变。
- 非null：x不是null，y为null，则x.equals(y)必须为false。

2. hashCode 方法

Object类中hashCode()方法的声明以下：
```
public native int hashCode();
```
能够看出，hashCode()是一个native方法，并且返回值类型是整形；实际上，该native方法将对象在内存中的地址做为哈希码返回，能够保证不一样对象的返回值不一样。
与equals()方法相似，hashCode()方法能够被重写。JDK中对hashCode()方法的做用，以及实现时的注意事项作了说明：
- （1）hashCode()在哈希表中起做用，如java.util.HashMap。
- （2）若是对象在equals()中使用的信息都没有改变，那么hashCode()值始终不变。
- （3）若是两个对象使用equals()方法判断为相等，则hashCode()方法也应该相等。
- （4）若是两个对象使用equals()方法判断为不相等，则不要求hashCode()也必须不相等；可是开发人员应该认识到，不相等的对象产生不相同的hashCode能够提升哈希表的性能。

重写hashcode()的原则
- （1）若是重写了equals()方法，检查条件“两个对象使用equals()方法判断为相等，则hashCode()方法也应该相等”是否成立，若是不成立，则重写hashCode ()方法。
- （2）hashCode()方法不能太过简单，不然哈希冲突过多。
- （3）hashCode()方法不能太过复杂，不然计算复杂度太高，影响性能

hashCode()重写方法

《Effective Java》中提出了一种简单通用的hashCode算法：

初始化一个整形变量，为此变量赋予一个非零的常数值，好比int result = 17;

选取equals方法中用于比较的全部域（之因此只选择equals()中使用的域，是为了保证上述原则的第1条），而后针对每一个域的属性进行计算：

(1) 若是是boolean值，则计算f ? 1:0
(2) 若是是bytecharshortint,则计算(int)f
(3) 若是是long值，则计算(int)(f ^ (f >>> 32))
(4) 若是是float值，则计算Float.floatToIntBits(f)
(5) 若是是double值，则计算Double.doubleToLongBits(f)，而后返回的结果是long,再用规则(3)去处理long,获得int
(6) 若是是对象应用，若是equals方法中采起递归调用的比较方式，那么hashCode中一样采起递归调用hashCode的方式。不然须要为这个域计算一个范式，好比当这个域的值为null的时候，那么hashCode 值为0
(7) 若是是数组，那么须要为每一个元素当作单独的域来处理。java.util.Arrays.hashCode方法包含了8种基本类型数组和引用数组的hashCode计算，算法同上。

最后，把每一个域的散列码合并到对象的哈希码中。

4、HashMap中的hash()函数

HashMap中并无直接使用KV中K原有的hash值; 在HashMap的put、get操做时也未直接使用K中原有的hash值，而使用了一个hash()方法。让咱们一块儿看一下这个方法

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

这段代码相似做用是为了增长hashcode的随机性
key.hashCode()的做用是返回键值key所属类型自带的hashcode，返回的类型是int，若是直接拿散列值做为下标访问HashMap的主数组的话，考虑到int类型值的范围[-2^31 , 2^31 -1]，虽然只要hash表映射比较松散的话，碰撞概率很小，可是映射空间太大，内存放不下，因此先作对数组的长度取模运算，获得的余数才能用来访问数组下标。
hashMap源码中模运算是在这个indexFor( )函数里完成的把散列值和数组长度-1作一个"与"操做
```
static int indexFor(int h, int length) { return h & (length-1);}
```
- 这也正好解释了为何HashMap的数组长度要取2的整数幂。由于数组长度-1至关于一个“低位掩码”。“与”操做的结果就是散列值的高位所有归零，只保留低位值.以初始长度16为例，16-1=15。2进制表示是00000000 00000000 00001111。和某散列值作“与”操做以下，结果就是截取了最低的四位值。h & (length - 1) 和 h % length，它俩是等价不等效的，明显位运算效率很是高。
- ```
  01111010 00111100 00100101
& 00000000 00000000 00001111
----------------------------------
  00000000 00000000 00000101
  //高位所有归零，只保留末四位 
```
- but 只取后四位，即便散列值分布再松散，碰撞概率仍是很大。更糟糕的是若是散列函数作的比较差吧，分布上成个等差数列啥的，刚好使最后几个低位呈现规律性重复，就比较蛋疼。
- 这时候 “hash”函数做用就出来了
  - 右位移16位，正好是32bit的一半，高半区和低半区作异或，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。并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。
  - 设计者考虑到如今的hashCode分布的已经很不错了，并且当发生较大碰撞时也用树形存储下降了冲突。仅仅异或一下，少了系统的开销，也不会形成由于高位没有参与下标的计算(table长度比较小时)，从而引发的碰撞。
  - 根据研究结果显示，当HashMap数组长度为512的时候，也就是用掩码取低9位的时候，在没有使用hash()的状况下，发生了103次碰撞，接近30%。而在使用了hash()以后只有92次碰撞。碰撞减小了将近10%。看来扰hash()函数在将下降碰撞上仍是有功效的。
hashMap中 MAXIMUM_CAPACITY = 1 << 30;最大为2的30次方（超过这个值就将threshold修改成Integer.MAX_VALUE（此时表的大小已是2的31次方了），代表不进行扩容了）