从Dictionary源码看哈希表

1、基本概念

哈希:哈希是一种查找算法,在关键字和元素的存储地址之间创建一个肯定的对应关系,每一个关键字对应惟一的存储地址,这些存储地址构成了有限、连续的存储地址。php

哈希函数:在关键字和元素的存储地址之间创建肯定的对应关系的函数。git

哈希表是一种利用哈希函数组织数据,支持快速插入和搜索的数据结构。github

哈希函数步骤:

  • 1.散列:将关键字映射到hashcode(.Net中为一个int类型的值),要求尽量的平均分布,减小冲突

  • 2.映射:将及其分散的hashcode转换为有序、连续的存储地址

哈希冲突的缘由:

  • 1.将关键字散列为特定长度的整数值时,产生冲突

  • 2.在除留余数法中,取余数时产生冲突。

1.构造哈希函数的要点:
1.1.运算过程简单高效,以提升哈希表的查找、插入效率
1.2.具备较好的散列性,以下降哈希冲突的几率
1.3.哈希函数应具备较大的压缩性,以节省内存

2.哈希函数构造方法:
2.1.直接定址法:
>>>>取关键字的某个线性函数值做为哈希地址: Hash(K)=α*GetHashCode(K)+C
    优势:产生冲突的可能性较小 缺点:空间复杂度可能会很高,占用大量内存
2.2.除留余数法:
>>>>取关键字除以某个常数所得的余数做为哈希地址: Hash(K)=GetHashCode(K) MOD C。
    该方法计算简单,适用范围普遍,是最常用的一种哈希函数。该方法的关键是常数的选取,通常要求是接近或等于哈希表自己的长度,理论研究代表,该常数取素数时效果最好
    
3.解决哈希冲突的方法:
3.1.开放定址法:它是一类以发生哈希冲突的哈希地址为自变量,经过某种哈希函数获得一个新的空闲内存单元地址的方法,开放定址法的哈希冲突函数一般是一组;
3.2.链表法:当未发生冲突时,则直接存放该数据元素;当冲突产生时,把产生冲突的数据元素另外存放在单链表中。

以上参考:

https://zhuanlan.zhihu.com/p/63142005https://www.lmlphp.com/user/7277/article/item/355045/http://www.nowamagic.net/academy/detail/3008050算法

2、从 Dictionary<TKey, TValue> 源码解读哈希表的构建

哈希表的关键思想:经过哈希函数将关键字映射到存储桶。存储桶是一个抽象概念,用于保存相同具备哈希地址的元素。编程

数组在全部编程语言中都是最基本的数据结构,实例化数组的时候,会在内存中分配一段连续的地址空间,用于保存同一类型的变量。对于哈希表来说,数组就是实际存储元素的数据结构,数组索引就是其实际的存储地址,而哈希函数的功能就是将n个关键字惟一对应到到数组索引 0~m-1(m>=n)。为了兼顾性能,哈希函数是很难避免哈希冲突的,也就是说,没有办法直接将哈希地址做为元素的实际地址。数组

假设如下状况:数据结构

  • 1.声明数组长度为13,现有8个元素须要插入到哈希表中,该8个元素对应的数组索引为[0]~[7] (实际存储地址)
  • 2.经过哈希函数,能够将8个关键字映射到哈希地址(范围:0~20)

因为哈希冲突不可避免,如何经过哈希地址找到对应的实际存储地址?答案是经过数组在元素间构建单向链表来做为存储桶,将具备相同哈希地址的元素在保存在同一个存储桶(链表)中,并建立一个新的数组,数组长度为'哈希地址范围长度',该数组使用哈希地址做为索引,并保存链表的第一个节点的实际存储地址。下图展现了Dictionary<TKey, TValue> 中的实现。
image多线程

了解了大概的原理以后,有两个问题须要解决:

1.如何经过数组构建单项链表:

自定义一个结构:其包含关键字、元素和next。Entry.next将具备相同哈希地址的元素构建为一个单向链表,Entry.next用于指向单向链表中的下一个元素所在的数组索引。经过哈希地址找到对应链表的第一个元素所在数组索引后,就能够找到整个单向链表,经过遍历链表对比关键字是否相等,来找到元素。app

public class Dictionary<TKey, TValue>
    {
        private struct Entry
        {
            // 链表下一元素索引
            // -1:链表结束
            // -2:freeList链表结束
            // -3:索引为0 属于freeList链表
            // -4:索引为1 属于freeList链表
            // -n-3:索引为n 属于freeList链表
            public int next;

            public uint hashCode;
            public TKey key;           // Key of entry
            public TValue value;         // Value of entry
        }
        private IEqualityComparer<TKey> _comparer;

        //保存Entry链表第一个节点的索引,默认为零 
        //Entry实际索引=_buckets[哈希地址]-1
        private int[] _buckets;

        private Entry[] _entries;//组成了n+1个单向链表
        //n:用于保存哈希值相同的元素
        //1:用于保存已释放的元素

        private int _freeCount;//已释放元素的个数
        private int _freeList;//最新已释放元素的索引

        private int _count;//数组中下一个将被使用的空位

        private int _version;//增长删除容量变化时,_version++

        private const int StartOfFreeList = -3;
    }

2.如何将具备不少可能的关键字映射到有限的的哈希地址:

该问题分为两个步骤:dom

  • 1.散列函数:将全部可能的关键字映射到一个有限的整数值,因为可能性很是很是多,为了减小冲突,因此该整数值范围也比较大,在.net中是一个int类型的整数值,通常称为GetHashCode()方法
  • 2.int 值的范围为-2147483648 ~ 2147483647,为了节省空间,不可能使用这么大的数组去保存单向链表头部元素的实际索引,因此须要压缩数组大小。

如何解决:

  • 1.使用直接定址法: 哈希地址 = (GetHashCode(Ki)*0.000000001 +21) 取整 虽然在系数取很小的状况下,达到了压缩的效果,可是哈希冲突很是高,没法实现高效的查询。若是系数取大,空间复杂度又会特别高。
  • 2.使用除留余数法: 哈希地址 = GetHashCode(Ki) MOD C 实际证实该方法的哈希冲突更少在C为素数的状况下效果更好

Dictionary<TKey, TValue>内部使用数组Entry[]来保存关键字和元素,使用 private int[] _buckets来保存单向链表头部元素所在的数组索引。上面提到,由于哈希冲突是不可避免的,对于有n个哈希地址的哈希表来讲,Dictionary<TKey, TValue>一共构建了n+1个单向链表。另外单独的一个链表,用于保存已经释放的数组空位。

增长元素逻辑:

  • 1.使用_count来做为数组的空位指针,_count值永远指向数组中下一个将被使用的空位
  • 2.使用_freeList 来保存释放链表的头部元素所在数组(_entries[])索引
  • 3.若是释放链表为空的状况下,保存元素到_entries[_count],不然保存到_entries[_freeList]
  • 4.根据关键字获取哈希地址,若是_buckets[哈希地址] 中的值不为-1,则将刚保存元素的next 置为_buckets[哈希地址]值(将元素加到单向链表的头部)。
  • 5.更新_buckets[哈希地址] 的值为_freeList或者_count
public bool TryInsert(TKey key, TValue value)
    {
        if (key == null)
        {
            throw new ArgumentNullException("TKey不能为null");
        }

        if (_buckets == null)
        {
            Initialize(0);
        }
        Entry[] entries = _entries;

        IEqualityComparer<TKey> comparer = _comparer;
        uint hashCode = (uint)comparer.GetHashCode(key);

        int collisionCount = 0;//哈希碰撞次数
        ref int bucket = ref _buckets[hashCode % (uint)_buckets.Length];//元素所在的实际地址
        // Entry链表最新索引
        // -1:链表结束
        // >=0:有下一节点
        int i = bucket - 1; 

        //统计哈希碰撞次数
        do
        {
            if ((uint)i >= (uint)entries.Length)
            {
                break;
            }
            if (entries[i].hashCode == hashCode && comparer.Equals(entries[i].key, key))
            {
                entries[i].value = value;
                _version++;
                return true;
            }

            i = entries[i].next;
            if (collisionCount >= entries.Length)
            {
                throw new InvalidOperationException("不支持多线程操做");
            }
            collisionCount++;
        } while (true);

        bool updateFreeList = false;
        int index;
        //若是FreeList链表中长度大于0
        //优先使用FreeList
        if (_freeCount > 0)
        {
            index = _freeList;
            updateFreeList = true;
            _freeCount--;
        }
        else
        {
            int count = _count;
            //超出数组大小
            if (count == entries.Length)
            {
                //将数组长度扩展为大于原长度两倍的最小素数
                var forceNewHashCodes = false;
                var newSize = HashHelpers.ExpandPrime(_count);
                Resize(newSize, forceNewHashCodes);
                bucket = ref _buckets[hashCode % (uint)_buckets.Length];
            }
            index = count;
            _count = count + 1;
            entries = _entries;
        }

        ref Entry entry = ref entries[index];

        if (updateFreeList)
        {
            _freeList = StartOfFreeList - entries[_freeList].next;
        }
        entry.hashCode = hashCode;
        // Value in _buckets is 1-based
        entry.next = bucket - 1;
        entry.key = key;
        entry.value = value;
        // Value in _buckets is 1-based
        bucket = index + 1;
        _version++;

        // 若是不采用随机字符串哈希,并达到碰撞次数时,切换为默认比较器(采用随机字符串哈希)
        if (default(TKey) == null && collisionCount > HashHelpers.HashCollisionThreshold && comparer is NonRandomizedStringEqualityComparer) // TODO-NULLABLE: default(T) == null warning (https://github.com/dotnet/roslyn/issues/34757)
        {
            _comparer = null;
            Resize(entries.Length, true);
        }

        return true;
    }

删除元素逻辑:

  • 1.根据关键字获取哈希地址,链表头部元素索引=_buckets[哈希地址]
  • 2.遍历链表,找到对应关键字的元素。
  • 3.将元素赋为默认值,并加入到释放链表的头部。
  • 4.构建上一个节点与下一个节点之间的指向关系 lastEle.next = nextEle.index
/// .NetCore3.0 Remove执行以后_version没有自增
    public bool Remove(TKey key)
    {
        int[] buckets = _buckets;
        Entry[] entries = _entries;
        int collisionCount = 0;
        if (buckets != null)
        {
            uint hashCode = (uint)(_comparer?.GetHashCode(key) ?? key.GetHashCode());
            uint bucket = hashCode % (uint)buckets.Length;
            int last = -1;//记录上一个节点,在删除中间节点时,将先后节点创建关联
            int i = buckets[bucket] - 1;
            while (i >= 0)
            {
                ref Entry entry = ref entries[i];
    
                if (entry.hashCode == hashCode && _comparer.Equals(entry.key, key))
                {
                    if (last < 0)
                    {
                        //删除的节点为首节点,保存最新索引
                        buckets[bucket] = entry.next + 1;
                    }
                    else
                    {
                        //删除节点不是首个节点,创建先后关系
                        entries[last].next = entry.next;
                    }
    
                    // 将删除节点加入FreeList头部
                    entry.next = StartOfFreeList - _freeList;
                    // 置为默认值
                    if (RuntimeHelpers.IsReferenceOrContainsReferences<TKey>())
                    {
                        entry.key = default;
                    }
                    if (RuntimeHelpers.IsReferenceOrContainsReferences<TValue>())
                    {
                        entry.value = default;
                    }
                    // 保存FreeList头部索引
                    _freeList = i;
                    _freeCount++;
                    return true;
                }
                // 当前节点不是目标节点
                last = i;
                i = entry.next;
                if (collisionCount >= entries.Length)
                {
                    // The chain of entries forms a loop; which means a concurrent update has happened.
                    // Break out of the loop and throw, rather than looping forever.
                    // ThrowHelper.ThrowInvalidOperationException_ConcurrentOperationsNotSupported();
                    throw new InvalidOperationException("不支持多线程操做");
                }
                collisionCount++;
            }
        }
        return false;
    }

3、GitHub源码地址

4、String.GetHashCode()方法

不采用随机字符串的方法:源码地址

对于某一个肯定的字符串,返回肯定的hashcode,缺点:容易被哈希洪水攻击。

// Use this if and only if 'Denial of Service' attacks are not a concern (i.e. never used for free-form user input),
        // or are otherwise mitigated
        internal unsafe int GetNonRandomizedHashCode()
        {
            fixed (char* src = &_firstChar)
            {
                Debug.Assert(src[this.Length] == '\0', "src[this.Length] == '\\0'"\\0'");
                Debug.Assert(((int)src) % 4 == 0, "Managed string should start at 4 bytes boundary");
 
                uint hash1 = (5381 << 16) + 5381;
                uint hash2 = hash1;
 
                uint* ptr = (uint*)src;
                int length = this.Length;
 
                while (length > 2)
                {
                    length -= 4;
                    // Where length is 4n-1 (e.g. 3,7,11,15,19) this additionally consumes the null terminator
                    hash1 = (BitOperations.RotateLeft(hash1, 5) + hash1) ^ ptr[0];
                    hash2 = (BitOperations.RotateLeft(hash2, 5) + hash2) ^ ptr[1];
                    ptr += 2;
                }
 
                if (length > 0)
                {
                    // Where length is 4n-3 (e.g. 1,5,9,13,17) this additionally consumes the null terminator
                    hash2 = (BitOperations.RotateLeft(hash2, 5) + hash2) ^ ptr[0];
                }
 
                return (int)(hash1 + (hash2 * 1566083941));
            }
        }

采用随机字符串的方法: 源码地址

特色:

  • 1.两个字符串相等,返回相同的哈希值
  • 2.不一样的字符串能够返回相同的哈希值
  • 3.基于不一样的.Net实现、.Net平台、.Net版本、应用程序域,同一个字符串可能返回不一样的哈希值
  • 4.哈希值决不能在建立它们的应用程序域的外部使用
public override int GetHashCode()
    {
        ulong seed = Marvin.DefaultSeed;

        // Multiplication below will not overflow since going from positive Int32 to UInt32.
        return Marvin.ComputeHash32(ref Unsafe.As<char, byte>(ref _firstChar), (uint)_stringLength * 2 /* in bytes, not chars */, (uint)seed, (uint)(seed >> 32));
    }

好文推荐:

相关文章
相关标签/搜索