hashCode及HashMap中的hash()函数

一、hashcode是什么

要理解hashcode首先要理解hash表这个概念

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,它通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。这个映射函数叫做散列函数,存放记录的数组叫做散列表。
  • 给定表M,存在函数f(key),对任意给定的关键字值key,代入函数后若能得到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建立一个确定的对应关系f,使每个关键字和结构中一个唯一的存储位置相对应。
  • 具有快速查找和插入操作的优点

2. hashcode

  • hashcode 通过hash函数计算得到,hashcode就是在hash表中有对应的位置
  • 每个对象都有hashcode,通过将对象的物理地址转换为一个整数,将整数通过hash计算就可以得到hashcode

 二、hashcode的作用

    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确定对象的存储地址的

    对于容器类设计 基本上都会涉及到hashCode。在Java中也一样,hashCode方法的主要作用是为了配合基于散列的集合一起正常运行,这样的散列集合包括HashSet、HashMap以及HashTable。

   在对集合进行插入操作时,集合内时是不允许存在重复元素的,这样就引发了一个问题

   如何判别在集合中是否已经存在该对象了?

   首先想到的方法就是调用equals()方法,这个方法确实可行。但是如果集合中已经存在大量的数据或者更多的数据,如果采用equals方法去逐一比较,效率必然是一个问题。    此时hashCode方法的作用就体现出来了,当集合要添加新的对象时,先调用这个对象的hashCode方法,得到对应的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,如果table中没有该hashcode值,它就可以直接存进去,不用再进行任何比较了;如果存在该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,所以这里存在一个冲突解决的问题,这样一来实际调用equals方法的次数就大大降低了。

    这也就解释了为什么equals()相等,则hashCode()必须相等。如果两个对象equals()相等,则它们在哈希表(如HashSet、HashMap等)中只应该出现一次;如果hashCode()不相等,那么它们会被散列到哈希表的不同位置,哈希表中出现了不止一次。

            所以说hashCode方法的存在是为了减少equals方法的调用次数,从而提高程序效率。


 三、 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,都可以被重写(overwrite)

1. equals方法

  • Object类中equals()方法实现如下

  • public boolean equals(Object obj) {
        return (this == obj);
    }
  • 通过该实现可以看出,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()一定返回false。

  • 虽然可以重写equals()方法,但是有一些注意事项;JDK中说明了实现equals()方法应该遵守的约定

    • 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:如果对象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()方法的声明如下:

    public native int hashCode();
  • 可以看出,hashCode()是一个native方法,而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作为哈希码返回,可以保证不同对象的返回值不同。

  • 与equals()方法类似,hashCode()方法可以被重写。JDK中对hashCode()方法的作用,以及实现时的注意事项做了说明:

    • (1)hashCode()在哈希表中起作用,如java.util.HashMap。
    • (2)如果对象在equals()中使用的信息都没有改变,那么hashCode()值始终不变。
    • (3)如果两个对象使用equals()方法判断为相等,则hashCode()方法也应该相等。
    • (4)如果两个对象使用equals()方法判断为不相等,则不要求hashCode()也必须不相等;但是开发人员应该认识到,不相等的对象产生不相同的hashCode可以提高哈希表的性能。
  • 重写hashcode()的原则

    • (1)如果重写了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,如果不成立,则重写hashCode ()方法。
    • (2)hashCode()方法不能太过简单,否则哈希冲突过多。
    • (3)hashCode()方法不能太过复杂,否则计算复杂度过高,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:

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

    2. 选取equals方法中用于比较的所有域(之所以只选择equals()中使用的域,是为了保证上述原则的第1条),然后针对每个域的属性进行计算:

      (1) 如果是boolean值,则计算f ? 1:0
      (2) 如果是bytecharshortint,则计算(int)f
      (3) 如果是long值,则计算(int)(f ^ (f >>> 32))
      (4) 如果是float值,则计算Float.floatToIntBits(f)
      (5) 如果是double值,则计算Double.doubleToLongBits(f),然后返回的结果是long,再用规则(3)去处理long,得到int
      (6) 如果是对象应用,如果equals方法中采取递归调用的比较方式,那么hashCode中同样采取递归调用hashCode的方式。否则需要为这个域计算一个范式,比如当这个域的值为null的时候,那么hashCode 值为0
      (7) 如果是数组,那么需要为每个元素当做单独的域来处理。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。 
    3. 最后,把每个域的散列码合并到对象的哈希码中。


 四、HashMap中的hash()函数

  • HashMap中并没有直接使用KV中K原有的hash值; 在HashMap的put、get操作时也未直接使用K中原有的hash值,而使用了一个hash()方法。让我们一起看一下这个方法

  • static final int hash(Object key) {
        int h;
        return (key == null) ? 0 : (h = key.hashCode()) ^ (h >>> 16);
    }
  • 这段代码类似作用是为了增加hashcode的随机性

  • key.hashCode()的作用是返回键值key所属类型自带的hashcode,返回的类型是int,如果直接拿散列值作为下标访问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,碰撞几率很小,但是映射空间太大,内存放不下,所以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。

  • 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做一个"与"操作

    static int indexFor(int h, int length) { return h & (length-1);}
    • 这也正好解释了为什么HashMap的数组长度要取2的整数幂。因为数组长度-1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.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。h & (length - 1) 和 h % length,它俩是等价不等效的,明显位运算效率非常高。
    •   01111010 00111100 00100101
      & 00000000 00000000 00001111
      ----------------------------------
        00000000 00000000 00000101
        //高位全部归零,只保留末四位 
    • but 只取后四位,即使散列值分布再松散,碰撞几率还是很大。更糟糕的是如果散列函数做的比较差吧,分布上成个等差数列啥的,恰好使最后几个低位呈现规律性重复,就比较蛋疼。

    • 这时候 “hash”函数作用就出来了

      • 右位移16位,正好是32bit的一半,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。
      • 设计者考虑到现在的hashCode分布的已经很不错了,而且当发生较大碰撞时也用树形存储降低了冲突。仅仅异或一下,少了系统的开销,也不会造成因为高位没有参与下标的计算(table长度比较小时),从而引起的碰撞。
      • 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()的情况下,发生了103次碰撞,接近30%。而在使用了hash()之后只有92次碰撞。碰撞减少了将近10%。看来扰hash()函数在将降低碰撞上还是有功效的。
  • hashMap中 MAXIMUM_CAPACITY = 1 << 30;最大为2的30次方(超过这个值就将threshold修改为Integer.MAX_VALUE(此时表的大小已经是2的31次方了),表明不进行扩容了)

     

posted @ 2018-08-05 21:51  AstrophelYang  阅读(12352)  评论(1编辑  收藏  举报