从Hash到散列表到HashMap

2019年3月2日 254次阅读 来源: 算法小白

Hash

Hash 哈希、散列，通常我们讲的都是hash函数，是将任意长度的数据映射到有限长度的域上，作为这段数据的特征(指纹)。

什么是哈希算法，比较常见的有MDx系列(MD5等)、SHA-xxx系列(SHA-256等)，对于哈希算法，一般需要满足两点：

  • 抗碰撞能力：对于任意两个不同的数据块，其hash值相同的可能性极小；对于一个给定的数据块，找到和它hash值相同的数据块极为困难。
  • 抗篡改能力：对于一个数据块，哪怕只改动其一个比特位，其hash值的改动也会非常大。

最直接，则对应于jdk中的hashCode()函数，以String.hashCode()为例

public int hashCode() {
    int h = hash; // default 0
    if (h == 0 && value.length > 0) {
        char val[] = value;

        for (int i = 0; i < value.length; i++) {
            h = 31 * h + val[i];
        }
        hash = h;
    }
    return h;
}

很简洁的一个乘加迭代运算，将字符串映射成为一个int值

Hash Table

Hash Table 散列表(也叫哈希表)，是根据键值(Key value)而直接进行访问的数据结构。也就是说，它通过把键值映射到表中一个位置来访问记录，以加快查找的速度。这个映射函数便是hash函数，存放数据的数组则是散列表。

散列函数

hash的作用便是将键值映射为散列表的一个具体位置，即散列表数组的下标。散列表的长度是固定的，如散列表长度为10，则其下标只能为 0, 1, 2, … , 8, 9 ，而一般常见hash函数并不能将任意的键值均映射到0~9之间。

为了到达此效果，有很多构造散列值的算法，如除留余数法、平方取中法、折叠法、随机数法、数学分析法等。我们以最常见的除留余数法，就是把键值通过一个固定的算法函数既所谓的hash函数转换成一个整型数字，然后将该数字对散列表长度进行取余，取余结果就当作散列表的下标(散列值)。

还以上为例，散列表长度为10，则计算散列值的hash函数可以设计为

static int hash(String s, int len) {
    return (s.hashCode() & 0x7fffffff) % len;
}

依次计算ManerFan Maner-Fan Maner·Fan对应的散列值

System.out.println(hash("ManerFan", 10)); // out 2
System.out.println(hash("Maner-Fan", 10)); // out 1
System.out.println(hash("Maner·Fan", 10)); // out 9

总的来讲，要为键值实现一个优秀的散列方法需要满足三个条件：

  • 一致性：等价的键必然产生相等的散列值
  • 高效性：计算简便
  • 均匀性：均匀的散列所有的键

碰撞处理

对于有限长度的散列表，hash碰撞在所难免(不同键值通过hash计算出来的散列值相同)
解决碰撞的方法有很多种，如线性探测发、拉链法等等，这里介绍一下拉链法

一种直接的办法是，将散列表的每个元素指向一条链表，链表的每个节点都存储了散列值为该元素的索引的键值对，这样，发生冲突的元素都被存储在一条链表中。

盗一张百科的图
《从Hash到散列表到HashMap》

左侧数组为散列表，散列表每个元素都对应一条链表。数组寻址容易、修改困难，链表寻址困难、修改简单，这样便以较好的性能解决了散列表的查询、插入与删除动作。

HashMap

关于HashMap的源码已经有很多博文讲解的非常详尽，这里不再对源码做过多的解析
推荐一篇文章 Java7/8 中的 HashMap 和 ConcurrentHashMap 全解析 (以下插图均来自此文章)

HashMap的实现便是散列表，只是在其基础上做了一些扩容等方面的优化

《从Hash到散列表到HashMap》

容量（2的整数次幂）

HashMap的默认初始容量为2^4(=16)，即使创建时指定初始容量，HashMap内部也会计算一个不小于指定容量的、最接近的且为2的整数次幂的一个值作为初始容量

static final int tableSizeFor(int cap) {
    int n = cap - 1;
    n |= n >>> 1;
    n |= n >>> 2;
    n |= n >>> 4;
    n |= n >>> 8;
    n |= n >>> 16;
    return (n < 0) ? 1 : (n >= MAXIMUM_CAPACITY) ? MAXIMUM_CAPACITY : n + 1;
}

为什么必须是2的整数次幂？
以上在介绍散列表时，提出了使用除留余数法来计算某值对应的散列表下标。但直接取余操作效率不高，HashMap采用了位与运算 (length - 1) & hash，但这跟2的整数次幂又有什么关系？

优先应该明确，2的整数次幂减1所对应的二进制表示，是一串连续的1，比如16-1为1111，8-1为0111，等等。任何数字与(2^n - 1)相与，其值只能在[0, 2^n – 1]之间，且是连续的，这正好满足散列表求下标的条件。

为什么说以上计算结果是连续的，比如使用14 – 1，其二进制表示为1101，任何数字与1101相与，其值只能在[0, 13]之间，且不包含2、3、6、7、10、11，这样极大地浪费了散列表的节点空间。

节点结构（链表 | 红黑树）

以上在介绍碰撞处理时，提出了拉链法，即将发生冲突的元素存储在一条链表中。

我们知道，链表具有存储、修改速度快等优点，但检索速度较慢。如果存在大量key，且在其进行(length - 1) & hash(key)后的值均相同，将其全部放入HashMap中，则HashMap将会退化成一条链表，此时如果进行大量查询操作，则有可能占用大部分CPU时间而造成拒绝服务攻击。

红黑树（平衡二叉树）平衡了存储、修改及查询的复杂度。java8中，当散列表某一entry上的节点数量大于8时，会将该entry的结构从链表升级为红黑树，反之如果某一entry上的节点数量降到6以下时，会将该entry的结构从红黑树恢复为链表。

《从Hash到散列表到HashMap》

扩容

以上，已经介绍了HashMap的容量capacity，其总是为2的整数次幂。
如果HashMap的容量大小总是保持不变，则随着存放在HashMap中的key-value越来越多，每个entry下的节点数量则会越来越大，不论对于链表还是红黑树，不论对于修改还是查询，效率都将成为一个问题。

这里引入另外两个参数：
loadFactor：负载因子，默认为 0.75。
threshold：扩容的阈值，等于 capacity * loadFactor

当HashMap存储的节点数量大于阈值threshold时会进行扩容操作，将当前enties数量扩容到当前的两倍 capacity*2
负载因子loadFactor的作用在于，HashMap并不会等到节点数量到达总容量capacity之后再进行扩容，而是在“快要达到”总容量时便进行扩容

关于更多HashMap的细节，可以阅读jdk源码或者各种技术博客

    原文作者：算法小白
    原文地址: https://segmentfault.com/a/1190000013995712
    本文转自网络文章，转载此文章仅为分享知识，如有侵权，请联系博主进行删除。
点赞