java HashMap hash方法分析
下面分別分析下,JDK1.7 與 JDK1.8 中 hash方法的運算過程,並且左後結合JDK1.8 中 hash方法來進行詳細說明。
JDK1.7 中HashMap 中hash table 定位演算法:
int hash = hash(key.hashCode());
int i = indexFor(hash, table.length);
其中indexFor和hash原始碼如下:
/** * Applies a supplemental hash function to a given hashCode, which * defends against poor quality hash functions. This is critical * because HashMap uses power-of-two length hash tables, that * otherwise encounter 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 function ensures that hashCodes that differ only by // constant multiples at each bit position have a bounded // number of collisions (approximately 8 at default load factor). h ^= (h >>> 20) ^ (h >>> 12); return h ^ (h >>> 7) ^ (h >>> 4); } /** * Returns index for hash code h. */ static int indexFor(int h, int length) { return h & (length-1); } |
indexFor這個方法論壇中已有人分析過,這裡就不再分析。
現在分析一下hash演算法:
Java程式碼
h ^= (h >>> 20) ^ (h >>> 12);
return h ^ (h >>> 7) ^ (h >>> 4);
假設key.hashCode()的值為:0x7FFFFFFF,table.length為預設值16。
上面演算法執行如下:
得到i=15
其中h^(h>>>7)^(h>>>4) 結果中的位執行標識是把h>>>7 換成 h>>>8來看。
即最後h^(h>>>8)^(h>>>4) 運算後hashCode值每位數值如下:
8=8
7=7^8
6=6^7^8
5=5^8^7^6
4=4^7^6^5^8
3=3^8^6^5^8^4^7
2=2^7^5^4^7^3^8^6
1=1^6^4^3^8^6^2^7^5
結果中的1、2、3三位出現重複位^運算
3=3^8^6^5^8^4^7 -> 3^6^5^4^7
2=2^7^5^4^7^3^8^6 -> 2^5^4^3^8^6
1=1^6^4^3^8^6^2^7^5 -> 1^4^3^8^2^7^5
演算法中是採用(h>>>7)而不是(h>>>8)的演算法,應該是考慮1、2、3三位出現重複位^運算的情況。使得最低位上原hashCode的8位都參與了^運算,所以在table.length為預設值16的情況下面,hashCode任意位的變化基本都能反應到最終hash table 定位演算法中,這種情況下只有原hashCode第3位高1位變化不會反應到結果中,即:0x7FFFF7FF的i=15。
----------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------
JDK1.8中hash方法已經得到了簡化
static final int hash(Object key) { int h; return (key == null) ? 0 : (h = key.hashCode()) ^ (h >>> 16); } |
並且針對HashMap中的hash演算法,大家看的一臉懵逼。這段程式碼叫“擾動函式”。
我們知道,HashMap通過 (length - 1) & hash 的方式獲取table陣列的下標,並且table的長度必須為2 ^ n,因為這樣前面的公式就相當於取模。
如果我們對key的hash不進行擾動,“與”操作的結果就是hashcode的高位全部歸0,只保留低位的值用來做陣列下標訪問。以初始長度16為例,16 - 1 = 15。2進製表示是00000000 00000000 00001111。和某雜湊值做“與”操作如下,結果就是借去了最低位的四位。
10100101 11000100 00100101
& 00000000 00000000 00001111
---------------------------------------------
00000000 00000000 00000101 // 高位全部歸0,只保留末四位
但這個時候問題就來了,這樣就算我的hashcode雜湊值再怎麼鬆散,要是隻取最後幾位的話,碰撞也會很嚴重。更要命的是如果雜湊本身做的不好,分佈上成等差數列的漏洞,恰好使最後幾個低位呈現規律性重複,就無比蛋疼。
這時候擾動函式的價值就體現出來了,我們根據圖來分析JDK1.8 的hash方法如何擾動的
右移16位,正好是32bit的一半,自己的高半區和低半區作異或,就是混合原始雜湊嗎的高位和低位,以此來加大低位的隨機性。而混合後的低位can澤勒高位的部分特徵,這樣高位的資訊也被表象保留下來。
最後我們來看一下Peter Lawley的一片專欄文章《An introduction to optimising a hashing strategy》裡的一個實驗:他隨機選取了352個字串,在他們雜湊值完全沒有衝突的前提下,對他們做低位掩碼,取陣列下標。
結果顯示,當HashMap陣列長度為512的時候,也就是用掩碼取低九位的時候,在沒有擾動函式的情況下,發生了103次碰撞,接近30%。而在使用了擾動函式後只有92次碰撞。碰撞減少了10%。看來擾動函式確實有功效的。
但明顯Java8 覺得擾動做一次就夠了,做4次的話,多了可能邊際效用也不大,所謂為了效率就改成了一次。
那為什麼必須要用 ^ 做擾動呢?
因為異或運算,實現均衡分配得到1或者0的概率都是1/2,而&(與)運算得到0的概率較大為75%,| (或)運算得到1的概率較大為75%。下面舉例:
對於0/1的運算組合無非就是下面四種,我們分別做異或、與、或運算
0 | 1 | 1 | 0
^ 1 | 0 | 1 | 0
---------------------------
1 1 0 0
0 | 1 | 1 | 0
& 1 | 0 | 1 | 0
---------------------------
0 0 1 0
0 | 1 | 1 | 0
| 1 | 0 | 1 | 0
---------------------------
1 1 1 0
我們可以看到,對於不同情況下的運算,只有異或運算表現出結果均勻,這也是為什麼擾動運算要用異或的原因了