HashMap以及hash衝突知識

HashMap主要是用數組來存儲數據的，咱們都知道它會對key進行哈希運算，哈系運算會有重複的哈希值，對於哈希值的衝突，HashMap採用鏈表來解決的。
HashMap是線程不安全的，若是被多個線程共享的操做，將會引起不可預知的問題，據sun的說法，在擴容時，會引發鏈表的閉環，在get元素時，就會無限循環，後果是cpu100%。

Open addressing和Chaining（也稱外部拉鍊法）是兩種不一樣的解決hash衝突的策略。當多個不一樣的key被映射到相同的slot時，chaining方式採用鏈表保存全部的value。而Open addressing則嘗試在該slot的鄰近位置查找，直到找到對應的value或者空閒的slot， 這個過程被稱做probing。常見的probing策略有Linear probing（線性探測），Quadratic probing（二次探測）和Double hashing（雙重hash）。

Chaining

      在分析open addressing策略以前，首先簡單介紹一下大多數的Java 核心集合類採用的chaining策略，以便比較。 java.util.HashMap有一個Entry[]類型的成員變量table，其每一個非null元素都是一個單向鏈表的表頭。

• put()：若是存在hash衝突，那麼對應的table元素的鏈表長度會大於1。
• get()：須要對鏈表進行遍歷，在遍歷的過程當中不只要判斷key的hash值是否相等，還要判斷key是否相等或者equals。
• 對於put()和get()操做，若是其參數key爲null，那麼HashMap會有些特別的優化。

      Chaining策略的主要缺點是須要經過Entry保存key，value以及指向鏈表下個節點的引用（Map.Entry就有四個成員變量），這意味着更多的內存使用（尤爲是當key，value自己使用的內存很小時，額外使用的內存所佔的比例就顯得比較大）。此外鏈表對CPU的高速緩存不太友好。

Open Addressing

Linear probing （線性探測、線性再哈希）

      兩次查找位置的間隔爲一固定值，即每次查找時在原slot位置的基礎上增長一個固定值（一般爲1），例如：P = (P + 1) mod SLOT_LENGTH。其最大的優勢在於計算速度快，另外對CPU高速緩存更友好。其缺點也很是明顯：

      假設key1，key2，key3的hash code都相同而且key1被映射到slot(p)，那麼在計算key2的映射位置時須要查找slot(p), slot(p+1)，計算key3的映射位置時須要查找slot(p), slot(p+1)，slot(p+2)。也就是說對於致使hash衝突的全部key，在probing過程當中會重複查找之前已經查找過的位置，這種現象被稱爲clustering（彙集）。

Quadratic probing （二次探測、非線性再哈希）

      兩次查找位置的間隔線性增加，例如P(i) = (P + c1*i + c2*i*i) mod SLOT_LENGTH，其中c1和c2爲常量且c2不爲0（若是爲0，那麼降級爲Linear probing）。 Quadratic probing的各方面性能介於Linear probing和Double hashing之間。

Double hashing （雙重哈希）
       兩次查找位置的間隔爲一固定值，可是該值經過另一個hash算法生成，例如P = (P + INCREMENT(key)) mod SLOT_LENGTH，其中INCREMENT即另一個hash算法。如下是個簡單的例子：

      H(key) = key mod 10
      INCREMENT(key) = 1 + (key mod 7)
      P(15): H(15) = 5;
      P(35): H(35) = 5, 與P(15)衝突，所以須要進行probe，位置是 (5 + INCREMENT(35)) mod 10 = 6
      P(25): H(25) = 5, 與P(15)衝突，所以須要進行probe，位置是 (5 + INCREMENT(25)) mod 10 = 0

      P(75): H(75) = 5, 與P(15)衝突，所以須要進行probe，位置是 (5 + INCREMENT(75)) mod 10 = 1

      從以上例子能夠看出，跟Linear probing相比，減小了重複查找的次數。

Load Factor

      基於open addressing的哈希表的性能對其load factor屬性值很是敏感。若是該值超過0.7 (Trove maps/sets的默認load factor是0.5)，那麼性能會降低的很是明顯。因爲hash衝突致使的probing次數跟(loadFactor) / (1 - loadFactor)成正比。當loadFactor爲1時，若是哈希表中的空閒slot很是少，那麼可能會致使probing的次數很是大。

Open addressing in gnu.trove.THashMap

      GNU Trove (http://trove4j.sourceforge.net/) 是一個Java 集合類庫。在某些場景下，Trove集合類庫提供了更好的性能，並且內存使用更少。如下是Trove中跟open addressing相關的幾個特性：

• Trove maps/sets沒有使用chaining解決hash衝突，而是使用了open addressing。
• 跟chaining相比，open addressing對hash算法的要求更高。經過TObjectHashingStrategy 接口， Trove支持定製hash算法（例如不但願使用String或者數組的默認hash算法）。
• Trove提供的maps/sets的capaicity屬性必定是質數，這有助於減小hash衝突。
• 跟java.util.HashSet不一樣，Trove sets沒有使用maps，所以不須要額外分配value的引用。

      跟java.util.HashMap相比，gnu.trove.THashMap沒有Entry[] table之類的成員變量，而是分別經過Object[] _set，V[] _values直接保存key和value。在邏輯上，Object[] _set中的每一個元素都有三種狀態：

• FREE：該slot目前空閒；
• REMOVED：該slot以前被使用過，可是目前數據已被移除；
• OCCUPIED：該slot目前被使用中；