HashMap分析及散列的衝突處理

1，Hashing過程

像二分查找、AVL樹查找，這些查找算法的時間複雜度爲O(logn)，而對於哈希表而言，咱們通常說它的查找時間複雜度爲O(1)。那它是怎麼實現的呢？這就是一個Hashing過程。

在JAVA中，每一個對象都有一個散列碼，它是由Object類的hashCode()方法計算獲得的（固然也能夠覆蓋Object的hashCode()）。而咱們能夠在散列碼的基礎上，定義一個哈希函數，再對哈希函數計算出的結果求餘，最終獲得該對象在哈希表的位置。

 1 final int hash(Object k) {
 2         int h = hashSeed;
 3         if (0 != h && k instanceof String) {
 4             return sun.misc.Hashing.stringHash32((String) k);
 5         }
 6 
 7         h ^= k.hashCode();
 8         h ^= (h >>> 20) ^ (h >>> 12);
 9         return h ^ (h >>> 7) ^ (h >>> 4);
10     }

如上，哈希函數hash(Object k) 中用到了hashCode()。而後再通過進一步的特殊處理，獲得一個最終的哈希值。哈希函數的定義是須要技藝的，由於它要保證儘可能地將全部的Key均勻地分佈，所以最好藉助前人已實踐的經驗。

當獲得哈希值以後，根據該哈希值Mod N(求餘)計算出其在哈希表的位置。

static int indexFor(int h, int length) {
        // assert Integer.bitCount(length) == 1 : "length must be a non-zero power of 2";
        return h & (length-1);
    }

indexFor(int h, int length)實際上完成的就是求餘操做。只不過求餘操做涉及到除法，而這裏能夠經過移位操做來代替除法。即兩者完成的功能都是同樣的，移位的效率更高。

哈希過程爲何須要先根據hashCode獲得一個值(又稱散列碼)，而後再對該值求餘呢？

在JAVA中，Object類的hashCode()方法返回的是由調用對象的內存地址導出的一個值，也即，當沒有覆蓋Object類中的equals() 和 hashCode()時，只有當兩個對象的內存地址同樣時，才認爲兩個對象是相等的。這顯然不符合實際狀況，好比Person類有 String id、String name.....顯然在現實中是根據id(身份證)不一樣來判斷兩我的不一樣。所以，須要進一步根據hashCode()值來封裝(如上面的 hash(Object k)方法)，返回一個合理的散列碼。

 

那爲何又須要對獲得的散列碼求餘呢？---上面的 indexFor(int h, int length)完成的功能

在底層是用數組來存儲<key, value>的，而咱們獲得的散列碼可能很大（事實上散列碼的範圍很是廣）

而內存是有限的，不能分配爲數組分配一塊很大很大的空間，所以，存儲<key, value>的數組空間相對較小。

從而須要把 全部的散列碼都 「約束」 到這個有效的數組空間中。----這也是致使衝突的根源

 

爲何使用HashMap查找是O(1)呢？

T value = hashmap.get(key)

①get(key)時，一步計算出該key所對應的底層數組array的 index  (至關於上面 hash(Object k ) 和 indexFor(int h, int length) 這兩個函數完成的功能)

②value = array[index]

所以，就認爲查找的複雜度爲O(1)

 

2，衝突處理

衝突處理主要分兩種，一種是開放定址法，另外一種是鏈地址法。HashMap的實現中採用的是鏈地址法。

開放定址法有兩種處理方式，一種是線性探測另外一種是平方探測。

線性探測：依次探測衝突位置的下一個位置。如，在哈希表的位置2處發生了衝突，則探測位置3處是否被使用了，若被使用了，則探測位置4……直至下一個被探測的位置爲空（意味着還有位置能夠插入元素---插入成功）或者探測了N-1（N爲哈希表的長度）個元素又回到了原始的衝突位置處（意味着已經沒有位置可供新元素插入了---插入失敗）

所以，插入一個元素時，最壞狀況下的時間複雜度爲O（N），由於它有可能探測了N-1個元素！

平方探測：以平方大小來遞增下一次待探測的位置。如，在哈希表位置2處發生了衝突，則探測 (1^2=1)位置3（2+1），若位置3被使用了，則探測（2^2=4） 位置6（2+4），若位置6被使用了，則探測（3^2=9）位置11（2+9=11）……平方探測法有一個特色：對於任何一個給定的素數N（假設哈希表的長度設置爲素數），當計算( h(k) + i ^2 ) MOD N 時，隨着 i 的增加，獲得的結果是循環的。

所以，當平方探測重複探測了某一個位置時，說明探測失敗即已經沒有位置可供新元素插入了，儘管此時哈希表並無滿。

平方探測是跳着探測的，它忽略了一些位置，而這些位置多是空的。即在哈希表仍未滿的狀況下，已經不能再插入新元素了

最壞狀況下，平方探測須要檢測 N/2個位置，所以插入一個元素的最壞時間複雜度爲O（N）。

 

鏈地址法

在HashMap的實現中，採用的鏈地址法來解決衝突，它有一個桶的概念:對於Entry數組而言，數組的每一個元素處存儲的是鏈表，而不是直接的Value。在鏈表中的每一個元素纔是真正的<Key, Value>。而一個鏈表，就是一個桶！所以HashMap最多能夠有Entry.length 個桶。

public class HashMap<K,V>
    extends AbstractMap<K,V>
    implements Map<K,V>, Cloneable, Serializable
{
    static final Entry<?,?>[] EMPTY_TABLE = {};
    .....
    .....

HashMap中有一個Entry數組，而Entry類是HashMap的內部類。由Entry類來封裝實際的<Key, Value>

 static class Entry<K,V> implements Map.Entry<K,V> {
        final K key;
        V value;
        Entry<K,V> next;
        int hash;

 

HashMap中還有兩個變量： int threshold 和 float loadFactor。loadFactor 默認是0.75，threshold做用以下：當HashMap中的元素個數超過threshold時，就會從新調整哈希的大小。

void addEntry(int hash, K key, V value, int bucketIndex) {
        if ((size >= threshold) && (null != table[bucketIndex])) {
            resize(2 * table.length);

 

而loadFactor做用是：指定threshold，通常狀況下，哈希表的大小乘以0.75等於threshold。

 threshold = (int)Math.min(newCapacity * loadFactor, MAXIMUM_CAPACITY + 1);

 

在HashMap中，addEntry()方法添加新元素時，老是將新元素添加在鏈表的表頭。而不是鏈表的其它位置。

完。