大话Java中的哈希(hash)结构（一）

o(￣▽￣)d

小伙伴们在上网或者搞程序设计的时候，总是会听到关于“哈希(hash)”的一些东西。比如哈希算法、哈希表等等的名词，那么什么是hash呢？

一.相关概念

1.hash算法：一类特殊的算法（注意哦，hash算法并不是某个固定的算法，而是一类特殊功能算法的统称）。

2.哈希表（hash table）、哈希映射（hash map）、哈希集合（hash set）：一种基于hash算法的数据结构。

3.哈希函数：在hash算法中的核心函数。

4.map：译为“映射”，是一种从键（key）到值（value）的对应关系。

5.消息摘要：又叫“数字摘要”、“数字指纹”，类似于文章的梗概，或者人的指纹，是一个唯一对应一段信息的值。

二.hash算法

（一）.hash算法是什么？

第一步，我们先去查查字典，看看hash是啥意思。

hash

英 [hæʃ]   美 [hæʃ] 

n.剁碎的食物;#号;蔬菜肉丁

vt.把…弄乱;切碎;反复推敲;搞糟

差不多就是“切碎”的意思，“哈希”又叫“散列”。（这里就想吐槽一下，起这么多小名干嘛,名字不重要......）

第二步，我们去查查百科。

Hash算法可以接受任意长度字节的输入值，并经过复杂运算，给出固定长度的输出值。

从这里我们可以看出，只要一个算法符合上面的特征，就可以称其为“hash算法”。Hash算法产生“数字摘要”：也就是说，从不同的输入中，通过一些计算摘取出来一段输出数据，值可以用以区分输入数据。

（二）.hash算法到底有什么用处呢？

1.在信息安全方面

Hash算法可用作加密算法。

• 如文件校验：通过对文件摘要，可以得到文件的“数字指纹”，你下载的任何副本的“数字指纹”只要和官方给出的“数字指纹”一致，那么就可以知道这是未经篡改的。例如著名的SHA 。
• 如数字签名：由于hash算法几乎一一对应的关系（当然不是绝对的一一对应，不过发生“碰撞”的概率微乎其微），所以hash算法可以用于产生一个机构的数字签名，类似于物理上的某个人的文件签名。

2.在数据结构方面

Hash算法可用作快速查找。

在数据结构领域，有一种哈希表（hash table）的结构，正是利用了hash算法的特性，实现了以常数平均时间执行插入、删除和查找。这个也是接下来讨论的重点。

三.哈希/散列表

原则上来说，计算机中最基本的数据结构只有两种：数组（连续型）和链表（离散型）。其它诸如堆、栈、树、表等都是数组与链表的特殊实现。也就是说，把数组和链表经过特殊处理（这个过程可以叫做“封装”），就产生了其他的“高级数据结构类型”。哈希表也是其中一种。或者换一种说法，堆、栈、树等都是逻辑结构，而连续存储和离散存储是在物理方面的结构。

我们分析一下传统的查找模式。比如我们建立了一个“查找树”。当我们在查找时，会从根节点“逐一比较”，查找的效率依赖于查找的次数。

~哈希表

一种最理想的情况是不需要做任何比较，一次存取就能得到想要的记录。那就必须在记录的存储位置和它的关键字之间建立一个确定的关系h，使每个关键字和结构中一个唯一的存储位置相对应。因而在查找时，只要根据这个对应关系h找到给定值K的像h(K)。若结构中存在关键字和K相等的记录，则必定在h(K)的存储位置上，反之在这个位置上没有记录。由此，不需要比较便可直接取得所查记录。在此，我们称这个对应关系h为哈希(Hash)函数 ，按这个思想建立的表为哈希表 。

~哈希函数

1.灵活性

哈希函数是一种映像关系，说的通俗一点，就是一种对应关系。因此只要得到的哈希值在表允许的范围内就可以。

2.冲突

对不同的关键字可能得到同一哈希地址，即key1≠key2，而h(key1)=h(key2) ，这种现象称为冲突（collision）。

很遗憾，冲突是不可避免的。上面我们说，哈希函数是关键字到地址集合的映射。关键字可以在格式允许的范围内任意取，但是我们内存的地址集合是有限的。从大范围到小范围，所以冲突不可避免。但是我们可以设法减小冲突的概率。因此单单一个合适的哈希函数是不够的，还要有一个良好的解决冲突的方法。

由此我们得到了哈希表的两个关键：哈希函数以及解决冲突的方法。

综上，我们可以得到哈希表的一个定义：

根据设定的Hash函数 - H(key)和处理冲突的方法，将一组关键字映象到一个有限的连续的地址集（区间）上，并以关键字在地址集中的象作为记录在表中的存储位置，这样的表便称为Hash表 。

四.java中的HashMap

1.FAQ

问：为什么有HashMap？

答：HashMap利用hash算法实现了快速存取的特性。

问：hash表和HashMap有什么关系？

答：Hash表 是一种逻辑数据结构，HashMap是Java中的一种数据类型（结构类型），它通过代码实现了Hash表 这种数据结构，并在此结构上定义了一系列操作。

2.上帝视角的HashMap

• HashMap是基于数组来实现哈希表的，数组就好比内存储空间，数组的index就好比内存的地址；
• HashMap的每个记录就是一个Entry<K, V>对象，数组中存储的就是这些对象；
• HashMap的哈希函数 = 计算出hashCode + 计算出数组的index；
• HashMap解决冲突：使用链地址法，每个Entry对象都有一个引用next来指向链表的下一个Entry；
• HashMap的装填因子：默认为0.75；

基本上HashMap就像这样：

3.实现一个new HashMap

 /*** 1. 构造方法：最终使用的是这个构造方法 ***/
 // 初始容量initialCapacity为16，装填因子loadFactor为0.75
 public HashMap(int initialCapacity, float loadFactor) {
     if (initialCapacity < 0)
         throw new IllegalArgumentException("Illegal initial capacity: " +
                                            initialCapacity);
     if (initialCapacity > MAXIMUM_CAPACITY)
         initialCapacity = MAXIMUM_CAPACITY;
     if (loadFactor <= 0 || Float.isNaN(loadFactor))
         throw new IllegalArgumentException("Illegal load factor: " +
                                            loadFactor);

     this.loadFactor = loadFactor;
     threshold = initialCapacity;
     init();//init可以忽略，方法默认为空{}，当你需要集成HashMap实现自己的类型时可以重写此方法做一些事
 }

 /*** 2. (静态/实例)成员变量 ***/
 /** 默认的容量，容量必须是2的幂 */
 static final int DEFAULT_INITIAL_CAPACITY = 1 << 4; // aka 16
 /** 最大容量2的30次方 */
 static final int MAXIMUM_CAPACITY = 1 << 30;
 /** 默认装填因子0.75 */
 static final float DEFAULT_LOAD_FACTOR = 0.75f;
 /** 默认Entry数组 */
 static final Entry<?,?>[] EMPTY_TABLE = {};

 /** Entry数组：table */
 transient Entry<K,V>[] table = (Entry<K,V>[]) EMPTY_TABLE;

 /** table中实际的Entry数量 */
 transient int size;

 /**
  * size到达此门槛后，必须扩容table；
  * 值为capacity * load factor，默认为16 * 0.75 也就是12。
  * 意味着默认情况构造情况下，当你存够12个时，table会第一次扩容
  */
 int threshold;

 /** 装填因子，值从一开构造HashMap时就被确定了，默认为0.75 */
 final float loadFactor;

 /**
  * 哈希种子，实例化HashMap后在将要使用前设置的随机值，可以使得key的hashCode冲突更难出现
  */
 transient int hashSeed = 0;

 /**
  * The number of times this HashMap has been structurally modified
  * Structural modifications are those that change the number of mappings in
  * the HashMap or otherwise modify its internal structure (e.g.,
  * rehash).  This field is used to make iterators on Collection-views of
  * the HashMap fail-fast.  (See ConcurrentModificationException).
  */
 transient int modCount;

 /*** 3. Map.Entry<K,V>：数组table中实际存储的类型 ***/
 static class Entry<K,V> implements Map.Entry<K,V> {
     final K key;       // "Key-Value对"的Key
     V value;           // "Key-Value对"的Value
     Entry<K,V> next;
     int hash;

     Entry(int h, K k, V v, Entry<K,V> n) {
         value = v;
         next = n;//链表的下一个Entry
         key = k;
         hash = h;
     }
     public final int hashCode() {
         return Objects.hashCode(getKey()) ^ Objects.hashCode(getValue());
     }
 }

HashMap

4.存 - put(key, value)、解决冲突

 /** 存放 **/
 public V put(K key, V value) {
     if (table == EMPTY_TABLE) {
         inflateTable(threshold);//table会被初始化为长度16，且hashSeed会被赋值；
     }
     if (key == null)
         //HashMap允许key为null：在table中找到null key，然后设置Value，同时其hash为0；
         return putForNullKey(value);

     // a). 计算key的hashCode，下面详细说
     int hash = hash(key);

     // b). 根据hashCode计算index
     int i = indexFor(hash, table.length);

     // c). 覆盖（如是相同Key则覆盖Value，注意这里不是解决冲突）：
     // 遍历index位置的Entry链表，如果链表中Entry的hash相等且== || equals则认为是同一个key，所以覆盖value
     for (Entry<K,V> e = table[i]; e != null; e = e.next) {
         Object k;
         if (e.hash == hash && ((k = e.key) == key || key.equals(k))) {
             V oldValue = e.value;
             e.value = value;
             e.recordAccess(this);
             return oldValue;
         }
     }

     modCount++;
     // d). 正常添加Entry，如果需要增加table长度（size>threshold）就乘2增加，并重新计算每个元素在新table中的位置和转移
     addEntry(hash, key, value, i);
     return null;//增加成功最后返回null
 }

 //详细说说上面的a). b). d).

 /** a). 为了防止低质量的hash函数，HashMap在这里会重新计算一遍key的hashCode **/
 final int hash(Object k) {
     int h = hashSeed;
     if (0 != h && k instanceof String) {//字符串会被特殊处理，返回32bit的整数（就是int）
         return sun.misc.Hashing.stringHash32((String) k);
     }

     h ^= k.hashCode();//将key的hashCode与h按位异或，最后赋值给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);
 }

 /**
  * b). 计算此hashCode该被放入table的哪个index
  */
 static int indexFor(int h, int length) {
     return h & (length-1);//与table的length - 1按位与，就能保证返回结果在0-length-1内
 }

 /**
  * 解决冲突：链地址法
  * d).  addEntry(hash, key, value, i)最终是调用了此函数
  */
 void createEntry(int hash, K key, V value, int bucketIndex) {
     Entry<K,V> e = table[bucketIndex];//首先table中此index的Entry拿出来
     // 在构造函数中，e代表next。
     // 即如果e是null，那正好设置next为null，否则将原有的Entry设置为next，新建的Entry放在此位置
     // 也就是说这里用链地址法解决冲突时，会将原有元素放入链尾，新元素放在链头
     table[bucketIndex] = new Entry<>(hash, key, value, e);
     size++;
 }

put(key,value)

5.取-get(key)

 //其实看完了最精髓的存，取的话就比较简单，就不放代码在这里了，仅说下思路。

 // 1. 根据k使用hash(k)重新计算出hashCode
 // 2. 根据indexFor(int h, int length)计算出该k的index
 // 3. 如果该index处Entry的key与此k相等，就返回value，否则继续查看该Entry的next

五.Java中的equals()与hashCode()比较

Java中Object类有两个方法，都是有关于“相同”的概念。

在上面对于hash函数的讨论中，我们知道对于相同的key必须得到同一个hashCode。

但是在Java中，相同有两个概念，一个是“同一个”，另一个是“相等”。

从上面我们可以看出，HashMap设计选择了equals()。

此时，也许你就能明白为什么Object的

HashCode()方法说：相等的对象必须有相等的哈希值。

Equals()方法说：覆盖此方法，通常由必要重写hashCode()方法，以维护其general contract。

原因：

1. Object的equals()方法开始看，此方法默认使用==进行判断；还要知道，hashCode()是native方法，即它是依赖C语言算出来的。

2. 我们可以观察一下HashMap的put(key)操作，它首先进行的是判断相等的key就覆盖的操作，也就是使用了key的equals()方法，在这种情况下，如果      你自己的类覆盖了euqals()方法而没有管hashCode()方法，那么，在put(key)方法中，依赖hashCode计算出index这一步，就会将原本equals()的对象放在    不同index中，这样接下来的覆盖操作就不会起作用了。造成的结果是，相等的对象被放入了不同index位置，而不是覆盖。

所以我们要避免出现这类问题，在改写equals()的同时也要改写hashCode()。我们可以去看官方给出的API文档，就很好地遵循了这一准则。

OK，在这一篇中我们分析了hash算法的构造以及java包中实现的hashmap功能，在下一篇我们会给出一些hash表中的hash函数实现方法和解决“冲突”的方法。

参考：【1】哈希表、Java中HashMap

【2】严蔚敏，吴伟民．数据结构（C语言版）．北京：清华大学出版社，2007

【3】 HashMap深度解析(一)