浅谈HashMap的实现原理

HashMap的实现

先介绍一些基本的原理。

1.hash函数

　　（1）hash函数是一个映像，hash的原意就是杂凑。hash函数的作用就是保证哈希函数值都落在表长允许的范围之内即可。

　　（2）对不同的关键字，hash函数可能产生相同的哈希地址。

2.hash函数的构造方法们

哈希函数的构造方法，一是为了得到在表长内的哈希地址，另一个重要作用是保证得到的哈希地址能“均匀地”分布在表中，避免集中。

　　（1）　　直接定址法

　　　　就是根据给定的关键字，获得一个线性值，作为哈希地址。

　　　　　　H(key) = a*key+b;　　(a,b为常数）

　　　　直接定址法不会产生哈希地址冲突，但是他的地址范围取决于关键字集合，空间利用率低。

　　（2）　　数字分析法

　　　　适用于关键字是数值类型的，十进制，二进制，十六进制等。

　　　　分析关键字之间的异同点。比如：‘123555123’，’489555741‘，中间三位是相同的，那么就可以取前三位和末三位作为区别这两个关键字的有效数字位置

　　　　将有效位置上的数字相加（舍去进位），对相应的进制数（2、10、16）取模，就可以得到进制内的对应的数字代表着两个关键字。（也可以对有效数字位置上的数字进行其他方式的处理）

　　（3）　　平方取中法

　　　　同数字分析法，适用于关键字是数值类型的。

　　　　并不是经常碰见有明显异同的关键字，这个时候，每一个位置都是有效位置。

　　　　平方取中的思想是一个数的平方数中间几位跟该数的每一位都有关系，取平方数的中间几位（位数由表长决定）来作为哈希地址。

　　（4）　　折叠法

　　　　　适用于关键字是数值类型的，并且位数很多，并且每一位上的数字分布大致均匀。

　　　　　将关键字分割成长度相同的若干个部分，最后一个可以不同，然后相加（舍去进位），得到哈希地址。

　　（5）　　除留余数法

　　　　这是一种最简单、最常用的方法。

　　　　取关键字被某个不大于哈希表长m的数p除后所得余数作为哈希地址。

　　　　H(key) = key MOD p, (p<=m);

　　(6) 　　随机数法

　　　　比较好理解，就是用关键字作为随机参数，获取随机数作为哈希地址。

　　　　表长不同，取随机数的范围不同。

除直接定址法之外，别的哈希函数构造方法都有可能使不同关键字获得相同哈希地址，这个时候就需要进行冲突避免。处理冲突的方法有下面几种：

　　（1）开放定址法

　　　　Hi = ( H(key)+Di ) MOD M;

　　　　其中D^_i为增量序列,M为哈希表长。

　　　　Di一般有三种取值：

　　　　　（1）　Di = 1,2,3,...M-1；（线性探测再散列）

　　　　　（2）　Di = 1^{2 ,} -1², 2^{2 ,} -2²,3^{2 ,.......}k²（二次探测再散列）

　　　　　（3）  Di = 伪随机数序列　　（伪随机数探测再散列）

　　（2）再哈希法

　　　　H_i = RH_i(key)   i = 1,2,3....k

　　　　RHi 是一系列的哈希函数，当产生冲突时候，就顺序选择一个哈希函数进行计算哈希地址，如果仍然冲突，继续选择下一个哈希函数，只到没有哈希冲突为止。

　　　　这种方法能有效避免“聚集”，但是增加了计算时间。

　　（3）链地址法

　　　　将所有关键字为同义词（哈希地址相同）的记录存储在同一个链表中，表头存储在长度为M的数组中，表头在数组中的位置，就是哈希地址。

　　　　也就是说如果一个关键字的哈希地址是k(k<m,m为表长），那么就存储在表头在k位置的链表中。

　（4）建立一个公共溢出区

　　　　如果发生冲突，也就是当前的哈希地址已经被占用，则存放在公共溢出区中。此时，哈希函数操作两个表，一个是常规的哈希表，另一个是公共溢出表。

下面介绍HashMap的数据存储实现原理：

（1）选择的哈希算法：

　　HashMap存储数据时候，调用put(k,v)方法：

　　源代码：

------------------------------------

public V put(K key, V value) {
return putVal(hash(key), key, value, false, true);
}

-------------------------------------

　　其中hash(key)的源代码如下：

　　源代码：

-------------------------------------------------------------------------------　　　

static final int hash(Object key) {
int h;
return (key == null) ? 0 : (h = key.hashCode()) ^ (h >>> 16);
}

-------------------------------------------------------------------------------

　　putVal()的源代码：

-----------------

final V putVal(int hash, K key, V value, boolean onlyIfAbsent,
boolean evict) {
Node<K,V>[] tab; Node<K,V> p; int n, i;

if ((tab = table) == null || (n = tab.length) == 0)

n = (tab = resize()).length;   -----------------------a-----------------------确定当前的哈希表容量是否不足，如果是就增大为原来的一倍
if ((p = tab[i = (n - 1) & hash]) == null)---------b------------------判断获得的哈希地址是否被占用。对hash值进行取模，（n-1)&hash得到的值肯定小于n,也就是resize后的哈希表长，可见，HashMap使用的哈希函数是除留余数法。
tab[i] = newNode(hash, key, value, null);--------------c------------------新建一个结点node，把新节点加入哈希地址中的链表中（如果哈希地址没被占用，如果占用，则在下面的代码进行处理）
else {
Node<K,V> e; K k;
if (p.hash == hash &&
((k = p.key) == key || (key != null && key.equals(k))))
e = p;
else if (p instanceof TreeNode)
e = ((TreeNode<K,V>)p).putTreeVal(this, tab, hash, key, value);
else {
for (int binCount = 0; ; ++binCount) {　　
if ((e = p.next) == null) {　　--------------------------d-------------------------如果获得链表的最后一个结点，把新结点接到后面，可见新的结点是在链尾。
p.next = newNode(hash, key, value, null);
if (binCount >= TREEIFY_THRESHOLD - 1) // -1 for 1st
treeifyBin(tab, hash);
break;
}
if (e.hash == hash &&
((k = e.key) == key || (key != null && key.equals(k))))
break;
p = e;
}
}
if (e != null) { // existing mapping for key
V oldValue = e.value;
if (!onlyIfAbsent || oldValue == null)
e.value = value;
afterNodeAccess(e);
return oldValue;
}
}
++modCount;
if (++size > threshold)
resize();
afterNodeInsertion(evict);
return null;
}

---------------------------------------------

可见，HashMap采用的哈希函数是除留余数法，采用过的冲突避免算法是链地址法。

一步一步来，总会变好的。