19 | 散列表（中）：如何打造一个工业级水平的散列表？

精选留言(125)

• 

  Jerry银银

  int hash(Object key) {
      int h = key.hashCode()；
      return (h ^ (h >>> 16)) & (capitity -1); //capicity 表示散列表的大小
  }
  
  先补充下老师使用的这段代码的一些问题：在JDK HashMap源码中，是分两步走的：
  1. hash值的计算，源码如下：
  static final int hash(Object key) {
          int hash;
          return key == null ? 0 : (hash = key.hashCode()) ^ hash >>> 16;
   }
  
  2. 在插入或查找的时候，计算Key被映射到桶的位置：
  int index = hash(key) & (capacity - 1)
  
  ----------------------------
  JDK HashMap中hash函数的设计，确实很巧妙：
  
  首先hashcode本身是个32位整型值，在系统中，这个值对于不同的对象必须保证唯一（JAVA规范），这也是大家常说的，重写equals必须重写hashcode的重要原因。
  
  获取对象的hashcode以后，先进行移位运算，然后再和自己做异或运算，即：hashcode ^ (hashcode >>> 16)，这一步甚是巧妙，是将高16位移到低16位，这样计算出来的整型值将“具有”高位和低位的性质
  
  最后，用hash表当前的容量减去一，再和刚刚计算出来的整型值做位与运算。进行位与运算，很好理解，是为了计算出数组中的位置。但这里有个问题：
  为什么要用容量减去一？
  因为 A % B = A & (B - 1)，所以，(h ^ (h >>> 16)) & (capitity -1) = (h ^ (h >>> 16)) % capitity，可以看出这里本质上是使用了「除留余数法」
  
  综上，可以看出，hashcode的随机性，加上移位异或算法，得到一个非常随机的hash值，再通过「除留余数法」，得到index，整体的设计过程与老师所说的“散列函数”设计原则非常吻合！
  
  ---------
  有分析不准确的地方，请指正！

  作者回复: 👍

  2018-11-04

   9

   327
• 

  Flash

  经过一番资料查阅理解之后，说说我的理解：
  JDK hashMap源码，hash表中数组位置的计算分两步：
  1.计算hash值：
   hash(Object key) {
          int h;
          return (key == null) ? 0 : (h = key.hashCode()) ^ (h >>> 16);
  }
  这一步有一种说法，叫它扰动函数，为什么要右移16位再与本身异或呢？
  1.1 首先hashCode()返回值int最高是32位，如果直接拿hashCode()返回值作为下标，大概40亿的映射空间，只要哈希函数映射得比较均匀松散，一般是很难出现碰撞的。
  问题是一个40亿长度的数组，内存是放不下的。
  1.2 所以，用自己的高半区和低半区做异或，混合原始哈希码的高位和低位，关键是以此来加大低位的随机性。为后续计算index截取低位，保证低位的随机性。
  1.3 这样设计保证了对象的hashCode的32位值只要有一位发生改变，整个hash()返回值就会改变，高位的变化会反应到低位里，保证了hash值的随机性。
  
  2.在插入或查找的时候，计算Key被映射到桶的位置：
  int index = hash(key) & (capacity - 1)
  hash()扰动函数计算的值和hash表当前的容量减一，做按位与运算。
  这一步，为什么要减一，又为什么要按位与运算？
  因为A % B = A & (B - 1)，当B是2的指数时，等式成立。
  本质上是使用了「除留余数法」，保证了index的位置分布均匀。
  
  为什么HashMap的数组长度必须是2的整次幂？
  数组长度是2的整次幂时，（数组长度-1）正好相当于一个**“低位掩码”**，“与”操作的结果就是散列值的高位全部归零，只保留低位值，用来做数组下标访问。
  
  以初始长度16为例，16-1=15。2进制表示是00000000 00000000 00001111。“与”操作的结果就是截取了最低的四位值。也就相当于取模操作。

  2019-01-07

   4

   87
• 

  SCu

  可能会有同学对那个mod （capacity-1）有疑问 这个很正常，因为缺少前置描述条件 即当且仅当 capacity是2的整数倍的时候该公式才成立 当capacity为2的整数倍时（无符号）仅有一位是1其余位为0 减1后 后续为为1当前位为0 做与运算等于取后面的所有位的值 比如capacity=8 即00001000 减1为00000111 如has code=5 即00000101 此时5%8=00000101&00000111=00000101=5 其他大家举一反三即可

  2018-11-16

   2

   63
• 

  天王

  能否每节讲完都有个代码的demo?

  作者回复: 是个好建议 我考虑下

  2018-11-02

  

   51
• 

  拉欧

  比如Redis中的hash,set,hset,都是散列表实现，他们的动态扩容策略是同时维护两个散列表，然后一点点搬移数据

  2018-11-02

   1

   50
• 

  姜威

  总结：散列表（中）
  面试题目：如何设计一个工业级的散列函数？
  思路：
  何为一个工业级的散列表？工业级的散列表应该具有哪些特性？结合学过的知识，我觉的应该有这样的要求：
  1.支持快速的查询、插入、删除操作；
  2.内存占用合理，不能浪费过多空间；
  3.性能稳定，在极端情况下，散列表的性能也不会退化到无法接受的情况。
  方案：
  如何设计这样一个散列表呢？根据前面讲到的知识，我会从3个方面来考虑设计思路：
  1.设计一个合适的散列函数；
  2.定义装载因子阈值，并且设计动态扩容策略；
  3.选择合适的散列冲突解决方法。
  知识总结：
  一、如何设计散列函数？
  1.要尽可能让散列后的值随机且均匀分布，这样会尽可能减少散列冲突，即便冲突之后，分配到每个槽内的数据也比较均匀。
  2.除此之外，散列函数的设计也不能太复杂，太复杂就会太耗时间，也会影响到散列表的性能。
  3.常见的散列函数设计方法：直接寻址法、平方取中法、折叠法、随机数法等。
  二、如何根据装载因子动态扩容？
  1.如何设置装载因子阈值？
  ①可以通过设置装载因子的阈值来控制是扩容还是缩容，支持动态扩容的散列表，插入数据的时间复杂度使用摊还分析法。
  ②装载因子的阈值设置需要权衡时间复杂度和空间复杂度。如何权衡？如果内存空间不紧张，对执行效率要求很高，可以降低装载因子的阈值；相反，如果内存空间紧张，对执行效率要求又不高，可以增加装载因子的阈值。
  2.如何避免低效扩容？分批扩容
  ①分批扩容的插入操作：当有新数据要插入时，我们将数据插入新的散列表，并且从老的散列表中拿出一个数据放入新散列表。每次插入都重复上面的过程。这样插入操作就变得很快了。
  ②分批扩容的查询操作：先查新散列表，再查老散列表。
  ③通过分批扩容的方式，任何情况下，插入一个数据的时间复杂度都是O(1)。
  三、如何选择散列冲突解决方法？
  ①常见的2中方法：开放寻址法和链表法。
  ②大部分情况下，链表法更加普适。而且，我们还可以通过将链表法中的链表改造成其他动态查找数据结构，比如红黑树、跳表，来避免散列表时间复杂度退化成O(n)，抵御散列冲突攻击。
  ③但是，对于小规模数据、装载因子不高的散列表，比较适合用开放寻址法。

  2018-11-03

  

   21
• 

  

  老师能不能就具体的题，讲讲数据结构呀。这种高大上的，对我来说有点难😔

  作者回复: 我后面还打算把所有的课后题集中写一写答案 那个时候会具体分析题目对应的就解决思路

  2018-11-02

  

   18
• 

  w1sl1y

  看了下，的确是TREEFY_THRESHOLD等于8
  UNTREEFY_THRESHOLD等于6

  2018-11-05

  

   16
• 

  kakasi

  对于回答点赞第一的 @Jerry银银 有疑问：首先hashcode本身是个32位整型值，在系统中，这个值对于不同的对象必须保证唯一（JAVA规范），这也是大家常说的，重写equals必须重写hashcode的重要原因。
  hashcode不一定是唯一的，重写equals必须重写hashcode的原因是：java中有很多集合类是基于散列工作的，如果不重写hashcode， 两只值相等的对象就无法相等，因为object的hashcode是32位内存地址。

  2018-11-16

  

   14
• 

  Infinite_gao

  老师可以分享一下，你对hashmap的默认负载因子是0.75的理解吗？是与泊松分布有关吗？

  作者回复: 大牛 能否详细说说

  2018-11-02

  

   12
• 

  w1sl1y

  我怎么hashmap记得红黑树树化的阈值是8，退化的阈值是6，回头看看源码确认下

  作者回复: 确认好留言给我啊

  2018-11-03

   1

   11
• 

  喜欢你的笑

  能分析一下HashMap的散列函数吗？

  作者回复: 不建议搞得这么详细 ：）你就看一眼 有个印象就好了

  2018-11-02

  

   9
• 

  angel😇txy🤓

  我来谈谈为何hashmap每次扩容试都要扩两倍，resize()时为何每次要扩两倍？
  计算桶位置，i = (n - 1) & hash，n 为2的幂时，(n-1) & hash = hash % n, 相当于对length求模，位运算效率更高。
  rehash时需要重新计算桶位置，如果不是2的幂，n -1转为二进制后，最低位始终是0，导致最低位为0的桶被浪费，造成更多的hash碰撞。
  如果length不为2的幂，比如15。那么length-1的2进制就会变成1110。在h为随机数的情况下，和1110做&操作。尾数永远为0。那么0001、1001、1101等尾数为1的位置就永远不可能被entry占用。这样会造成浪费，不随机等问题。 length-1 二进制中为1的位数越多，那么分布就平均。
  所以HashMap的初始容量是2的n次幂，扩容也是2倍的形式，元素均匀分布在HashMap中的数组上，减少hash碰撞，避免形成链表的结构，使得查询效率降低！

  2019-08-29

  

   7
• 

  强哥

  X % 2^n = X & (2^n - 1)
  2^n表示2的n次方，也就是说，一个数对2^n取模 == 一个数和(2^n - 1)做按位与运算 。
  所以说评论第一个说A%B=A&(B-1)，并不成立。

  2019-03-07

  

   7
• 

  猫头鹰爱拿铁

  集合类的带hash的，例如hashmap、hashset、hashtable等。hashmap中散列函数是key的hashcode与key的hashcode右移16位异或，这是为了把key的高位考虑进去，如果key是0，hash值为0。在put的时候，如果表没有初始化，需要初始化下，在计算key的位置的时候很巧妙，使用表的length-1和key的hash值与计算的，实际上就是对key的hash值对表长取模，基于hashmap是2的幂次方特性，这种位运算速度更快。如果put后hashmap的数据容量超过了表的容量*负载因子，就会自动扩容，默认是两倍，自动扩容方法是将key的hash与表长直接与判断是否有高位，有高位就把这个node放到新表里旧表对应位置加旧表长的地方。没有高位就直接是新表旧位置。这是hashmap1.8的处理方法。hashmap1.7还是对key的hash取模。如果是个非常大的数，赋值为integer.max。hashmap采用的是链地址法结合红黑树解决hash冲突，当桶中链表长度大于8就会将桶中数据结构转化为红黑树。hashtable默认的初使容量11，负载因子也是0.75，如果要指定初始化hashtable容量最好是给一个素数。这是因为放入table的时候需要对表长取模，尽量分散地映射。hashtable通过链地址法解决hash冲突，当数据容量大于数据容量*负载因子自动扩容，扩容原表长两倍+1。

  2018-11-02

  

   7
• 

  Yishem

  关于HashMap的loadFactor为什么是0.75？已经有网友整理好了(https://www.jianshu.com/p/64f6de3ffcc1)，可以看看，很详细

  2018-12-14

  

   6
• 

  辰陌

  python的字典就是封装好的散列吧

  作者回复: 嗯嗯

  2018-11-05

  

   6
• 

  Ruhm

  NOTE 这节课给我的启发太大了，以前去阅读go的源码，总是感觉异常吃力，看完这节课之后去读了go关于map这个内置类型的源码，发现思路一下就清晰起来了，阅读效率高了很多，做到了有的放矢。那么以后阅读代码之前，先了解相关知识的方法论是很有必要的，这样比拿到源码就开始读，实际从长远看是节省了时间的。

  2018-12-29

  

   5
• 

  Allen Zou

  老师，开放寻址法如果冲突了，占用其它hash code对应的位置，那该位置真正的数据来的时候怎么办，接着往后放么？删除的时候是否要搬回来？

  作者回复: 不存在真正的数据的说法 都是先来先占坑

  2018-11-03

   2

   5
• 

  Zhangwh

  链表和哈希表结合成lru 缓存，老师能讲讲不，记得老师在链表那块说过

  作者回复: 下一节课就要讲了

  2018-11-02

  

   5