数据结构与算法笔记目录：《恋上数据结构》 笔记目录

想加深 Java 基础推荐看这个： Java 强化笔记目录

引出哈希表

设计一个写字楼通讯录，存放所有公司的通讯信息

• 座机号码作为 key（假设座机号码最长是8位）
  公司详情（名称、地址等）作为 value
• 添加、删除、搜索的时间复杂度要求是o(1)o(1)o(1)

我们用这种思路，将座机号码作为索引值数组数组索引，公司详情作为数据元素值。

由于数组添加、删除、搜索元素的时间复杂度都是o(1)o(1)o(1)，可以达到要求。

private Company[] companies = new Company[100000000];
public void add(int phone, Company company){companies[phone] = company;
}
public void remove(int phone){companies[phone] = null;
}
public Company get(int phone){return companies[phone];
}

但是这种做法有缺点。

• 空间复杂度非常大
  要保证必须存储的下元素，必须开辟一个非常大的空间。
• 空间使用率极其低，非常浪费内存空间
  就拿电话号码来说，开辟了100000000大小的空间，但是1~99999999之间有很多数字是索引值是用不到的。

其实 数组companies 就是一个哈希表，典型的【空间换时间】。

哈希表（Hash Table）

哈希表也叫做散列表（hash有“剁碎”的意思）

哈希表是如何实现高效处理数据的？

put("Jack",666);
put("Rose",777);
put("Kate",888);

1.利用哈希函数生成 key 对应的 index【O(1)】
2.根据 index 操作定位数组元素【O(1)】

• 哈希表添加、搜索、删除的流程都是类似的
• 哈希表是【空间换时间】的典型应用
• 哈希函数，也叫做 散列函数
• 哈希表内部的数组元素，很多地方也叫 Bucket（桶），整个数组叫 Buckets 或者 Bucket Array

哈希冲突（Hash Collision）

哈希冲突 也叫做 哈希碰撞

• 2个不同的 key，经过哈希函数计算出相同的结果
• key1 ≠\neq​= key2， hash(key1) = hash(key2)

如下图，“Rose” 不等于 “Kate”，但是经过哈希函数算出来的索引确实相同的，此时就产生了冲突。

解决哈希冲突的常见方法

• 开放定址法（Open Addressing）
  按照一定规则向其他地址探测，直到遇到空桶
• 再哈希法（Re-Hashing）
  设计多个哈希函数
• 链地址法（Separate Chaining）
  比如通过链表将同一 index 的元素串起来

JDK1.8的哈希冲突解决方案

• 默认使用单向链表将元素串起来
• 在添加元素时，可能会由单向链表转为红黑树来存储元素
  比如当哈希表容量 ≥ 64 且 单向链表的节点数量大于 8 时
• 当红黑树节点数量少到一定程度时，又会转为单向链表
• JDK1.8 中的哈希表是使用 链表+红黑树 解决哈希冲突

思考：这里为什么使用单链表而不是双向链表？

• 每次都是从头节点开始遍历
• 单向链表比双向链表少一个指针，可以节省内存空间

哈希函数

哈希表中哈希函数的实现步骤大概如下:

1. 先生成 key 的哈希值（必须是整数）
2. 再让 key 的哈希值 跟 数组的大小 进行相关运算，生成一个 索引值

public int hash(Object key) {return hash_code(key) % table.length;
}

为了提高效率，可以使用 & 位运算 取代 % 运算
【前提：将数组的长度设计为 2 的幂（2ⁿ）】

public int hash(Object key) {return hash_code(key) & (table.length - 1);
}

将数组的长度设计为 2 的幂（2ⁿ）是因为 2ⁿ-1 的二进制必然为全 1

1        2^1 - 1 = 1
11      2^2 - 1 = 3
111     2^3 - 1 = 7
1111    2^4 - 1 = 15
11111   2^5 - 1 = 31

哈希值的二进制与一个全为1的二进制 &(相与)，结果必然小于等于哈希值，如下图。

一个良好的哈希函数，可以让哈希值更加均匀分布 → 减少哈希冲突次数 → 提升哈希表的性能；

如何生成 key 的哈希值

key 的常见种类可能有

• 整数、浮点数、字符串、自定义对象
• 不同种类的 key ，哈希值的生成方式不一样，但目标是一致的
  • 尽量让每个 key 的哈希值是唯一的
  • 尽量让 key 的所有信息参与运算

在Java中，HashMap 的 key 必须实现 hashCode、equals 方法，也允许 key 为 null

Integer 的哈希值计算

• 整数值当做哈希值
• 比如 10 的哈希值就是 10

Java 中 Integer.hashCode() 源码：

让我们亲自打印一下：

Float 的哈希值计算

• 将存储的二进制格式转为整数值

public static int hashCode(flaot value){return floatToInBits(value);
}

Java 中 Float.hashCode() 源码：

验证一下，float型数据的哈希值就是将对应的二进制数转为整数，只是浮点数的二进制跟整数的相比，在计算机中的存储方式更复杂，也更难计算。

Long 的哈希值计算

Long.HashCode()的计算有点奇怪，Java源码如下：

那么， ^ 和 >>> 的作用是什么呢？

• 高32bit 和 低32bit 混合计算出 32bit 的哈希值
• 充分利用所有信息计算出哈希值

>>> 即 无符号右移，代码中的 value >>> 32 即将 value 的值无符号右移 32 位。
^ 即位运算中的异或，它的作用是：两数异或，不同为1，相同为0。

由这张图可以知道，将 64bit 的二进制数字，无符号右移 32bit 后，左边32位必然全为0（第二行）， 右边则为为左32位的数字，(value ^ (value >>> 32))相当于用自己的右32位去异或自己的左32位，最后(int)强转回了 32bit ，相当于把左边的32位全部去掉。这样可以充分利用了自身所有信息来计算哈希值。

Double 的哈希值计算

惊奇的发现，Double.HashCode()的计算和 Long 差不多呢，就不多说了。

验证一下，果然是个奇奇怪怪的数字。

String 的哈希值计算

思考一下：整数 5489 是如何计算出来的？
5∗103+4∗102+8∗101+9∗1005 * 10^3 + 4 * 10^2 + 8 * 10^1 + 9*10^05∗103+4∗102+8∗101+9∗100

字符串是由若干个字符组成的

• 比如字符串 jack，由 j、a、c、k 四个字符组成（字符的本质就是一个整数）
• 因此，jack 的哈希值可以表示为 j∗n3+a∗n2+c∗n2+k∗n0j * n^3 + a*n^2 + c*n^2+k*n^0j∗n3+a∗n2+c∗n2+k∗n0
  等价于[(j∗n+a)∗n+c]∗n+k[(j*n + a) * n + c ] * n + k[(j∗n+a)∗n+c]∗n+k （这样写效率比上面更高）

new String().hashCode() 源码如下：

由上图可知，在JDK中，乘数n为31，为什么使用31？（了解一下）

• JVM 会将 31 * i 优化成 (i << 5) - i
• 31∗i=(25−1)∗i=i∗25−i=(i<<5)−i31 * i =(2^5-1) * i = i * 2^5 - i = (i << 5) - i31∗i=(25−1)∗i=i∗25−i=(i<<5)−i
• 31 不仅仅是符合2n−12^n-12n−1，它是个奇素数（既是奇数，又是素数，也就是质数）
• 素数和其他数相乘的结果比其他方式更容易产成唯一性，减少哈希冲突
• 最终选择 31 是经过观测分布结果后的选择

因此在Java中，下面两种写法完全等价。

哈希值计算总结

Java 中内置了计算哈希值的函数。

自定义对象的哈希值

我们写一个简单的Person类。

public class Person {private int age;private float height;private String name;public Person(int age, float height, String name) {super();this.age = age;this.height = height;this.name = name;}
}

不重写hashCode

可以看到不重写hashCode也不重写equals的情况下，虽然自定义对象的属性值都是相等的，但是计算出来的哈希值不一样。（不重写hashCode的情况下，默认的哈希值的计算与内存地址有关系，即内存地址相同才有相同的哈希值）

重写hashCode

在 Person.java 内部重写了hashCode方法，使用了 Person 类所有的信息来计算哈希值。

public class Person {private int age;private float height;private String name;public Person(int age, float height, String name) {super();this.age = age;this.height = height;this.name = name;}@Overridepublic int hashCode() {int hashCode = Integer.hashCode(age);// *31是因为JVM内部优化hashCode = hashCode * 31 + Float.hashCode(height);hashCode = hashCode * 31 + (name!=null ? name.hashCode() : 0);return hashCode;}}

可见，重写hashCode的情况下，只要自定义对象的属性值都是相等的，计算出来的哈希值也是相等的。

重写hashCode方法和equals方法

hashCode方法的作用上面已经说过了，这里主要看一下 equals 方法。

equals 用以判断2个key 是否为同一个key。

• 自反性
  对于任何非 null 的 x
  x.equals(x) 必须返回 true
• 对称性
  对于任何非 null 的 x、y
  如果y.equals(x)返回 true
  x.equals(y)必须返回 true
• 传递性
  对于任何非 null 的 x、y、z
  如果x.equals(y)、y.equals(z)返回 true
  那么x.equals(z)必须返回 true
• 一致性
  对于任何非 null 的 x、y
  只要 equals 的比较操作在对象中所用的信息没有被修改
  x.equals(y)的结果就不会变

不同类型的数据有可能计算出相同的哈希值，例如 String类型的数据与Double类型的数据的哈希值可能相同，此时会产生冲突，Java中解决冲突的方法为单链表与红黑树。
当两个 key 不相等，但是哈希值相等时，我们需要用 equals 方法来判断两个 key 是否为同一个key，此时就需要重写 equals。

public class Person {private int age;private float height;private String name;public Person(int age, float height, String name) {super();this.age = age;this.height = height;this.name = name;}@Override/*** 比较两个对象是否相等*/public boolean equals(Object obj) {if(this == obj) return true;if(obj == null || obj.getClass() != getClass()) return false;Person person = (Person)obj;return person.age == age && person.height == height&& person.name==null ? name==null : person.name.equals(name);// 传入name若为空，则当前对象name也必须为空才为 true// 传入name若不为空，则调用equals方法比较即可}@Overridepublic int hashCode() {int hashCode = Integer.hashCode(age);hashCode = hashCode * 31 + Float.hashCode(height);hashCode = hashCode * 31 + (name!=null ? name.hashCode() : 0);return hashCode;}}

验证一下重写了equals和hashCode的作用：

• 由于重写 hashCode，p1、p2 哈希值必然相等，则放入 map 会去比较 key
• 由于重写 equals，p1、p2 为同一 key，则 p1 会覆盖 p2

public static void main(String[] args) {Person p1 = new Person(18, 1.75f, "jerry");Person p2 = new Person(18, 1.75f, "jerry");// 由于重写 hashCode(),p1、p2哈希值必然相等Map<Object, Object> map = new HashMap<>();map.put(p1, "abc");map.put("test", "bcd");// 由于 p1 与 p2 哈希值相等// 会比较 p1 与 p2 是否为同一key// 由于重写 equals(), p1、p1为同一keymap.put(p2, "ccc"); // 同一 key 则覆盖,map里的元素数量不增加System.out.println(map.size()); // 2
}

2

• 若只重写 hashCode
  由于重写 hashCode，p1、p2 哈希值必然相等，则放入 map 会去比较 key
  但是 equals 默认比较地址，p1、p2地址不同，不为同一 key，因此 map.size() 为3
• 若只重写 equals
  由于没有重写 hashCode，p1、p2 哈希值大概率不相等(有极小可能相等)
  一般情况下，p1、p2哈希值不相等，map.size()值应当为3
  若是真遇到了哈希值相等的情况，由于重写了 equals，map.size()值为2

结论就是，重写 hashCode 与 equals 是最稳妥的做法。

易错点总结

• 哈希值相等，根据哈希函数求的索引必然相等
• 哈希值不相等，根据哈希函数求的索引有可能相等
  原因是hash_code(key) & (table.length - 1)取模运算可能会遇到相等的情况
  可以理解为 2 % 3 = 2，5 % 3 = 2，2 和 3 不相等，%3 的结果却相等
• HashMap 的 key 必须实现 hashCode、equals 方法，也允许 key 为null

《恋上数据结构第1季》哈希表介绍以及从源码分析哈希值计算相关推荐

1. 《恋上数据结构第1季》动态数组实现栈

   栈(Stack) 栈的应用 – 浏览器的前进和后退 栈的接口设计 动态数组实现栈 练习题 逆波兰表达式求值 有效的括号 数据结构与算法笔记目录:<恋上数据结构> 笔记目录 想加深 Java ...

2. 《恋上数据结构第1季》二叉搜索树BST

   二叉搜索树(BinarySearchTree) BST 接口设计 BST 基础 添加元素: add() 删除元素: remove() 删除节点 – 叶子节点 删除节点 – 度为1的节点 删除节点 – ...

3. 《恋上数据结构第1季》映射 TreeMap，HashMap，LinkedHashMap

   映射 Map Map的接口定义 Map.java 红黑树 RBTree 实现 TreeMap TreeMap 分析 哈希表实现 HashMap HashMap 升级为 LinkedHashMap 数据 ...

4. 《恋上数据结构第1季》单向链表、双向链表

   链表(Linked List) 链表的接口设计 单向链表(SingleLinkedList) 获取元素 – get() 清空元素 – clear() 添加元素 – add(int index, E e ...

5. 《恋上数据结构第1季》动态扩容数组原理及实现

   动态扩容数组 什么是数据结构? 线性表 数组(Array) 动态数组(Dynamic Array) 动态数组接口设计 清除所有元素 - clear() 添加元素 - add(E element).ad ...

6. 《恋上数据结构第1季》B树

   B树 m阶B树的性质 B树 vs 二叉搜索树 搜索 添加 – 上溢 添加 – 上溢的解决(假设5阶) 删除 删除 – 叶子节点 删除 – 非叶子节点 删除 – 下溢 删除 – 下溢的解决 4阶B树 数 ...

7. 《恋上数据结构第1季》二叉树代码实现

   二叉树(BinaryTree) BinaryTree 基础 遍历(先序.中序.后序.层次遍历) 先序遍历: preorder() 中序遍历: inorder() 后序遍历: postorder() 层 ...

8. 《恋上数据结构第1季》二叉树基础、真二叉树、满二叉树、完全二叉树、二叉树的遍历（重点）

   二叉树(Binary Tree) 树(Tree)的基本概念 有序树.无序树.森林 二叉树(Binary Tree) 二叉树的性质 真二叉树(Proper Binary Tree) 满二叉树(Full ...

9. 《恋上数据结构第1季》字典树 Trie

   字典树Trie Trie 简介 Trie 实现 接口设计 源码 测试 数据结构与算法笔记目录:<恋上数据结构> 笔记目录 想加深 Java 基础推荐看这个: Java 强化笔记目录 Tri ...

最新文章

1. ue4商城资源 Car Configurator Template 汽车配置器模板
2. Ecplise中tomcat上运行HTML文件自动加载
3. yum安装etcd集群
4. JAVA常见面试题之Error、RuntimeException、CheCkedException
5. [USACO15JAN]踩踏Stampede
6. 【Android 高性能音频】高性能音频简介 ( 高性能音频问题引入 | 使用场景 | 相关开发库及技术 )
7. css3宽度变大动画_不会仪表？太尴尬了。14种动画让你轻松掌握各种流量计工作原理...
8. 编写c语言程序 斐波那契,请编写一个函数,生成并显示前n个斐波那契数.在主程序中测试...
9. 成员的访问控制java_java类成员的访问控制(翻译自Java Tutorials)
10. 前端框架Vue——vue-i18n ，vue项目中如何实现国际化，$t的用法
11. 四、StringBuffer StringBuilder String 区别
12. （18）VHDL实现译码器
13. 小米平板5系列将有三个版本：搭载全新骁龙860芯片
14. 【Flask】ORM 关系一对一
15. php接口模式,PHP设计模式 - 流接口模式
16. alfred 4 (mac提升效率工具)
17. 【小伟哥AI之路】海康摄像头近距离不能对焦模糊问题
18. pdca实施的流程图_思维导图丨《高效PDCA工作术》流程图
19. 162手写板合封芯片专用IC输出可达50V外围简单SOP8封装
20. 阿里云，腾讯云，保利威视，金山云，七牛云的视频云方案有什么不同啊?

热门文章

1. 年轻时听到别人金钱至上的话语
2. 互联网赚钱，必须聚焦这三件事
3. 无人驾驶出租车已经在北京全面开放，未来普通人还需要学驾照吗？
4. 如何将namedtuples序列化为JSON
5. 虚电路网络和数据报网络
6. 字符串的连接最长路径查找
7. codeblock无法新建工程_龙园路顶管工程顶管机顺利始发，项目预计明年5月完工...
8. nlp中bpe_缓冲池扩展（BPE）–内存中OLTP：内存挑战
9. 2019 7.14学习笔记
10. MySQL----商品表及商品分类表例子