真正搞懂hashCode和hash算法 |
您所在的位置：网站首页 › Hash算法的安全要求有哪些 › 真正搞懂hashCode和hash算法 |
真正搞懂hashCode和hash算法
|
本人当初刚接触java的时候一说到hash算法或者hashCode也是蛋蛋疼，两只都疼 后来花了整整一天时间来研究hash，搞懂后发现其实也不难理解，时隔一年突然想起来，写篇博客记录下； 以前我莫得选择，现在我想搞懂hash，搞懂算法，做大做强，再创辉煌！ 本文会围绕以下几个点来讲： 什么是hashCode？ hashCode和equals的关系 剖析hashMap的hash算法（重点） 为什么会有hashCode 先抛一个结论 hashCode的设计初衷是提高哈希容器的性能 抛开hashCode，现在让你对比两个对象是否相等，你会怎么做？ thisObj == thatObj thisObj.equals(thatObj) 我想不出第三种了，而且这两种其实没啥大的区别，object的equals()方法底层也是==，jdk1.8 Object类的第148行； public boolean equals(Object obj) { return (this == obj); }为什么有了equals还要有hashCode？上面说了，hashCode的设计初衷是提高哈希容器的性能，equals的效率是没有hashCode高的，不信的可以自己去试一下； 像我们常用的HashMap、HashTable等，某些场景理论上讲是可以不要hashCode的，但是会牺牲很多性能，这肯定不是我们想看到的； 什么是hashCode 知道hashCode存在的意义后，我们来研究下hashCode，看下长什么样 对象调用hashCode方法后，会返回一串int类型的数字码 Car car = new Car(); log.info("对象的hashcode：{}", car.hashCode()); log.info("1433223的hashcode：{}", "1433223".hashCode()); log.info("郭德纲的hashcode：{}", "郭德纲".hashCode()); log.info("小郭德纲的hashcode：{}", "小郭德纲".hashCode()); log.info("彭于晏的hashcode：{}", "彭于晏".hashCode()); log.info("唱跳rap篮球的hashcode：{}", "唱跳rap篮球".hashCode());运行结果 对象的hashcode：357642 1433223的hashcode：2075391824 郭德纲的hashcode：36446088 小郭德纲的hashcode：738530585 彭于晏的hashcode：24125870 唱跳rap篮球的hashcode：-767899628 ##因为返回值是int类型，有负数很正常 可以看出，对象的hashcode值跟对象本身的值没啥联系，比如郭德纲和小郭德纲，虽然只差一个字，它们的hashCode值没半毛钱关系~ hashCode和equals的关系 java规定： 如果两个对象的hashCode()相等，那么他们的equals()不一定相等。 如果两个对象的equals()相等，那么他们的hashCode()必定相等。 还有一点，重写equals()方法时候一定要重写hashCode()方法，不要问为什么，无脑写就行了，会省很多事 hash算法前面都是铺垫，这才是今天的主题 我们以HashMap的hash算法来看，个人认为这是很值得搞懂的hash算法，设计超级超级巧妙 static final int hash(Object key) { int h; return (key == null) ? 0 : (h = key.hashCode()) ^ (h >>> 16); }这是hashMap的hash算法，我们一步一步来看 (h = key.hashCode()) ^ (h >>> 16)hashCode就hashCode嘛，为啥还要>>>16，这个 ^ 又是啥，不着急一个一个来说 hashMap我们知道默认初始容量是16，也就是有16个桶，那hashmap是通过什么来计算出put对象的时候该放到哪个桶呢 final Node getNode(int hash, Object key) { Node[] tab; Node first, e; int n; K k; if ((tab = table) != null && (n = tab.length) > 0 && (first = tab[(n - 1) & hash]) != null) { if (first.hash == hash && // always check first node ((k = first.key) == key || (key != null && key.equals(k)))) return first; if ((e = first.next) != null) { if (first instanceof TreeNode) return ((TreeNode)first).getTreeNode(hash, key); do { if (e.hash == hash && ((k = e.key) == key || (key != null && key.equals(k)))) return e; } while ((e = e.next) != null); } } return null; }上面是hashmap的getNode方法，对hashmap源码有兴趣的同学自行研究，我们今天主要看这一句：(n - 1) & hash 也就是说hashmap是通过数组长度-1&key的hash值来计算出数组下标的，这里的hash值就是上面(h = key.hashCode()) ^ (h >>> 16)计算出来的值 不要慌不要慌不要慌，看不懂没关系，我们现在总结下目前的疑问 为什么数组长度要 - 1，直接数组长度&key.hashCode不行吗 为什么要length-1 & key.hashCode计算下标，而不是用key.hashCode % length 为什么要^运算 为什么要>>>16 先说结论 数组长度-1、^运算、>>>16，这三个操作都是为了让key在hashmap的桶中尽可能分散 用&而不用%是为了提高计算性能 我们先看下如果数组长度不-1和不进行>>>16运算造成的结果，知道了结果我们后面才来说为什么，这样子更好理解 log.info("数组长度不-1：{}", 16 & "郭德纲".hashCode()); log.info("数组长度不-1：{}", 16 & "彭于晏".hashCode()); log.info("数组长度不-1：{}", 16 & "李小龙".hashCode()); log.info("数组长度不-1：{}", 16 & "蔡徐鸡".hashCode()); log.info("数组长度不-1：{}", 16 & "唱跳rap篮球鸡叫".hashCode()); log.info("数组长度-1但是不进行异或和>>>16运算：{}", 15 & "郭德纲".hashCode()); log.info("数组长度-1但是不进行异或和>>>16运算：{}", 15 & "彭于晏".hashCode()); log.info("数组长度-1但是不进行异或和>>>16运算：{}", 15 & "李小龙".hashCode()); log.info("数组长度-1但是不进行异或和>>>16运算：{}", 15 & "蔡徐鸡".hashCode()); log.info("数组长度-1但是不进行异或和>>>16运算：{}", 15 & "唱跳rap篮球鸡叫".hashCode()); log.info("数组长度-1并且进行异或和>>>16运算：{}", 15 & ("郭德纲".hashCode()^("郭德纲".hashCode()>>>16))); log.info("数组长度-1并且进行异或和>>>16运算：{}", 15 & ("彭于晏".hashCode()^("彭于晏".hashCode()>>>16))); log.info("数组长度-1并且进行异或和>>>16运算：{}", 15 & ("李小龙".hashCode()^("李小龙".hashCode()>>>16))); log.info("数组长度-1并且进行异或和>>>16运算：{}", 15 & ("蔡徐鸡".hashCode()^("蔡徐鸡".hashCode()>>>16))); log.info("数组长度-1并且进行异或和>>>16运算：{}", 15 & ("唱跳rap篮球鸡叫".hashCode()^("唱跳rap篮球鸡叫".hashCode()>>>16)));数组长度不-1：0 数组长度不-1：0 数组长度不-1：16 数组长度不-1：16 数组长度不-1：16 数组长度-1但是不进行异或和>>>16运算：8 数组长度-1但是不进行异或和>>>16运算：14 数组长度-1但是不进行异或和>>>16运算：8 数组长度-1但是不进行异或和>>>16运算：2 数组长度-1但是不进行异或和>>>16运算：14 数组长度-1并且进行异或和>>>16运算：4 数组长度-1并且进行异或和>>>16运算：14 数组长度-1并且进行异或和>>>16运算：7 数组长度-1并且进行异或和>>>16运算：13 数组长度-1并且进行异或和>>>16运算：2 一下就看出区别了哇，第一组返回的下标就只有0和16，第二组也只有2、8、14，第三组的下标就很分散，这才是我们想要的 这结合hashMap来看，前两组造成的影响就是key几乎全部怼到同一个桶里，及其不分散，用行话讲就是有太多的hash冲突，这对hashMap的性能有很大影响，hash冲突造成的链表红黑树转换那些具体的原因这里就不展开说了 而且！！ 而且！！ 而且！！ 如果数组长度不 - 1，刚上面也看到了，会返回16这个下标，数组总共长度才16，下标最大才15，16越界了呀 原理知道了结果，现在说说其中的玄学 1、为什么数组长度要 - 1，直接数组长度&key.hashCode不行吗? 我们先不考虑数组下标越界的问题，hashMap默认长度是16，看看16的二进制码是多少 log.info("16的二进制码：{}",Integer.toBinaryString(16)); //16的二进制码：10000，再看看key.hashCode()的二进制码是多少，以郭德纲为例 log.info("key的二进制码：{}",Integer.toBinaryString("郭德纲".hashCode())); //key的二进制码：10001011000001111110001000 length & key.hashCode() => 10000 & 10001011000001111110001000 位数不够，高位补0，即 0000 0000 0000 0000 0000 0001 0000 & 0010 0010 1100 0001 1111 1000 1000 &运算规则是第一个操作数的的第n位于第二个操作数的第n位都为1才为1，否则为0 所以结果为0000 0000 0000 0000 0000 0000 0000，即 0
冷静分析，问题就出在16的二进制码上，它码是10000，只有遇到hash值二进制码倒数第五位为1的key他们&运算的结果才不等于0，这句话好好理解下，看不懂就别强制看，去摸会儿鱼再回来看 再来看16-1的二进制码，它码是1111，同样用郭德纲这个key来举例 (length-1) & key.hashCode() => 1111 & 10001011000001111110001000 位数不够，高位补0，即 0000 0000 0000 0000 0000 0000 1111 & 0010 0010 1100 0001 1111 1000 1000 &运算规则是第一个操作数的的第n位于第二个操作数的第n位都为1才为1，否则为0 所以结果为0000 0000 0000 0000 0000 0000 1000，即 8如果还看不出这其中的玄机，你就多搞几个key来试试，总之记住，限制它们&运算的结果就会有很多种可能性了，不再受到hash值二进制码倒数第五位为1才能为1的限制 2、为什么要length-1&key.hashCode计算下标，而不是用key.hashCode%length? 这个其实衍生出三个知识点 1、其实(length-1)&key.hashCode计算出来的值和key.hashCode%length是一样的 log.info("(length-1)&key.hashCode：{}",15&"郭德纲".hashCode()); log.info("key.hashCode%length：{}","郭德纲".hashCode()%16); // (length-1)&key.hashCode：8 // key.hashCode%length：8那你可能更蒙逼了，都一样的为啥不用%，这就要说到第二个知识点 2、只有当length为2的n次方时，(length-1)&key.hashCode才等于key.hashCode%length，比如当length为15时 log.info("(length-1)&key的hash值：{}",14&"郭德纲".hashCode()); log.info("key的hash值%length：{}","郭德纲".hashCode()%15); // (length-1)&key.hashCode：8 // key.hashCode%length：3可能又有小朋友会思考，我不管那我就想用%运算，要用魔法打败魔法，请看第三点 3、用&而不用%是为了提高计算性能，对于处理器来讲，&运算的效率是高于%运算的，就这么简单，除此之外，除法的效率也没&高 3、为什么要进行^运算，|运算、&运算不行吗? 这是异或运算符，第一个操作数的的第n位于第二个操作数的第n位相反才为1，否则为0 我们多算几个key的值出来对比 //不进行异或运算返回的数组下标 log.info("郭德纲：{}", Integer.toBinaryString("郭德纲".hashCode())); log.info("彭于晏：{}", Integer.toBinaryString("彭于晏".hashCode())); log.info("李小龙：{}", Integer.toBinaryString("李小龙".hashCode())); log.info("蔡徐鸡：{}", Integer.toBinaryString("蔡徐鸡".hashCode())); log.info("唱跳rap篮球鸡叫：{}", Integer.toBinaryString("唱跳rap篮球鸡叫".hashCode())); 00001000101100000111111000 1000 00000101110000001000011010 1110 00000110001111100100010011 1000 00000111111111111100010111 0010 10111010111100100011001111 1110 进行&运算，看下它们返回的数组下标，length为16的话，只看后四位即可 8 14 8 2 14 //进行异或运算返回的数组下标 log.info("郭德纲：{}", Integer.toBinaryString("郭德纲".hashCode()^("郭德纲".hashCode()>>>16))); log.info("彭于晏：{}", Integer.toBinaryString("彭于晏".hashCode()^("彭于晏".hashCode()>>>16))); log.info("李小龙：{}", Integer.toBinaryString("李小龙".hashCode()^("李小龙".hashCode()>>>16))); log.info("蔡徐鸡：{}", Integer.toBinaryString("蔡徐鸡".hashCode()^("蔡徐鸡".hashCode()>>>16))); log.info("唱跳rap篮球鸡叫：{}", Integer.toBinaryString("唱跳rap篮球鸡叫".hashCode()^("唱跳rap篮球鸡叫".hashCode()>>>16))); 0000001000101100000111011010 0100 0000000101110000001000001101 1110 0000000110001111100100001011 0111 0000000111111111111100001000 1101 0010111010111100101000100100 0010 进行&运算，看下它们返回的数组下标，length为16的话，只看后四位即可 4 14 7 13 2很明显，做了^运算的数组下标更分散 如果还不死心，再来看几个例子 看下 ^、|、&这三个位运算的结果就知道了 log.info("^ 运算：{}", 15 & ("郭德纲".hashCode() ^ ("郭德纲".hashCode() >>> 16))); log.info("^ 运算：{}", 15 & ("彭于晏".hashCode() ^ ("彭于晏".hashCode() >>> 16))); log.info("^ 运算：{}", 15 & ("李小龙".hashCode() ^ ("李小龙".hashCode() >>> 16))); log.info("^ 运算：{}", 15 & ("蔡徐鸡".hashCode() ^ ("蔡徐鸡".hashCode() >>> 16))); //^ 运算：4 //^ 运算：14 //^ 运算：7 //^ 运算：13 log.info("| 运算：{}", 15 & ("郭德纲".hashCode() | ("郭德纲".hashCode() >>> 16))); log.info("| 运算：{}", 15 & ("彭于晏".hashCode() | ("彭于晏".hashCode() >>> 16))); log.info("| 运算：{}", 15 & ("李小龙".hashCode() | ("李小龙".hashCode() >>> 16))); log.info("| 运算：{}", 15 & ("蔡徐鸡".hashCode() | ("蔡徐鸡".hashCode() >>> 16))); //| 运算：12 //| 运算：14 //| 运算：15 //| 运算：15 log.info("& 运算：{}", 15 & ("郭德纲".hashCode() & ("郭德纲".hashCode() >>> 16))); log.info("& 运算：{}", 15 & ("彭于晏".hashCode() & ("彭于晏".hashCode() >>> 16))); log.info("& 运算：{}", 15 & ("李小龙".hashCode() & ("李小龙".hashCode() >>> 16))); log.info("& 运算：{}", 15 & ("蔡徐鸡".hashCode() & ("蔡徐鸡".hashCode() >>> 16))); //& 运算：8 //& 运算：0 //& 运算：8 //& 运算：2现在看出来了吧，^ 运算的下标分散，具体原理在下文会说 4、为什么要>>>16，>>>15不行吗？ 这是无符号右移16位，位数不够，高位补0 现在来说进行 ^ 运算中的玄学，其实>>>16和 ^ 运算是相辅相成的关系，这一套操作是为了保留hash值高16位和低16位的特征，因为数组长度(按默认的16来算)减1后的二进制码低16位永远是1111，我们肯定要尽可能的让1111和hash值产生联系，但是很显然，如果只是1111&hash值的话，1111只会与hash值的低四位产生联系，也就是说这种算法出来的值只保留了hash值低四位的特征，前面还有28位的特征全部丢失了； 因为&运算是都为1才为1，1111我们肯定是改变不了的，只有从hash值入手，所以hashMap作者采用了 key.hashCode() ^ (key.hashCode() >>> 16) 这个巧妙的扰动算法，key的hash值经过无符号右移16位，再与key原来的hash值进行 ^ 运算，就能很好的保留hash值的所有特征，这种离散效果才是我们最想要的。 上面这两段话就是理解>>>16和 ^ 运算的精髓所在，如果没看懂，建议你休息一会儿再回来看，总之记住，目的都是为了让数组下标更分散 再补充一点点，其实并不是非得右移16位，如下面得测试，右移8位右移12位都能起到很好的扰动效果，但是hash值的二进制码是32位，所以最理想的肯定是折半咯，雨露均沾 log.info(">>>16运算：{}", 15 & ("郭德纲".hashCode() ^ ("郭德纲".hashCode() >>> 16))); log.info(">>>16运算：{}", 15 & ("彭于晏".hashCode() ^ ("彭于晏".hashCode() >>> 16))); log.info(">>>16运算：{}", 15 & ("李小龙".hashCode() ^ ("李小龙".hashCode() >>> 16))); log.info(">>>16运算：{}", 15 & ("蔡徐鸡".hashCode() ^ ("蔡徐鸡".hashCode() >>> 16))); //>>>16运算：4 //>>>16运算：14 //>>>16运算：7 //>>>16运算：13 log.info(">>>16运算：{}", 15 & ("郭德纲".hashCode() ^ ("郭德纲".hashCode() >>> 8))); log.info(">>>16运算：{}", 15 & ("彭于晏".hashCode() ^ ("彭于晏".hashCode() >>> 8))); log.info(">>>16运算：{}", 15 & ("李小龙".hashCode() ^ ("李小龙".hashCode() >>> 8))); log.info(">>>16运算：{}", 15 & ("蔡徐鸡".hashCode() ^ ("蔡徐鸡".hashCode() >>> 8))); //>>>8运算：7 //>>>8运算：1 //>>>8运算：9 //>>>8运算：3 log.info(">>>16运算：{}", 15 & ("郭德纲".hashCode() ^ ("郭德纲".hashCode() >>> 12))); log.info(">>>16运算：{}", 15 & ("彭于晏".hashCode() ^ ("彭于晏".hashCode() >>> 12))); log.info(">>>16运算：{}", 15 & ("李小龙".hashCode() ^ ("李小龙".hashCode() >>> 12))); log.info(">>>16运算：{}", 15 & ("蔡徐鸡".hashCode() ^ ("蔡徐鸡".hashCode() >>> 12))); //>>>12运算：9 //>>>12运算：12 //>>>12运算：1 //>>>12运算：13 搞java你是避不开hash家族的，与其逃避不如花点心思彻底搞懂！嘤嘤嘤~ 写了整整一天终于我写完了 嘤嘤嘤~ 好害羞 嘤嘤嘤~ 好紧张 |
【本文地址】
今日新闻 |
推荐新闻 |