【数据结构】30、hashmap=》hash 计算方式

释放双眼,带上耳机,听听看~!

前提知识

写在前面,为什么num&(length - 1) 在length是2的n次幂的时候等价于num%length

n - 1意味着比n最高位小的位都为1,而高的位都为0,因此通过与可以剔除位数比n最高位更高的部分,只保留比n最高位小的部分,也就是取余了。

而且用位运算取代%,效率会比较高。

 

基于以上几点,我们再看看hashmap中如何计算hash值得

【数据结构】30、hashmap=》hash 计算方式

 

这里吧key的hashcode取出来,然后把它右移16位,然后取异或

这里从我Google得到的信息是,int是4个字节,也就是32位,我们右移16位也即是把高位的数据右移到低位的16位,然后做异或,那就是把高位和低位的数据进行重合

同时保留了低位和高位的信息

但是为什么是右移16位,这边保留疑问,我要是右移8位,4位,2位呢???

不做右移肯定不是,不做右移直接异或,那不就是0么

 

我们直接做个测试

public static int hash(Object key) {
        int h;
        //也就将key的hashCode无符号右移16位然后与hashCode异或从而得到hash值在putVal方法中(n - 1)& hash计算得到桶的索引位置
        //注意,这里h是int值,也就是32位,然后无符号又移16位,那么就是折半,折半之后和原来的数据做异或操作,正好整合了高位和低位的数据
        //混合原始哈希码的高位和低位,以此来加大低位的随机性,而且混合后的低位掺杂了高位的部分特征,这样高位的信息也被变相保留下来。
        return (key == null) ? 0 : (h = key.hashCode()) ^ (h >>> 16);
    }

    //测试,如果我们不做高位低位的操作看看hash冲突是大还是小
    public static int hash2(Object key) {
        return (int) key;
    }

    public static int hash3(Object key) {
        int h = key.hashCode();
        //我们不做右移试试,那就自己跟自己异或。。。没意义,只能是0了
        return (key == null) ? 0 : h ^ h;
    }

    public static int hash4(Object key) {
        int h;
        //我们不做右移试试,或者右移8位试试
        return (key == null) ? 0 : (h = key.hashCode()) ^ (h >>> 8);
    }

    public static int hash5(Object key) {
        int h;
        //我们不做右移试试,或者右移8位试试
        return (key == null) ? 0 : (h = key.hashCode()) ^ (h >>> 4);
    }

    public static int hash6(Object key) {
        int h;
        //我们不做右移试试,或者右移8位试试
        return (key == null) ? 0 : (h = key.hashCode()) ^ (h >>> 2);
    }

hash3的测试可以去除不用考虑了

public void testHash() {
        //产生随机数
        int init = 64 * 64;
        int size = 64 * 64;

        for(int j = 0; j < 10; ++j) {
//            int size = init * (j+1);
            size *= 2;

            int hash1[] = new int[size];
            int hash2[] = new int[size];
            int hash3[] = new int[size];
            int hash4[] = new int[size];
            int hash5[] = new int[size];
            int hash6[] = new int[size];

            int testCount = size;
            int exist1 = 0;
            int exist2 = 0;
            int exist3 = 0;
            int exist4 = 0;
            int exist5 = 0;
            int exist6 = 0;

            for(int i = 0; i < testCount; ++i) {

                int key = (int) ((Math.random() * (size - 1)) + 1);

                if(hash1[MyHashMap.hash(key)&(size - 1)] != 0) {
                    exist1++;
                } else {
                    hash1[MyHashMap.hash(key)&(size - 1)] = 1;
                }
            }

            for(int i = 0; i < testCount; ++i) {

                int key = (int) ((Math.random() * (size - 1)) + 1);

                if(hash2[MyHashMap.hash2(key)&(size - 1)] != 0) {
                    exist2++;
                } else {
                    hash2[MyHashMap.hash2(key)&(size - 1)] = 1;
                }
            }

//        for(int i = 0; i < testCount; ++i) {
//
//            int key = (int) ((Math.random() * (size - 1)) + 1);
//
//            if(hash3[MyHashMap.hash3(key)&(size - 1)] != 0) {
//                exist3++;
//            } else {
//                hash3[MyHashMap.hash3(key)&(size - 1)] = 1;
//            }
//        }

            for(int i = 0; i < testCount; ++i) {

                int key = (int) ((Math.random() * (size - 1)) + 1);

                if(hash4[MyHashMap.hash4(key)&(size - 1)] != 0) {
                    exist4++;
                } else {
                    hash4[MyHashMap.hash4(key)&(size - 1)] = 1;
                }
            }

            for(int i = 0; i < testCount; ++i) {

                int key = (int) ((Math.random() * (size - 1)) + 1);

                if(hash5[MyHashMap.hash5(key)&(size - 1)] != 0) {
                    exist5++;
                } else {
                    hash5[MyHashMap.hash5(key)&(size - 1)] = 1;
                }
            }

            for(int i = 0; i < testCount; ++i) {

                int key = (int) ((Math.random() * (size - 1)) + 1);

                if(hash6[MyHashMap.hash6(key)&(size - 1)] != 0) {
                    exist6++;
                } else {
                    hash6[MyHashMap.hash6(key)&(size - 1)] = 1;
                }
            }

            System.out.println(\"冲突比较:\\t1:\" + exist1 + \"\\t2:\" + exist2 + \"\\t4:\" + exist4 + \"\\t5:\" + exist5 + \"\\t6:\" + exist6);
        }

    }

开始测试:

上面是size会递增的,现在我们先测size不变的情况看看效果

size=64 * 64

【数据结构】30、hashmap=》hash 计算方式

从结果上看明显是右移8位冲突比较少!!!

 我们把size扩大一倍

【数据结构】30、hashmap=》hash 计算方式

再扩大一倍

【数据结构】30、hashmap=》hash 计算方式

这次还比较平价

 

 

有人会说这是因为每次随机的数不一样的,每次都是产生新的随机数,没有可比性

那么我们每次用一个固定的数去进行hash碰撞

还是64*64开始,依次乘以2,4

@org.junit.jupiter.api.Test
    public void testHash2() throws InterruptedException {
        //产生随机数
        int init = 64 * 64;
        int size = 8;

        System.out.println(\"冲突比较:\\t1:jdk1.8\\t2:没有操作\\t\\t4:右移8位\\t\\t5:右移4位\\t\\t6:右移2位\");

        for(int j = 0; j < 10; ++j) {
//            int size = init * (j+1);
            size = 8 * j + size;
            int hash1[] = new int[size];
            int hash2[] = new int[size];
            int hash4[] = new int[size];
            int hash5[] = new int[size];
            int hash6[] = new int[size];

            int testCount = size / 3;
            int exist1 = 0;
            int exist2 = 0;
            int exist4 = 0;
            int exist5 = 0;
            int exist6 = 0;

            for(int i = 0; i < testCount; ++i) {
                Thread.sleep(i + 1);
                int key = (int) ((Math.random() * (size - 1)) + 1) * j * (i + 1);

                if(hash1[MyHashMap.hash(key)&(size - 1)] != 0) {
                    exist1++;
                } else {
                    hash1[MyHashMap.hash(key)&(size - 1)] = 1;
                }

                if(hash2[MyHashMap.hash2(key)&(size - 1)] != 0) {
                    exist2++;
                } else {
                    hash2[MyHashMap.hash2(key)&(size - 1)] = 1;
                }

                if(hash4[MyHashMap.hash4(key)&(size - 1)] != 0) {
                    exist4++;
                } else {
                    hash4[MyHashMap.hash4(key)&(size - 1)] = 1;
                }

                if(hash5[MyHashMap.hash5(key)&(size - 1)] != 0) {
                    exist5++;
                } else {
                    hash5[MyHashMap.hash5(key)&(size - 1)] = 1;
                }

                if(hash6[MyHashMap.hash6(key)&(size - 1)] != 0) {
                    exist6++;
                } else {
                    hash6[MyHashMap.hash6(key)&(size - 1)] = 1;
                }
            }

            System.out.println(\"冲突比较:\\t1:\" + exist1 + \"\\t\\t2:\" + exist2 + \"\\t\\t4:\" + exist4 + \"\\t\\t\\t5:\" + exist5 + \"\\t\\t6:\" + exist6);
        }

    }

我们还是执行三次比较:

【数据结构】30、hashmap=》hash 计算方式

 

 从第一次看结果好像jdk自带的方式冲突还比较多。。。

 

【数据结构】30、hashmap=》hash 计算方式

 

 我最后再来一次,怎么感觉越来越不对劲。。。

 【数据结构】30、hashmap=》hash 计算方式

 

 

 总结:我懵逼了啊!!!为什么啊,我测试出来感觉jdk自带的右移16位的方式,并不能有效减少冲突,反而右移4或者8位测试效果比较好!!!

 

求大神解答!!!

 

给TA打赏
共{{data.count}}人
人已打赏
随笔日记

【Web前端Talk】React-loadable 进行代码分割的基本使用

2020-11-9 5:34:33

随笔日记

python之mock模块基本使用

2020-11-9 5:34:35

0 条回复 A文章作者 M管理员
    暂无讨论,说说你的看法吧
个人中心
购物车
优惠劵
今日签到
有新私信 私信列表
搜索