一文搞懂Rehash

一、什么是Rehash？

Rehash（重哈希） 是哈希表（Hash Table）动态调整容量的核心机制。当哈希表中的元素数量（负载因子）超过预设阈值时，系统会通过 扩容/缩容 并 重新计算所有元素的位置，以降低哈希冲突的概率，维持高效的查询性能。

类比：想象一个图书馆的书架，初始有10层，每层只能放5本书。当某层堆满50本书时，查找效率急剧下降。Rehash就像扩建书架到20层，并重新按规则摆放所有书籍，确保每层只有少量书，快速找到目标。

二、为什么需要Rehash？

哈希表的核心优势是 O(1)时间复杂度 的查询，但这一特性依赖于元素的均匀分布。当元素过多导致哈希冲突时：

• 链表过长：如JDK7的HashMap，冲突时形成链表，查询退化为O(n)。
• 红黑树转换：JDK8的HashMap在链表长度≥8时转为红黑树，但转换本身需要额外开销。

Rehash的作用：通过扩容（如容量翻倍）重新分散元素，使每个桶（Bucket）中的元素数量回归合理范围，恢复高效操作。

三、Rehash的核心原理

1. 触发条件

• 负载因子超标：负载因子 = 元素数量 / 哈希表容量。
  • Java HashMap：默认阈值0.75（容量16时，元素超过12触发扩容）。
  • Redis：非持久化模式阈值1，持久化模式阈值5（避免频繁内存复制）。
• 主动缩容：如Redis在负载因子<0.1时缩容，释放内存。

2. 执行步骤

• Step 1：创建新表
  按规则扩容（如翻倍）或缩容（如减半）。
  示例：Redis选择第一个≥原容量2倍的2的幂次方（如16→32）。

• Step 2：数据迁移
  遍历旧表，重新计算每个元素的哈希值和新位置。
  优化技巧：

  • JDK8的HashMap：利用哈希值的高位判断新位置，避免重新计算整个哈希值。
  • C++ unordered_map：打碎过长的链表，减少后续冲突。

• Step 3：替换旧表
  迁移完成后，释放旧表内存，新表正式生效。

3. 渐进式Rehash（以Redis为例）

问题：一次性迁移海量数据会导致服务阻塞。
解决方案：

• 分桶迁移：每次处理用户请求时，顺带迁移一个桶的数据，通过rehashidx记录进度。
• 双表共存：迁移期间，查询需同时检查新旧表；新增数据直接写入新表，旧表只减不增。

示例：Redis处理一个GET请求时，若发现正在Rehash，则迁移当前桶的数据，再将请求转发到新表。

四、Rehash的优缺点

典型案例：

• JDK7的HashMap：多线程下Rehash可能导致链表闭环，引发死循环（JDK8已修复）。
• Redis集群：Rehash期间内存占用翻倍，可能触发OOM（需预留足够内存）。

五、Rehash的注意事项

1. 负载因子选择

• 高阈值（如0.9）：内存利用率高，但冲突风险大，适合内存敏感场景。
• 低阈值（如0.5）：查询性能优，但浪费内存，适合实时性要求高的系统。

2. 哈希函数设计

• 均匀分布：避免热点冲突。例如，Java的String类通过多项式计算哈希值，减少相似字符串的冲突。
• 扩容不变性：大多数实现（如HashMap）不改变哈希函数，仅调整取模运算。

3. 并发与安全

• 线程安全：
  • Java ConcurrentHashMap：分段锁+CAS，保证并发安全。
  • Redis单线程模型：天然避免并发问题，但Rehash期间可能阻塞其他操作。
• 迭代器失效：Rehash后旧迭代器可能指向错误位置，需重新获取。

4. 渐进式策略的平衡

• 迁移速度：Redis每次迁移一个桶，并限制空桶访问次数，平衡吞吐量和内存占用。
• 内存预警：提前监控负载因子，避免Rehash期间内存耗尽。

六、Rehash的设计初衷

1. 动态平衡
   哈希表的容量需随数据量动态变化。静态容量要么浪费内存（初始过大），要么频繁扩容（初始过小）。Rehash通过自动调整，实现内存与性能的平衡。

2. 性能兜底
   当哈希函数不完美或数据分布不均时，Rehash是最后的“纠错机制”，防止查询性能雪崩式下降。

3. 资源高效利用
   缩容机制避免内存浪费，尤其在内存紧张的嵌入式系统或高频更新的缓存场景中至关重要。

七、不同场景下的Rehash实现

八、总结

Rehash是哈希表的“自我修复”机制，核心在于 动态平衡：

• 时间与空间：扩容提升性能但增加内存，缩容反之。
• 实现与优化：渐进式策略以额外内存换取平滑迁移。

最佳实践建议：

• 监控负载因子：根据业务特点调整阈值（如实时系统设低阈值）。
• 预分配容量：提前估算数据量，减少Rehash次数。
• 谨慎选择哈希函数：避免热点Key导致频繁Rehash。

无论是开发Java应用、设计Redis集群，还是优化C++程序，理解Rehash的机制都能帮助你在性能与资源之间找到最佳平衡点。