哈希算法和HashMap原理

哈希算法

• 什么是哈希算法

  哈希算法不是一个特定的算法，而是一类算法的统称，也叫散列算法。

• 算法的作用

  哈希算法是为了把任意一个数据，通过计算生成一个定长的key。一个数据只能与一个key对应，通过数据可以得出key值，不能通过key逆推出数据值。

  比较官方的说法：f(data)=key，输入任意长度的data数据，经过哈希算法处理后输出一个定长的数据key。同时这个过程是不可逆的，无法由key逆推出data。

• 哈希表

  如果是一个data数据集，经过哈希算法处理后得到key的数据集，然后将keys与原始数据进行一一映射就得到了一个哈希表。

  一般来说哈希表M符合M[key]=data这种形式。

  哈希表的好处是当原始数据较大时，我们可以用哈希算法处理得到定长的哈希值key，那么这个key相对原始数据要小得多。我们就可以用这个较小的数据集来做索引，达到快速查找的目的。

• 哈希冲突

  因为输入数据不定长，而输出的哈希值却是固定长度的，这意味着哈希值是一个有限集合，而输入数据则可以是无穷多个。

  那么建立一对一关系明显是不现实的。所以"碰撞"(不同的输入数据对应了相同的哈希值)是必然会发生的，所以一个成熟的哈希算法会有较好的抗冲突性。

  所以在哈希表实现时候，也要考虑哈希冲突的情况。

• 常见哈希算法

  密码上常用的MD5，SHA都是哈希算法，因为key的长度(相对大家的密码来说)较大所以碰撞空间较大，有比较好的抗碰撞性，所以常常用作密码校验。

HashMap实现原理

• 数组与链表

  • 数组：占用连续存储空间，占用内存大，空间复杂度较高。但查找很容易，特点是查找容易，插入和删除困难
  • 链表：存储方式是离散存储，空间复杂度低，但查找的时间复杂度较高，特点是查找麻烦，插入删除容易

• 哈希表

  是一种综合了数组和链表的特点，做出的一种查找、插入、删除的复杂度都比较低的数据结构。

  哈希表有很多中类型，我们看一种较为常见的类型——拉链型，这种数据结构可以理解为链表的数组

  

  如上图所示，假设通过某个哈希算法，可以把数据转化为0-15中的数字，然后就可以把数据用如上方式存储。

  其中数据对应的hash值代表数组的下标。当同一个hash值有多个数据时，可以在当前下标的链表后面继续添加数据，直到所有的数据归类完成。

  采用哈希表后，数据的查找、删除、插入的平均时间复杂度会有显著的降低，空间的利用也更加高效。

• HashMap原理简介

  • 概述

    HashMap也可以理解为一个hash表来实现的。

    HashMap有个内部类Entry，其重要属性有key value next，其中key/value用来保存对应的键值对，next作为链表的指针。

    然后内部所有的数据存储在Entry[] table中。

  • 存数据

    public V put(K key, V value) {
        if (key == null)
            return putForNullKey(value); //null总是放在数组的第一个链表中
        int hash = hash(key.hashCode());
        int i = indexFor(hash, table.length);
        //遍历链表
        for (Entry<K,V> e = table[i]; e != null; e = e.next) {
            Object k;
            //如果key在链表中已存在，则替换为新value
            if (e.hash == hash && ((k = e.key) == key || key.equals(k))) {
                V oldValue = e.value;
                e.value = value;
                e.recordAccess(this);
                return oldValue;
            }
        }
        modCount++;
        addEntry(hash, key, value, i);
        return null;
    }
    

    首先会生成hash值，用来对应Entry数组下标，然后会遍历当前下标对应链表的所有数据，如果对应的key已经存在，则替换，否则在当前数据末尾添加数据。

    void addEntry(int hash, K key, V value, int bucketIndex) {
        Entry<K,V> e = table[bucketIndex];
        table[bucketIndex] = new Entry<K,V>(hash, key, value, e); //参数e, 是Entry.next
        //如果size超过threshold，则扩充table大小。再散列
        if (size++ >= threshold)
                resize(2 * table.length);
    }
    

    当随着数据的不断增多，为了保证性能的优越性，会扩充Entry数组的长度。此时通过hash值转数组下标的方法也会改变，有兴趣的可以查看hashmap源码。

  • 取数据

    public V get(Object key) {
        if (key == null)
            return getForNullKey();
        int hash = hash(key.hashCode());
        //先定位到数组元素，再遍历该元素处的链表
        for (Entry<K,V> e = table[indexFor(hash, table.length)];
             e != null;
             e = e.next) {
            Object k;
            if (e.hash == hash && ((k = e.key) == key || key.equals(k)))
                return e.value;
        }
        return null;
    }
    

    取数据对应的原理通过代码可以很好理解，就不专门介绍了。

总结

hashMap是具有超快查询速度的数据存储方式，查找的时间复杂度基本是O(1)级别，唯一的缺点可能就是需要进行一次额外的hash值计算。所以在日常使用中，对键值对的存储可以优先考虑hashMap。