谨慎使用String作为HashMap的Key
谨慎使用String作为HashMap的Key
微笑的江豚 发表于5个月前
谨慎使用String作为HashMap的Key
  • 发表于 5个月前
  • 阅读 18
  • 收藏 0
  • 点赞 0
  • 评论 0

腾讯云 十分钟定制你的第一个小程序>>>   

首先简单复习一下哈希表知识(大学课本定义)。 
        根据设定的哈希函数f(key)和处理冲突的方法将一组关键字映像到一个有限的连续地址集(区间)上,并以关键字在地址集中的“像”作为记录在表中的存储位置,这种表便称为哈希表。 
         哈希函数f(key)是一个映像,使得任何关键字由此所得到的哈希函数值都落在表允许范围之内。 
         对不同的关键字可能得到同一哈希地址,即key!=key2,但是f(key1)=f(key2),这种现象称为冲突。一般情况下,冲突只能减少,而不能完全避免。 

还不清楚?请百科普及一下吧。 


通过上面的复习,我们知道,决定一个哈希表的性能主要是哈希表的键值的冲突概率。如果哈希后的冲突很低,性能就高,相反,性能则低。使用一个好的哈希算法,可以降低哈希冲突的概率,提高命中率。 

但是,如果被哈希的Key本身就是重复的,那么哈希算法再好,也无法避免哈希值的冲突。 

我们都知道,在Java中,HashMap一般是使用对象的hashcode作为哈希的Key的。那么使用String作为HashMap的Key,好不好呢?或者,你在不知情的情况一下,已经干过很多次了。 

String的hashCode方法。 

Java代码  收藏代码 
public int hashCode() {  
    int h = hash;  
        int len = count;  
    if (h == 0 && len > 0) {  
        int off = offset;  
        char val[] = value;  
  
            for (int i = 0; i < len; i++) {  
                h = 31*h + val[off++];  
            }  
            hash = h;  
        }  
        return h;  
    }  


核心的代码就一行。就是 

Java代码  收藏代码 
h = 31*h + val[off++];  
他的意思就是一个字符串的hashcode,就是逐个按照字符的utf-16的编码值求和。 

我个人觉得,像这样的计算hashcode的话,各个字符串很容易重复(虽然我数学不好)。比如:"C9"和“Aw” 
的hashcode都是2134。这样的长度为2位的字符串,我用程序统计了一下,重复的概率大概是0.6665928。 

当字符长度为3个字符时,重复的概率成上升趋势,达到0.8911293,4位时为0.9739272。当然,5位长度的概率我不知道,因为我的机器上跑不出来结果。 
测试代码见附1。 

这么高的重复率,如果你使用它作为hashcode的话,势必会造成很大的哈希冲突,从而降低哈希表最初的设计初衷,性能降低。 

但是,那String设计的时候,为啥这样设计hashcode呢?我经过测试,当字符串仅为数字时,多长的字符串,hashcode都不会重复。这是为什么呢? 

从他计算的公式的31的系数看,应该是31为一个跨度,即只要字符串中的字符串的跨度在31个之内,hash值就不会重复,经过测试,确实如此。也就是说,如果你使用纯英文大写或纯英文小写字母拼接起来的字符串,其hashcode一般不会重复的。不知道这个31最初是怎么算出来的,但是,毋庸置疑,我们可以通过重新String的hashcode方法,将31改为128,那么冲突就会大大降低。 

看看可能会作为Key的情况。 
1、MD5,一般是字母加数字,字符跨度为75. 
2、oracle的sys_guid()产生的逐渐,字符跨度为43. 
3、java的UUID,跨度为75. 
4、其他唯一主键情况。 

建议,如果你的对象主键是上述类型,则尽量少的使用HashMap作为进行运算的工具类。 

因此,当你打算使用String作为HashMap的Key时,我建议两点: 
1、如果你不知道你的Key的可能的取值范围是否超过31,并且不知数量是多大时,尽量不要使用。 
2、如果你对性能要求很高,请尽量不要将字符串作为主键。 


附1:计算字符串重复概率的代码 
Java代码  收藏代码 
import java.util.HashMap;  
/** 
* 测试字符串的hashcode重复几率 
* @author donlianli@126.com 
*/  
public class StringHashCode {  
      
    static HashMap<Integer,Object> map = new HashMap<Integer,Object>();   
    /** 
     * 第一个可见字符 
     */  
    private static char startChar = ' ';   
    /** 
     * 最后一个可见字符 
     */  
    private static char endChar = '~';   
    private static int offset = endChar - startChar + 1;   
    /** 
     * 重复次数 
     */  
    private static int dupCount = 0;   
      
    public static void main(String[] args) {   
        for(int len=1;len<5;len++){  
             char[] chars = new char[len];   
             tryBit(chars, len);   
             int total=(int)Math.pow(offset, len);  
             System.out.println(len+":"+total + ":" + dupCount+":"+map.size()+":"+(float)dupCount/total);  
        }  
          
    }   
   
    private static void tryBit(char[] chars, int i) {   
        for (char j = startChar; j <= endChar; j++) {   
            chars[i - 1] = j;   
            if (i > 1)   
                tryBit(chars, i - 1);   
            else   
                test(chars);   
        }   
    }   
   
    private static void test(char[] chars) {   
        Integer key = new String(chars).hashCode();  
        if (map.containsKey(key)) {   
            dupCount++;   
        } else {   
            map.put(key, null);   
        }   
    }   
}  

附2:计算字符串为长度为2的重复hashcode的代码 


Java代码  收藏代码 
import java.util.HashMap;  
/** 
* 测试字符串的hashcode重复几率 
* @author donlianli@126.com 
* 求长度为2的hashcode重复的字符串 
*/  
public class PrintStringHashCode {  
      
    static HashMap<Integer,Object> map = new HashMap<Integer,Object>();   
    /** 
     * 第一个可见字符 
     */  
    private static char startChar = ' ';   
    /** 
     * 最后一个可见字符 
     */  
    private static char endChar = 'z';   
    private static int offset = endChar - startChar + 1;   
    /** 
     * 重复次数 
     */  
    private static int dupCount = 0;   
      
    public static void main(String[] args) {   
        int len =2;  
         char[] chars = new char[len];   
         tryBit(chars, len);   
         int total=(int)Math.pow(offset, len);  
         System.out.println(len+":"+total + ":" + dupCount+":"+map.size()+":"+(float)dupCount/total);  
    }   
   
    private static void tryBit(char[] chars, int i) {   
        for (char j = startChar; j <= endChar; j++) {   
            chars[i - 1] = j;   
            if (i > 1)   
                tryBit(chars, i - 1);   
            else   
                test(chars);   
        }   
    }   
   
    private static void test(char[] chars) {   
        String s = new String(chars);  
        Integer key = s.hashCode();  
        if (map.containsKey(key)) {   
            dupCount++;   
            System.out.println(map.get(key)+" same :"+s+" hashcode:"+key);  
        } else {   
            map.put(key, s);   
        }   
    }   

共有 人打赏支持
微笑的江豚
粉丝 23
博文 423
码字总数 47615
作品 2
×
微笑的江豚
如果觉得我的文章对您有用,请随意打赏。您的支持将鼓励我继续创作!
* 金额(元)
¥1 ¥5 ¥10 ¥20 其他金额
打赏人
留言
* 支付类型
微信扫码支付
打赏金额:
已支付成功
打赏金额: