文档章节

谨慎使用String作为HashMap的Key

猴亮屏
 猴亮屏
发布于 2017/05/08 21:55
字数 1400
阅读 32
收藏 0

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);   
        }   
    }   

本文转载自:http://jackyrong.iteye.com/blog/1979686

共有 人打赏支持
猴亮屏

猴亮屏

粉丝 36
博文 521
码字总数 56802
作品 4
北京
Android工程师
私信 提问
[转]为什么Java中的String不可变

笔主前言: 众所周知,String是Java的JDK中最重要的基础类之一,在笔主心中的地位已经等同于int、boolean等基础数据类型,是超越了一般Object引用类型的高端大气上档次的存在。 但是稍有研究...

gagabear
2014/09/23
0
0
Map集合以及Collections集合工具类

一、Collection集合主要特点与Map集合的区别 Collection: 单列集合;有两个子接口 List集合元素是有序的,可以重复的 Set集合元素是无序的,不可以重复 List:元素可重复,有序 ArrayList:底层...

走了丶
2017/08/07
0
0
对anagrams分组 Group Anagrams

问题: Given an array of strings, group anagrams together. For example, given: , Return: [["ate", "eat","tea"],["nat","tan"],["bat"]] Note: For the return value, each inner list......

叶枫啦啦
2017/09/05
0
0
Java你可能不知道的事(3)HashMap

概述 HashMap对于做Java的小伙伴来说太熟悉了。估计你们每天都在使用它。它为什么叫做HashMap?它的内部是怎么实现的呢?为什么我们使用的时候很多情况都是用String作为它的key呢?带着这些疑...

passion9527
2016/03/15
176
0
5.Java基础复习----Map

1.Map java.util.Map<K,V> interface 实现Map接口的类用来存储键-值 对; 可以存储null键 Map类中存储的键 -- 值 对通过键来标识,所以键值不能重复 public int size();集合大小 public boo...

baibuxiha
2016/01/24
14
0

没有更多内容

加载失败,请刷新页面

加载更多

phpstorm xdebug 配置

xdebug方便了调试代码,比起一个一个地方的打印结果还是debug看的更明白下面介绍下maxOS系统下的debug配置 下载 https://xdebug.org/download.php 点击红线部分进入,粘贴phpinfo()信息推荐适...

被猪拱了的JAVA
22分钟前
2
0
Golang学习笔记(1)

基本知识 golang的文件格式以go结尾。 运行方式 go run main.go 用于开发调试使用 编译成二进制文件 go build main.go 会生成一个可执行的二进制文件 变量 变量定义的形式 Golang的变量定义有...

ExtreU
35分钟前
1
0
基于Kafka构建事件溯源模式的微服务

概要 本文中我们将讨论如何借助Kafka实现分布式消息管理,使用事件溯源(Event Sourcing)模式实现原子化数据处理,使用CQRS模式(Command-Query Responsibility Segregation )实现查询职责...

架构师springboot
42分钟前
1
0
git上传项目步骤

https://blog.csdn.net/m0_37725003/article/details/80904824

fame_yao
42分钟前
1
0
NOOBS自定义安装多系统

一、预置条件: 宿主系统是win10_x64 virtual box 虚拟机,安装了centos7 树莓派的系统安装工具:NOOBS_v2_9_0.zip,镜像文件 二、根据镜像文件生成boot.tar.xz 和root.tar.xz 1、设置共享目...

mbzhong
53分钟前
1
0

没有更多内容

加载失败,请刷新页面

加载更多

返回顶部
顶部