JDK中HashMap中hash方法的原理

HashMap中hash方法的如下：

//jdk1.7版本

static int hash(int h) {

    h ^= (h >>> 20) ^ (h >>> 12);

    return h ^ (h >>> 7) ^ (h >>> 4);

}

//Java 8中的散列值优化方法

static final int hash(Object key) {

    int h;

    return (key == null) ? 0 : (h = key.hashCode()) ^ (h >>> 16);

}

上面这段代码叫做“扰动函数”，在Java8中进行了简化，只做一次16位位移或混合，而不是四次，原理不变。下面以Java8的源码为例解释：大家都知道上面代码里的key.hashCode()方法调用的是key键类型自带的哈希方法，返回整型散列值。理论上散列值是一个int类型，如果直接拿散列值作为下标访问HashMap主数组的话，考虑到2进制32位带符号的整型范围从-2147483648到2147483648，前后加起来大概40亿的映射空间。只要哈希方法映射地比较均匀松散，一般应用是很难出现碰撞的。但问题是一个40亿长度的数组，内存是放不下的。各位想，HashMap的初始容量大小才16！所以这个散列值并不能直接拿来用，用之前还要先做对数组的长度取模运算，得到的余数再拿来访问数组下标。jdk源码中的模运算是在indexFor()方法中完成的，indexFor()方法的代码很简单，就是把散列值和数组长度做一个“与”操作：

static int indexFor(int h, int length){

    return h & (length - 1);

}

....

bucketIndex = indexFor(hash, table.length);

这里顺便讲一下为什么HashMap的数组长度要取2的整次幂。因为这样（数组长度-1）正好相当于一个“低位掩码”。“与操作”的结果就是散列值的高位全部归零，只保留低位值，用来做数组的下标。以初始长度16为例：16-1=15,2进制表示是 00000000 00000000 00001111。和某散列值做“与”操作的结果如下：

 

 

我们发现，最终的结果就是截取了最低的四位值。这时问题就来了，就算我们的散列值分布再松散，要是只取最后几位的话，碰撞会非常严重。更要命的是，如果散列本身做的不好，分布上成等差数列的漏洞，恰好使最后几个低位呈现规律性重复，这会无比蛋疼。这时候“扰动方法”的价值就体现出来了，请看下图：

 

 右移16位，刚好是32位的一半，自己的高半区和低半区做异或（如果a、b两个值不相同，则异或结果为1。如果a、b两个值相同，异或结果为0），就是为了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了下来。最后我们来看一下Peter Lawley的一篇专栏文章<An introducion to optimising a hashing stretegy>https://www.javacodegeeks.com/2015/09/an-introduction-to-optimising-a-hashing-strategy.html ）里的一个实验：他选取了352个字符串，在散列值完全没有冲突的前提下，对它们做低位掩码，取数组下标：

 

 

结果显示，当HashMap数组长度为512的时候，也就是用掩码取低9位的时候，在没有扰动方法的情况下，发生了103次碰撞，接近30%。而在使用了扰动方法后，只有92次碰撞，碰撞减少了近10%。扰动方法的确发挥了不错的功效。Java7中的扰动做了四次，而到了Java8，觉得做一次就够了，多了边际效用也不大，这就是所谓的为了效率考虑就改成了1次扰动，相比较而言减少了过多的位运算，是一种折中的设计。

更多干货笔记关注微信公众号 : 老九学堂