前言
本文收录于专辑 id="何为哈希？">何为哈希？
Hash，是指把任意长度的输入通过一定的算法变成固定长度的输出的过程，这个输出称作Hash值，或者Hash码，这个算法叫做Hash算法，或者Hash函数，这个过程我们一般就称作Hash，或者计算Hash，Hash翻译为中文有哈希、散列、杂凑等。
既然是固定长度的输出，那就意味着输入是无限多的，输出是有限的，必然会出现不同的输入可能会得到相同的输出的情况，所以，Hash算法一般来说也是不可逆的。
那么，Hash算法有哪些用途呢？
哈希算法的用途
哈希算法，是一种广义的算法，或者说是一种思想，它没有一个固定的公式，只要满足上面定义的算法，都可以称作Hash算法。
通常来说，它具有以下用途：
- 加密密码，比如，使用MD5+盐的方式来加密密码；
- 快速查询，比如，哈希表的使用，通过哈希表能够快速查询元素；
- 数字签名，比如，系统间调用加上签名，可以防止篡改数据；
- 文件检验，比如，下载腾讯游戏的时候通常都有有一个MD5值，安装包下载下来之后计算出来一个MD5值与官方的MD5值进行对比，就可知道下载过程中有没有文件损坏，有没有被篡改等；
好了，说起Hash算法，或者Hash函数，在Java中，所有对象的父类Object都有一个Hash函数，即hashCode()方法，为什么Object类中需要定义这么一个方法呢？
严格来说，Hash算法和Hash函数还是有点区别的，相信你能根据语境进行区分。
让我们来看看JDK源码的注释怎么说：
请看红框的部分，翻译一下大致为：为这个对象返回一个Hash值，它是为了更好地支持哈希表而存在的，比如HashMap。简单点说，这个方法就是给HashMap等哈希表使用的。
// 默认返回的是对象的内部地址public native int hashCode();此时，我们不得不提起Object类中的另一个方法——equals()。
// 默认是直接比较两个对象的地址是否相等public boolean equals(Object obj) { return (this == obj);}hashCode()和equals又有怎样的纠缠呢？
通常来说，hashCode()可以看作是一种弱比较，回归Hash的本质，将不同的输入映射到固定长度的输出，那么，就会出现以下几种情况：
- 输入相同，输出必然相同；
- 输入不同，输出可能相同，也可能不同；
- 输出相同，输入可能相同，也可能不同；
- 输出不同，输入必然不同；
而equals()是严格比较两个对象是否相等的方法，所以，如果两个对象equals()为true，那么，它们的hashCode()一定要相等，如果不相等会怎样呢？
如果equals()返回true，而hashCode()不相等，那么，试想将这两个对象作为HashMap的key，它们很大可能会定位到HashMap不同的槽中，此时就会出现一个HashMap中插入了两个相等的对象，这是不允许的，这也是为什么重写了equals()方法一定要重写hashCode()方法的原因。
比如，String这个类，我们都知道它的equals()方法是比较两个字符串的内容是否相等，而不是两个字符串的地址，下面是它的equals()方法：
public boolean equals(Object anObject) { if (this == anObject) { return true; } if (anObject instanceof String) { String anotherString = (String)anObject; int n = value.length; if (n == anotherString.value.length) { char v1[] = value; char v2[] = anotherString.value; int i = 0; while (n-- != 0) { if (v1[i] != v2[i]) return false; i++; } return true; } } return false;}所以，对于下面这两个字符串对象，使用equals()比较它们是相等的，而它们的内存地址并不相同：
String a = new String("123");String b = new String("123");System.out.println(a.equals(b)); // trueSystem.out.println(a == b); // false此时，如果不重写hashCode()方法，那么，a和b将返回不同的hash码，对于我们常常使用String作为HashMap的key将造成巨大的干扰，所以，String重写的hashCode()方法：
public int hashCode() { int h = hash; if (h == 0 && value.length > 0) { char val[] = value; for (int i = 0; i < value.length; i++) { h = 31 * h + val[i]; } hash = h; } return h;}这个算法也很简单，用公式来表示为：s[0]*31^(n-1) + s[1]*31^(n-2) + ... + s[n-1]。
好了，既然这里屡次提到哈希表，那我们就来看看哈希表是如何一步步进化的。
哈希表进化史
数组
讲哈希表之前，我们先来看看数据结构的鼻祖——数组。
数组比较简单，我就不多说了，大家都会都懂，见下图。
数组的下标一般从0开始，依次往后存储元素，查找指定元素也是一样，只能从头（或从尾）依次查找元素。
比如，要查找4这个元素，从头开始查找的话需要查找3次。
早期的哈希表
上面讲了数组的缺点，查找某个元素只能从头或者从尾依次查找元素，直到匹配为止，它的均衡时间复杂是O(n)。
那么，利用数组有没有什么方法可以快速的查找元素呢？
聪明的程序员哥哥们想到一种方法，通过哈希函数计算元素的值，用这个值确定元素在数组中的位置，这样时间复杂度就能缩短到O(1)了。
比如，有5个元素分别为3、5、4、1，把它们放入到数组之前先通过哈希函数计算位置，精确放置，而不是像简单数组那样依次放置元素（基于索引而不是元素值来查找位置）。
假如，这里申请的数组长度为8，我们可以造这么一个哈希函数为hash(x) = x % 8，那么最后的元素就变成了下图这样：
这时候我们再查找4这个元素，先算一下它的hash值为hash(4) = 4 % 8 = 4，所以直接返回4号位置的元素就可以了。
进化的哈希表
事情看着挺完美，但是，来了一个元素13，要插入的哈希表中，算了一下它的hash值为hash(13) = 13 % 8 = 5，纳尼，它计算的位置也是5，可是5号已经被人先一步占领了，怎么办呢？
这就是哈希冲突。
为什么会出现哈希冲突呢？
因为我们申请的数组是有限长度的，把无限的数字映射到有限的数组上早晚会出现冲突，即多个元素映射到同一个位置上。
好吧，既然出现了哈希冲突，那么我们就要解决它，必须干！
How to？
线性探测法
既然5号位置已经有主了，那我元素13认怂，我往后挪一位，我到6号位置去，这就是线性探测法，当出现冲突的时候依次往后挪直到找到空位置为止。
然鹅，又来了个新元素12，算得其hash值为hash(12) = 12 % 8 = 4，What？按照这种方式，要往后移3次到7号位置才有空位置，这就导致了插入元素的效率很低，查找也是一样的道理，先定位的4号位置，发现不是我要找的人，再接着往后移，直到找到7号位置为止。
二次探测法
使用线性探测法有个很大的弊端，冲突的元素往往会堆积在一起，比如，12号放到7号位置，再来个14号一样冲突，接着往后再数组结尾了，再从头开始放到0号位置，你会发现冲突的元素有聚集现象，这就很不利于查找了，同样不利于插入新的元素。
这时候又有聪明的程序员哥哥提出了新的想法——二次探测法，当出现冲突时，我不是往后一位一位这样来找空位置，而是使用原来的hash值加上i的二次方来寻找，i依次从1，2，3...这样，直到找到空位置为止。
还是以上面的为例，插入12号元素，过程是这样的，本文来源于公主号彤哥读源码：
这样就能很快地找到空位置放置新元素，而且不会出现冲突元素堆积的现象。
然鹅，又来了新元素20，你瞅瞅放哪？
发现放哪都放不进去了。
研究表明，使用二次探测法的哈希表，当放置的元素超过一半时，就会出现新元素找不到位置的情况。
所以又引出一个新的概念——扩容。
什么是扩容？
已放置元素达到总容量的x%时，就需要扩容了，这个x%时又叫作扩容因子。
很显然，扩容因子越大越好，表明哈希表的空间利用率越高。
所以，很遗憾，二次探测法无法满足我们的目标，扩容因子太小了，只有0.5，一半的空间都是浪费的。
这时候又到了程序员哥哥们发挥他们聪明特性的时候了，经过996头脑风暴后，又想出了一种新的哈希表实现方式——链表法。
链表法
不就是解决冲突嘛！出现冲突我就不往数组中去放了，我用一个链表把同一个数组下标位置的元素连接起来，这样不就可以充分利用空间了嘛，啊哈哈哈哈~~
嘿嘿嘿嘿，完美△△。
真的完美嘛，我是一名黑客，我一直往里面放*%8=4的元素，然后你就会发现几乎所有的元素都跑到同一个链表中去了，呵呵，最后的结果就是你的哈希表退化成了链表，查询插入元素的效率都变成了O(n)。
此时，当然有办法，扩容因子干啥滴？
比如扩容因子设置为1，当元素个数达到8个时，扩容成两倍，一半的元素还在4号位置，一半的元素去到了12号位置，能缓解哈希表的压力。
然鹅，依旧不是很完美，也只是从一个链表变成两个链表，本文来源于公主号彤哥读源码。
聪明的程序员哥哥们这次开启了一次长大9127的头脑风暴，终于搞出了一种新的结构——链表树法。
链表树法
虽然上面的扩容在元素个数比较少的时候能解决一部分问题，整体的查找插入效率也不会太低，因为元素个数少嘛。
但是，黑客还在攻击，元素个数还在持续增加，当增加到一定程度的时候，总会导致查找插入效率特别低。
所以，换个思路，既然链表的效率低，我把它升级一下，当链表长的时候升级成红黑树怎么样？
嗯，我看行，说干就干。
嗯，不错不错，妈妈再也不怕我遭到黑客攻击了，红黑树的查询效率为O(log n)，比链表的O(n)要高不少。
所以，到这就结束了吗？
你想多了，每次扩容还是要移动一半的元素好么，一颗树分化成两颗树，这样真的好么好么好么？
程序员哥哥们太难了，这次经过了12127的头脑风暴，终于想出个新玩意——一致性Hash。
一致性Hash
一致性Hash更多地是运用在分布式系统中，比如说Redis集群部署了四个节点，我们把所有的hash值定义为0~2^32个，每个节点上放置四分之一的元素。
此处只为举例，实际Redis集群的原理是这样的，具体数值不是这样的。
此时，假设需要给Redis增加一个节点，比如node5，放在node3和node4中间，这样只需要把node3到node4中间的元素从node4移动到node5上面就行了，其它的元素保持不变。
这样，就增加了扩容的速度，而且影响的元素比较少，大部分请求几乎无感知。
好了，到这里关于哈希表的进化历史就讲到这里了，你有没有Get到呢？
后记
本节，我们一起重新学习了关于哈希、哈希函数、哈希表相关的知识，在Java中，HashMap的终极形态是以数组+链表+红黑树的形式呈现的。
据说，这个红黑树还可以换成其它的数据结构，比如跳表，你造吗？
下一节，我们就来聊聊跳表这个数据结构，并使用它来改写HashMap，欲获取最新推广，快点来关注我吧！
七夕也要学起来，哈希哈希哈希！netporter、 更好解决物流问题、 feedly、 ebay重要提醒！SpeedPAK物流管理方案使用政策更新！、 亚马逊投放PPC广告注意事项、 Joom发布智能折扣功能，以让利形式提高订单转化率、 韶关哪里有温泉？、 东莞长安乌沙笔架山公园在哪里？好玩吗？、 肇庆鼎湖山在哪，怎么去？、关注公号主"彤哥读源码"，解锁更多源码、基础、架构知识。
No comments:
Post a Comment