谨慎使用String作为HashMap的Key
来源:互联网 发布:php log日志 linux 编辑:程序博客网 时间:2024/06/05 14:19
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。
- 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
- 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。
我对UUID进行了测试(SYS_GUID和md5跟UUID的拼接都类似,都是字母+数字)。1万个字符串,发现并没有重复的hashcode,1千万的时候,也就重复了117个,这是怎么回事呢?
有一种猜测是这样的,虽然UUID的跨度为75,但是随着字符串的长度的增长(UUID为36,包括中划线),概率会逐渐降低。
还有一种猜测,就是UUID只去了75个字符组成的字符串的一部分,大大降低了hashcode重复的概率。
因此,对于以上类型的key,几乎不用担心重复的概率,但是如果你的字符串如果真的是随机的可见字符的话,那你可以看仔细了。当心你的hashMap变成List。
附1:计算字符串重复概率的代码
- 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
- 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);
- }
- }
- }
附件3测试UUID的代码:
- public static void testUUID(){
- int count=1000000;
- for(int i=0;i<count;i++){
- String s = UUID.randomUUID().toString();
- Integer key = s.hashCode();
- if (map.containsKey(key)) {
- System.out.println(s+":"+map.get(key));
- dupCount++;
- } else {
- map.put(key, s);
- }
- }
- System.out.println( dupCount+":"+map.size()+":"+(float)dupCount/count);
- }
- 谨慎使用String作为HashMap的Key
- 谨慎使用String作为HashMap的Key
- 谨慎使用String作为HashMap的Key
- 使用一个类作为hashMap的key
- Java HashMap使用String,Long,Integer作为key的性能测试
- HashMap使用对象作为key
- 将char *类型作为map的key时要谨慎。
- 空字符串可以作为HashMap的key
- Java 自定义类作为HashMap的key
- StringBuilder万万不可作为HashMap的key
- 如何把坐标作为hashmap的key
- HashCode 和 Equals 的使用 - 使用自定义对象作为HashMap的Key例子
- Java 将自定义的对象作为HashMap的key
- Java用自定义的类作为HashMap的key值
- Java用自定义的类型作为HashMap的key
- 自定义枚举类 Enum 是否可以作为 HashMap 的key
- QMap使用类的对象作为key
- java HashMap用自定义类作为key
- 备考ocp_ORACLE专题之安装
- 避免创建不必要的SPWeb对象
- 树的递归和非递归遍历
- 级联检测器
- iOS 判断数组为空
- 谨慎使用String作为HashMap的Key
- 辛星整理Linux中的lvm
- 2015年学习计划让自己飞起来
- Vmware中安装Vmware Tools
- INFRASTRUCTURE TRACKING WITH PASSIVE MONITORING AND ACTIVE PROBING
- 如何用Maven手动添加Linux环境下的JZMQ依赖库
- 4 继承映射
- C学习笔记一:Window8.1 上配置gcc/g++编译器
- C++函数之类的构造函数析构函数