HashMap 的 hash 方法原理

近来碰到一个需求要重写hashmap,研究了一下hashmap的源码，发现在hash查找的地方有一些巧秒的处理，在这里记录一下。

java7 的 HashMap 中使用了一个 hash 方法来做 bit shifting，在注释中说明是为了防止一些实现比较差的hashCode() 方法.
static int hash(int h) {
    // This function ensures that hashCodes that differ only by
    // constant multiples at each bit position have a bounded
    // number of collisions (approximately 8 at default load factor).


    h ^= (h >>> 20) ^ (h >>> 12);
    return h ^ (h >>> 7) ^ (h >>> 4);
}
java8中这步已经简化了，只做一次16位右位移异或混合，而不是四次，但原理是不变的。
static final int hash(Object key) {
    int h;
    return (key == null) ? 0 : (h = key.hashCode()) ^ (h >>> 16);    //key.hashCode()为哈希算法，返回初始哈希值
}
这段代码叫“扰动函数”。代码里的key.hashCode()函数调用的是key键值类型自带的哈希函数，返回int型散列值。散列值是一个int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int表值范围从-2147483648到2147483648。前后加起来大概40亿的映射空间,问题是一个40亿长度的数组，内存是放不下的.HashMap扩容之前的数组初始大小才16。所以这个散列值是不能直接拿来用的。用之前还要先做对数组的长度取模运算，得到的余数才能用来访问数组下标。

源码中模运算是在这个indexFor( )函数里完成的。
bucketIndex = indexFor(hash, table.length);
indexFor的代码也很简单，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);
}
顺便说一下，这也正好解释了为什么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，用来做数组下标访问。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”操作如下，结果就是截取了最低的四位值。


        10100101 11000100 00100101
& 00000000 00000000 00001111
----------------------------------
00000000 00000000 00000101    //高位全部归零，只保留末四位

问题来了，这样就算我的散列值分布再松散，要是只取最后几位的话，碰撞也会很严重。更要命的是如果散列本身做得不好，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.这时侯扰动函数hash()的用处就体现出来了。

h=hashcode():1111 1111 1111 1111 1111 0000 1110 1010  调用hashCode()
----------------------------------------------------------------------------------------------------------------------------------------
  h:1111 1111 1111 1111 1111 0000 1110 1010 
      h>>>16:0000 0000 0000 0000 1111 1111 1111 1111  计算hash
          hash=h^(h>>>16):1111 1111 1111 1111 0000 1111 0001 0101
  ----------------------------------------------------------------------------------------------------------------------------------------
                      (n-1)&hash:0000 0000 0000 0000 0000 0000 0000 1111
                                   1111 1111 1111 1111 0000 1111 0001 0101     计算haspmap entry数组下标
       ----------------------------------------------------------------------------------------------------------------------------------------  
                                      0101 = 5 下标

右位移16位，正好是32bit的一半，自己的高半区和低半区做异或，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下来。