Hash算法，及HashMap使用

为什么要Hash？

哈希表是基于数组实现的，哈希算法就是如何将键值（key）转换成数组小标的方法，哈希化可以提供非常高的操作（插入、删除、查询）效率，因为对有序数组的查询，即使是二分查找也只能做到O(logN)，因为哈希可以直接将要查询的key转化为数组小标，所以可以达到O(1)的时间级。

Hash算法：将key做hash后的值叫hashcode，hashcode的值范围可能很大，Hash算法是将一个较大范围的hashcode转换为定长的区间的数值。一个好的hash算法应该使hashcode均匀分布在区间内。 但是难免还是会有不同的key会产生相同的hashcode，此为哈希冲突。

例如，要对公司100个雇员的信息做哈希存储，要求以姓名作为键值，“frank” 的hashcode是3135416，如果直接用3135416做小标，意味着要用一个非常大的数组，显然非常浪费。mod是最简单，往往也是最有效的hash算法，3135416%100=16，这样就可以用array[16]来存储“frank”的信息了。

如何解决哈希冲突？

1. 开放定址法
   线性探测，二次探测，再哈希。
   例如“leo”的hashcode是733616，用模100哈希算法后，其值也是16，因为array[16]已经被占用了，产生了“冲突”，那么顺序查看16的下个位置17，看array[17]是否可用，如果可以则存储leo，否则继续探测下个位置18，直到有空位为止。在查询时，若一个key的哈希值为16，不能就简单的返回array[16]，因为哈希值为16的可能是frank 或者 leo，所以还要比对key值。
2. 链地址法
   Java 的 HashMap就是用LinkedList解决hash冲突的。

参考：http://en.wikipedia.org/wiki/Hash_function

使用Java HashMap时，注意以下几点：

1. HashMap不是线程安全的

不要在并发环境中使用HashMap，这样会造成不可预期的后果，据sun的说法，在扩容时，会引起链表的闭环，在get元素时，就会无限循环，后果是cpu100%。

如果Concurrent is a must，请用Map m = Collections.synchronizedMap(new HashMap(...))

2.如果数据大小是固定的，那么最好给HashMap设定一个合理的容量值

因为HashMap的默认容量是Capacity(16) * LoadFactor(0.75) = 12，如果你的HashMap是用来装载1万条数据的，那么HashMap会不断的扩容（resize），而每次扩容都会对原有数据做重新排列，非常的time-consuming，所以应该在初始化HashMap的时候用New HashMap(15000)，负载因子（loadFactor）用默认的0.75就好了。

More about loadFactor：这个loadFactor有做什么用得呢？ 是用来减少collision的，试想一下， 是不是越接近满载的时候，产生冲突的可能性越大呢，就像公交车上有16个座位，此时上来5个人，几乎不会出现抢位子的情况，因为很空。假如又上来10个人，那么15个人对16个座位，可能有些人觉得前面座位比较好，就会产生冲突并问候对方的父母。现在规定这个16座的公交车只允许载客12人，也就是负载因子是0.75，后面来的人用另一辆空车装载，这样就可以有效的解决冲突。

3.成为HashMap的key的条件

HashMap是用一个数组Entry[ ]来存储相应的Entry<K, V>的，所以在put(K, V)操作时，首先检查Key的hashCode，看该Entry在数组中是否已经存在，若不存在，加到数组中，否则，会再将K.equals()于现有已存在数组中得Entry的链表（linked list）中的K进行比较，若有相同的，将其替换， 若没有，将该Entry置于链表的头部。

在get( )操作是，是先查看HashCode，再比较equals，两者皆匹配的时候，才会返回Value。

所以这是为什么要作为HashMap的key要override hashCode 和 equals的原因。

参考：http://www.iteye.com/topic/754887

4. HashMap 和 HashTable, HashSet的比较

1.Hashtable是Dictionary的子类，HashMap是Map接口的一个实现类；

2.Hashtable 中的方法是同步的，而HashMap中的方法在缺省情况下是非同步的。
3.HashMap 允许key和value为null，HashTable则不允许

4. HashTable直接用对象的hashCode，HashMap有自己的hash算法

5. HashSet不是Map是Set，其与ArrayList的区别是HashSet不允许重复元素，可通过HashMap.keySet()获得HashMap中key的set

发现一个对hash深入研究的博文，以及用hash做Top K 问题的solution （有1000万条（查询串）记录，找出里面top 10出现次数最多的查询串的方法）

http://blog.csdn.net/v_july_v/article/details/6256463

版权声明：本文为博主原创文章，未经博主允许不得转载。