七夕節(jié)也要學(xué)起來，哈希哈希哈希！
關(guān)注公眾號(hào)“彤哥讀源碼”，解鎖更多源碼、基礎(chǔ)、架構(gòu)知識(shí)！
前言
本文收錄于專輯：http://dwz.win/HjK，點(diǎn)擊解鎖更多數(shù)據(jù)結(jié)構(gòu)與算法的知識(shí)。
你好，我是彤哥。
上一節(jié)，我們一起學(xué)習(xí)了，在Java中如何構(gòu)建高性能隊(duì)列，里面牽涉到很多底層的知識(shí)，不知道你有Get到多少呢？！
本節(jié)，我想跟著大家一起重新學(xué)習(xí)下關(guān)于哈希的一切——哈希、哈希函數(shù)、哈希表。
這三者有什么樣的愛恨情仇？
為什么Object類中需要有一個(gè)hashCode()方法？它跟equals()方法有什么關(guān)系？
如何編寫一個(gè)高性能的哈希表？
Java中的HashMap中的紅黑樹可以使用其它數(shù)據(jù)結(jié)構(gòu)替換嗎？
何為哈希？
Hash，是指把任意長度的輸入通過一定的算法變成固定長度的輸出的過程，這個(gè)輸出稱作Hash值，或者Hash碼，這個(gè)算法叫做Hash算法，或者Hash函數(shù)，這個(gè)過程我們一般就稱作Hash，或者計(jì)算Hash，Hash翻譯為中文有哈希、散列、雜湊等。
既然是固定長度的輸出，那就意味著輸入是無限多的，輸出是有限的，必然會(huì)出現(xiàn)不同的輸入可能會(huì)得到相同的輸出的情況，所以，Hash算法一般來說也是不可逆的。
那么，Hash算法有哪些用途呢？
哈希算法的用途
哈希算法，是一種廣義的算法，或者說是一種思想，它沒有一個(gè)固定的公式，只要滿足上面定義的算法，都可以稱作Hash算法。
通常來說，它具有以下用途：
加密密碼，比如，使用MD5+鹽的方式來加密密碼；
快速查詢，比如，哈希表的使用，通過哈希表能夠快速查詢元素；
數(shù)字簽名，比如，系統(tǒng)間調(diào)用加上簽名，可以防止篡改數(shù)據(jù)；
文件檢驗(yàn)，比如，下載騰訊游戲的時(shí)候通常都有有一個(gè)MD5值，安裝包下載下來之后計(jì)算出來一個(gè)MD5值與官方的MD5值進(jìn)行對比，就可知道下載過程中有沒有文件損壞，有沒有被篡改等；
好了，說起Hash算法，或者Hash函數(shù)，在Java中，所有對象的父類Object都有一個(gè)Hash函數(shù)，即hashCode()方法，為什么Object類中需要定義這么一個(gè)方法呢？
嚴(yán)格來說，Hash算法和Hash函數(shù)還是有點(diǎn)區(qū)別的，相信你能根據(jù)語境進(jìn)行區(qū)分。
讓我們來看看JDK源碼的注釋怎么說：
請看紅框的部分，翻譯一下大致為：為這個(gè)對象返回一個(gè)Hash值，它是為了更好地支持哈希表而存在的，比如HashMap。簡單點(diǎn)說，這個(gè)方法就是給HashMap等哈希表使用的。
// 默認(rèn)返回的是對象的內(nèi)部地址
public native int hashCode();
此時(shí)，我們不得不提起Object類中的另一個(gè)方法——equals()。
// 默認(rèn)是直接比較兩個(gè)對象的地址是否相等
public boolean equals(Object obj) {
return (this == obj);
}
hashCode()和equals又有怎樣的糾纏呢？
通常來說，hashCode()可以看作是一種弱比較，回歸Hash的本質(zhì)，將不同的輸入映射到固定長度的輸出，那么，就會(huì)出現(xiàn)以下幾種情況：
輸入相同，輸出必然相同；
輸入不同，輸出可能相同，也可能不同；
輸出相同，輸入可能相同，也可能不同；
輸出不同，輸入必然不同；
而equals()是嚴(yán)格比較兩個(gè)對象是否相等的方法，所以，如果兩個(gè)對象equals()為true，那么，它們的hashCode()一定要相等，如果不相等會(huì)怎樣呢？
如果equals()返回true，而hashCode()不相等，那么，試想將這兩個(gè)對象作為HashMap的key，它們很大可能會(huì)定位到HashMap不同的槽中，此時(shí)就會(huì)出現(xiàn)一個(gè)HashMap中插入了兩個(gè)相等的對象，這是不允許的，這也是為什么重寫了equals()方法一定要重寫hashCode()方法的原因。
比如，String這個(gè)類，我們都知道它的equals()方法是比較兩個(gè)字符串的內(nèi)容是否相等，而不是兩個(gè)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，對于下面這兩個(gè)字符串對象，使用equals()比較它們是相等的，而它們的內(nèi)存地址并不相同：
String a = new String("123");
String b = new String("123");
System.out.println(a.equals(b)); // true
System.out.println(a == b); // false
此時(shí)，如果不重寫hashCode()方法，那么，a和b將返回不同的hash碼，對于我們常常使用String作為HashMap的key將造成巨大的干擾，所以，String重寫的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;
}
這個(gè)算法也很簡單，用公式來表示為：s[0]*31^(n-1) + s[1]*31^(n-2) + ... + s[n-1]。
好了，既然這里屢次提到哈希表，那我們就來看看哈希表是如何一步步進(jìn)化的。
哈希表進(jìn)化史
數(shù)組
講哈希表之前，我們先來看看數(shù)據(jù)結(jié)構(gòu)的鼻祖——數(shù)組。
數(shù)組比較簡單，我就不多說了，大家都會(huì)都懂，見下圖。
數(shù)組的下標(biāo)一般從0開始，依次往后存儲(chǔ)元素，查找指定元素也是一樣，只能從頭（或從尾）依次查找元素。
比如，要查找4這個(gè)元素，從頭開始查找的話需要查找3次。
早期的哈希表
上面講了數(shù)組的缺點(diǎn)，查找某個(gè)元素只能從頭或者從尾依次查找元素，直到匹配為止，它的均衡時(shí)間復(fù)雜是O(n)。
那么，利用數(shù)組有沒有什么方法可以快速的查找元素呢？
聰明的程序員哥哥們想到一種方法，通過哈希函數(shù)計(jì)算元素的值，用這個(gè)值確定元素在數(shù)組中的位置，這樣時(shí)間復(fù)雜度就能縮短到O(1)了。
比如，有5個(gè)元素分別為3、5、4、1，把它們放入到數(shù)組之前先通過哈希函數(shù)計(jì)算位置，精確放置，而不是像簡單數(shù)組那樣依次放置元素（基于索引而不是元素值來查找位置）。
假如，這里申請的數(shù)組長度為8，我們可以造這么一個(gè)哈希函數(shù)為hash(x) = x % 8，那么最后的元素就變成了下圖這樣：
這時(shí)候我們再查找4這個(gè)元素，先算一下它的hash值為hash(4) = 4 % 8 = 4，所以直接返回4號(hào)位置的元素就可以了。
進(jìn)化的哈希表
事情看著挺完美，但是，來了一個(gè)元素13，要插入的哈希表中，算了一下它的hash值為hash(13) = 13 % 8 = 5，納尼，它計(jì)算的位置也是5，可是5號(hào)已經(jīng)被人先一步占領(lǐng)了，怎么辦呢？
這就是哈希沖突。
為什么會(huì)出現(xiàn)哈希沖突呢？
因?yàn)槲覀兩暾埖臄?shù)組是有限長度的，把無限的數(shù)字映射到有限的數(shù)組上早晚會(huì)出現(xiàn)沖突，即多個(gè)元素映射到同一個(gè)位置上。
好吧，既然出現(xiàn)了哈希沖突，那么我們就要解決它，必須干！
How to？
線性探測法
既然5號(hào)位置已經(jīng)有主了，那我元素13認(rèn)慫，我往后挪一位，我到6號(hào)位置去，這就是線性探測法，當(dāng)出現(xiàn)沖突的時(shí)候依次往后挪直到找到空位置為止。
然鵝，又來了個(gè)新元素12，算得其hash值為hash(12) = 12 % 8 = 4，What？按照這種方式，要往后移3次到7號(hào)位置才有空位置，這就導(dǎo)致了插入元素的效率很低，查找也是一樣的道理，先定位的4號(hào)位置，發(fā)現(xiàn)不是我要找的人，再接著往后移，直到找到7號(hào)位置為止。
二次探測法
使用線性探測法有個(gè)很大的弊端，沖突的元素往往會(huì)堆積在一起，比如，12號(hào)放到7號(hào)位置，再來個(gè)14號(hào)一樣沖突，接著往后再數(shù)組結(jié)尾了，再從頭開始放到0號(hào)位置，你會(huì)發(fā)現(xiàn)沖突的元素有聚集現(xiàn)象，這就很不利于查找了，同樣不利于插入新的元素。
這時(shí)候又有聰明的程序員哥哥提出了新的想法——二次探測法，當(dāng)出現(xiàn)沖突時(shí)，我不是往后一位一位這樣來找空位置，而是使用原來的hash值加上i的二次方來尋找，i依次從1，2，3...這樣，直到找到空位置為止。
還是以上面的為例，插入12號(hào)元素，過程是這樣的，本文來源于公主號(hào)彤哥讀源碼：
這樣就能很快地找到空位置放置新元素，而且不會(huì)出現(xiàn)沖突元素堆積的現(xiàn)象。
然鵝，又來了新元素20，你瞅瞅放哪？
發(fā)現(xiàn)放哪都放不進(jìn)去了。
研究表明，使用二次探測法的哈希表，當(dāng)放置的元素超過一半時(shí)，就會(huì)出現(xiàn)新元素找不到位置的情況。
所以又引出一個(gè)新的概念——擴(kuò)容。
什么是擴(kuò)容？
已放置元素達(dá)到總?cè)萘康膞%時(shí)，就需要擴(kuò)容了，這個(gè)x%時(shí)又叫作擴(kuò)容因子。
很顯然，擴(kuò)容因子越大越好，表明哈希表的空間利用率越高。
所以，很遺憾，二次探測法無法滿足我們的目標(biāo)，擴(kuò)容因子太小了，只有0.5，一半的空間都是浪費(fèi)的。
這時(shí)候又到了程序員哥哥們發(fā)揮他們聰明特性的時(shí)候了，經(jīng)過996頭腦風(fēng)暴后，又想出了一種新的哈希表實(shí)現(xiàn)方式——鏈表法。
鏈表法
不就是解決沖突嘛！出現(xiàn)沖突我就不往數(shù)組中去放了，我用一個(gè)鏈表把同一個(gè)數(shù)組下標(biāo)位置的元素連接起來，這樣不就可以充分利用空間了嘛，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，然后你就會(huì)發(fā)現(xiàn)幾乎所有的元素都跑到同一個(gè)鏈表中去了，呵呵，最后的結(jié)果就是你的哈希表退化成了鏈表，查詢插入元素的效率都變成了O(n)。
此時(shí)，當(dāng)然有辦法，擴(kuò)容因子干啥滴？
比如擴(kuò)容因子設(shè)置為1，當(dāng)元素個(gè)數(shù)達(dá)到8個(gè)時(shí)，擴(kuò)容成兩倍，一半的元素還在4號(hào)位置，一半的元素去到了12號(hào)位置，能緩解哈希表的壓力。
然鵝，依舊不是很完美，也只是從一個(gè)鏈表變成兩個(gè)鏈表，本文來源于公主號(hào)彤哥讀源碼。
聰明的程序員哥哥們這次開啟了一次長大9127的頭腦風(fēng)暴，終于搞出了一種新的結(jié)構(gòu)——鏈表樹法。
鏈表樹法
雖然上面的擴(kuò)容在元素個(gè)數(shù)比較少的時(shí)候能解決一部分問題，整體的查找插入效率也不會(huì)太低，因?yàn)樵貍€(gè)數(shù)少嘛。
但是，黑客還在攻擊，元素個(gè)數(shù)還在持續(xù)增加，當(dāng)增加到一定程度的時(shí)候，總會(huì)導(dǎo)致查找插入效率特別低。
所以，換個(gè)思路，既然鏈表的效率低，我把它升級(jí)一下，當(dāng)鏈表長的時(shí)候升級(jí)成紅黑樹怎么樣？
嗯，我看行，說干就干。
嗯，不錯(cuò)不錯(cuò)，媽媽再也不怕我遭到黑客攻擊了，紅黑樹的查詢效率為O(log n)，比鏈表的O(n)要高不少。
所以，到這就結(jié)束了嗎？
你想多了，每次擴(kuò)容還是要移動(dòng)一半的元素好么，一顆樹分化成兩顆樹，這樣真的好么好么好么？
程序員哥哥們太難了，這次經(jīng)過了12127的頭腦風(fēng)暴，終于想出個(gè)新玩意——一致性Hash。
一致性Hash
一致性Hash更多地是運(yùn)用在分布式系統(tǒng)中，比如說Redis集群部署了四個(gè)節(jié)點(diǎn)，我們把所有的hash值定義為0~2^32個(gè)，每個(gè)節(jié)點(diǎn)上放置四分之一的元素。
此處只為舉例，實(shí)際Redis集群的原理是這樣的，具體數(shù)值不是這樣的。
此時(shí)，假設(shè)需要給Redis增加一個(gè)節(jié)點(diǎn)，比如node5，放在node3和node4中間，這樣只需要把node3到node4中間的元素從node4移動(dòng)到node5上面就行了，其它的元素保持不變。
這樣，就增加了擴(kuò)容的速度，而且影響的元素比較少，大部分請求幾乎無感知。
好了，到這里關(guān)于哈希表的進(jìn)化歷史就講到這里了，你有沒有Get到呢？
后記
本節(jié)，我們一起重新學(xué)習(xí)了關(guān)于哈希、哈希函數(shù)、哈希表相關(guān)的知識(shí)，在Java中，HashMap的終極形態(tài)是以數(shù)組+鏈表+紅黑樹的形式呈現(xiàn)的。
據(jù)說，這個(gè)紅黑樹還可以換成其它的數(shù)據(jù)結(jié)構(gòu)，比如跳表，你造嗎？
下一節(jié)，我們就來聊聊跳表這個(gè)數(shù)據(jù)結(jié)構(gòu)，并使用它來改寫HashMap，欲獲取最新推文，快點(diǎn)來關(guān)注我吧！
關(guān)注公號(hào)主“彤哥讀源碼”，解鎖更多源碼、基礎(chǔ)、架構(gòu)知識(shí)。