有人能解释这些常数的意义以及为什么选择它们吗?
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);
}
来源:java-se6库
理解一个好的哈希函数的原因很难,因为实际上有很多不同的函数用于不同的目的。
Java的哈希表工作如下:
- 他们要求密钥对象生成其哈希代码。
hashCode()
方法的实现可能具有明显的可变质量(在最坏的情况下,返回一个常数值!),并且肯定不会适应您正在使用的特定哈希表 - 然后,他们使用上面的函数将比特混合一个比特,这样高位中的信息也会向下移动到低位。这很重要,因为接下来
- 他们采用哈希代码的mod(w.r.t.哈希表数组项的数量)来获得哈希表链数组的索引有一种明显的可能性,哈希表数组的大小将相当于2的幂,因此在步骤2中混合比特对于确保它们不会被丢弃非常重要
- 然后,它们遍历链,直到到达具有相等键的条目(根据
equals()
方法)
为了完成图片,哈希表数组中的条目数量是不恒定的;如果链太长,则会用一个新的更大的数组替换数组,并且所有内容都会被重新散列。这是相对较快的,并且对于正常使用模式(例如,大量put()
秒之后是大量get()
秒)具有良好的性能影响。
实际使用的常数是相当任意的(可能是通过对一些简单的语料库进行实验来选择的,这些语料库包括大量的Integer
和String
值),但它们的目的不是:将整个值中的信息扩展到值中的大多数低位,以确保尽可能好地使用hashCode()
输出中存在的信息。
(使用完美哈希或加密哈希是无法做到这一点的;尽管名称相似,但它们的实现策略却截然不同。前者需要了解密钥空间,以避免/减少冲突,而后者需要信息向各个方向移动,而不仅仅是低位。)
我也对这样的"神奇"数字感到好奇。据我所知,它们是幻数
广泛的测试已经证明,奇数和素数具有有趣的优先级,可以用于哈希(避免主要/次要聚类等)
我相信,大多数数字都是经过研究和测试得出的,这些研究和测试在统计上证明了良好的分布。为什么特别是这些数字会这样做,我不知道,但我有一个印象(希望这里的同事能纠正我,如果我偏离了方向),实施者都不知道为什么这些特定的数字会呈现出这些品质