Java集合类(4) —— 介绍HashSet

(1) 为啥要用HahSet?

      假如我们现在想要在一大堆数据中查找X数据。LinkedList的数据结构就不说了，查找效率低的可怕。ArrayList哪，如果我们不知道X的位置序号，还是一样要全部遍历一次直到查到结果，效率一样可怕。HashSet天生就是为了提高查找效率的。

 

(2) hashCode 散列码

      散列码是由对象导出的一个整数值。在Object中有一个hashCode方法来得到散列码。基本上，每一个对象都有一个默认的散列码，其值就是对象的内存地址。但也有一些对象的散列码不同，比如String对象，它的散列码是对内容的计算结果：

//String对象的散列码计算
String str="hello";
int hash=0;
for(int i=0;i<length();i++)
    hash=31*hash+charAt(i);

      那么下面散列码的结果不同也就好解释了。s和t都还是String对象，散列码由内容获得，结果一样。sb和tb是StringBuffer对象，自身没有hashCode方法，只能继承Object的默认方法，散列码是对象地址，当然不一样了。

String s=new String("OK");//散列码: 3030
String t="Ok";  /散列码: 3030
StringBuffer sb=new StringBuffer(s);  //散列码：20526976
StringBuffer tb=new StringBuffer(t);  //散列码：20527144

 

(3)  HashSet 散列表的内部结构

      HashSet是个链表数组。每一个数组元素就是一个列表，我们称为散列表元 。

                                                                  

 

(4) HashSet 如何add机制

        假如我们有一个数据(散列码76268)，而此时的HashSet有128个散列单元，那么这个数据将有可能插入到数组的第108个链表中(76268%128=108)。但这只是有可能，如果在第108号链表中发现有一个老数据与新数据equals()=true的话，这个新数据将被视为已经加入，而不再重复丢入链表。

       那么数据的散列码我知道，但HashSet的散列单元大小如何指定那?

       Java默认的散列单元大小全部都是2的幂，初始值为16（2的4次幂）。假如16条链表中的75%链接有数据的时候，则认为加载因子达到默认的0.75。HahSet开始重新散列，也就是将原来的散列结构全部抛弃，重新开辟一个散列单元大小为32（2的5次幂）的散列结果，并重新计算各个数据的存储位置。以此类推下去.....

 

(5) 为什么HashSet查找效率提高了。

      知道了HashSet的add机制后，查找的道理一样。直接根据数据的散列码和散列表的数组大小计算除余后，就得到了所在数组的位置，然后再查找链表中是否有这个数据即可。

      查找的代价也就是在链表中，但是真正一条链表中的数据很少，有的甚至没有。几乎没有什么迭代的代价可言了。所以散列表的查找效率建立在散列单元所指向的链表中的数据要少 。

 

(6) hashCode方法必须与equals方法必须兼容

      如果我们自己定义了一个类，想对这个类的大量对象组织成散列表结构便于查找。有一点一定要注意：就是hashCode方法必须与equals方法向兼容。

//hashCode与equals方法的兼容
public class Employee{
       public int id;
       public String name="";
       //相同id对象具有相同散列码
       public int hashCode(){ 
              return id;
       }
       //equals必须比较id
        public boolean equals(Employee x){
              if(this.id==x.id) return true;
              else return false;
       }
}

         为什么要这样，因为HashSet不允许相同元素(equals==ture)同时存在在结构中。假如employeeX(1111，“张三”)和employee(1111,"李四")，而Employee.equals比较的是name。这样的话，employeeX和employeeY的equals不相等。它们会根据相同的散列码1111加入到同一个散列单元所指向的列表中。这种情况多了，链表的数据将很庞大，散列冲突将非常严重，查找效率会大幅度的降低。

 

(6) 总结一下

      1、HashSet不能重复存储equals相同的数据 。原因就是equals相同，数据的散列码也就相同（hashCode必须和equals兼容）。大量相同的数据将存放在同一个散列单元所指向的链表中，造成严重的散列冲突，对查找效率是灾难性的。

      2、HashSet的存储是无序的 ，没有前后关系，他并不是线性结构的集合。

      3、hashCode必须和equals必须兼容， 这也是为了第1点。

 

评论

1 楼 yangmiao212 2009-10-20  

写得很好，赞楼主。