谨慎使用String作为HashMap的Key

首先简单复习一下哈希表知识（大学课本定义）。

        根据设定的哈希函数f(key)和处理冲突的方法将一组关键字映像到一个有限的连续地址集（区间）上，并以关键字在地址集中的“像”作为记录在表中的存储位置，这种表便称为哈希表。

         哈希函数f(key)是一个映像，使得任何关键字由此所得到的哈希函数值都落在表允许范围之内。

         对不同的关键字可能得到同一哈希地址，即key!=key2，但是f(key1)=f(key2)，这种现象称为冲突。一般情况下，冲突只能减少，而不能完全避免。

 

还不清楚？请百科普及一下吧。

 

 

通过上面的复习，我们知道，决定一个哈希表的性能主要是哈希表的键值的冲突概率。如果哈希后的冲突很低，性能就高，相反，性能则低。使用一个好的哈希算法，可以降低哈希冲突的概率，提高命中率。

 

但是，如果被哈希的Key本身就是重复的，那么哈希算法再好，也无法避免哈希值的冲突。

 

我们都知道，在Java中，HashMap一般是使用对象的hashcode作为哈希的Key的。那么使用String作为HashMap的Key，好不好呢？或者，你在不知情的情况一下，已经干过很多次了。

 

String的hashCode方法。

 

public int hashCode() {
	int h = hash;
        int len = count;
	if (h == 0 && len > 0) {
	    int off = offset;
	    char val[] = value;

            for (int i = 0; i < len; i++) {
                h = 31*h + val[off++];
            }
            hash = h;
        }
        return h;
    }

 

 

核心的代码就一行。就是

 

  h = 31*h + val[off++];

 他的意思就是一个字符串的hashcode，就是逐个按照字符的utf-16的编码值求和。

 

我个人觉得，像这样的计算hashcode的话，各个字符串很容易重复（虽然我数学不好）。比如："C9"和“Aw”

 的hashcode都是2134。这样的长度为2位的字符串，我用程序统计了一下，重复的概率大概是0.6665928。

 

当字符长度为3个字符时，重复的概率成上升趋势，达到0.8911293，4位时为0.9739272。当然，5位长度的概率我不知道，因为我的机器上跑不出来结果。

测试代码见附1。

 

这么高的重复率，如果你使用它作为hashcode的话，势必会造成很大的哈希冲突，从而降低哈希表最初的设计初衷，性能降低。

 

但是，那String设计的时候，为啥这样设计hashcode呢？我经过测试，当字符串仅为数字时，多长的字符串，hashcode都不会重复。这是为什么呢？

 

从他计算的公式的31的系数看，应该是31为一个跨度，即只要字符串中的字符串的跨度在31个之内，hash值就不会重复，经过测试，确实如此。也就是说，如果你使用纯英文大写或纯英文小写字母拼接起来的字符串，其hashcode一般不会重复的。不知道这个31最初是怎么算出来的，但是，毋庸置疑，我们可以通过重新String的hashcode方法，将31改为128，那么冲突就会大大降低。

 

看看可能会作为Key的情况。

1、MD5，一般是字母加数字，字符跨度为75.

2、oracle的sys_guid()产生的逐渐，字符跨度为43.

3、java的UUID，跨度为75.

4、其他唯一主键情况。

 

我对UUID进行了测试（SYS_GUID和md5跟UUID的拼接都类似，都是字母+数字）。1万个字符串，发现并没有重复的hashcode，1千万的时候，也就重复了117个，这是怎么回事呢？

 

有一种猜测是这样的，虽然UUID的跨度为75，但是随着字符串的长度的增长（UUID为36，包括中划线)，概率会逐渐降低。

还有一种猜测，就是UUID只去了75个字符组成的字符串的一部分，大大降低了hashcode重复的概率。

 

因此，对于以上类型的key，几乎不用担心重复的概率，但是如果你的字符串如果真的是随机的可见字符的话，那你可以看仔细了。当心你的hashMap变成List。

 

 

 

附1：计算字符串重复概率的代码

import java.util.HashMap;
/**
 * 测试字符串的hashcode重复几率
 * @author [e-mail]
 */
public class StringHashCode {
	
	static HashMap<Integer,Object> map = new HashMap<Integer,Object>(); 
	/**
	 * 第一个可见字符
	 */
    private static char startChar = ' '; 
    /**
     * 最后一个可见字符
     */
    private static char endChar = '~'; 
    private static int offset = endChar - startChar + 1; 
    /**
     * 重复次数
     */
    private static int dupCount = 0; 
    
    public static void main(String[] args) { 
        for(int len=1;len<5;len++){
        	 char[] chars = new char[len]; 
             tryBit(chars, len); 
             int total=(int)Math.pow(offset, len);
             System.out.println(len+":"+total + ":" + dupCount+":"+map.size()+":"+(float)dupCount/total);
        }
        
    } 
 
    private static void tryBit(char[] chars, int i) { 
        for (char j = startChar; j <= endChar; j++) { 
            chars[i - 1] = j; 
            if (i > 1) 
                tryBit(chars, i - 1); 
            else 
                test(chars); 
        } 
    } 
 
    private static void test(char[] chars) { 
    	Integer key = new String(chars).hashCode();
        if (map.containsKey(key)) { 
            dupCount++; 
        } else { 
            map.put(key, null); 
        } 
    } 
}

 

附2：计算字符串为长度为2的重复hashcode的代码

 

 

import java.util.HashMap;
/**
 * 测试字符串的hashcode重复几率
 * @author [e-mail]
 * 求长度为2的hashcode重复的字符串
 */
public class PrintStringHashCode {
	
	static HashMap<Integer,Object> map = new HashMap<Integer,Object>(); 
	/**
	 * 第一个可见字符
	 */
    private static char startChar = ' '; 
    /**
     * 最后一个可见字符
     */
    private static char endChar = 'z'; 
    private static int offset = endChar - startChar + 1; 
    /**
     * 重复次数
     */
    private static int dupCount = 0; 
    
    public static void main(String[] args) { 
    	int len =2;
		 char[] chars = new char[len]; 
	     tryBit(chars, len); 
	     int total=(int)Math.pow(offset, len);
	     System.out.println(len+":"+total + ":" + dupCount+":"+map.size()+":"+(float)dupCount/total);
    } 
 
    private static void tryBit(char[] chars, int i) { 
        for (char j = startChar; j <= endChar; j++) { 
            chars[i - 1] = j; 
            if (i > 1) 
                tryBit(chars, i - 1); 
            else 
                test(chars); 
        } 
    } 
 
    private static void test(char[] chars) { 
    	String s = new String(chars);
    	Integer key = s.hashCode();
        if (map.containsKey(key)) { 
            dupCount++; 
            System.out.println(map.get(key)+" same :"+s+" hashcode:"+key);
        } else { 
            map.put(key, s); 
        } 
    } 
}

 

 附件3测试UUID的代码：

 public static void testUUID(){
    	int count=1000000;
    	for(int i=0;i<count;i++){
    		String s = UUID.randomUUID().toString(); 
        	Integer key = s.hashCode();
            if (map.containsKey(key)) { 
            	System.out.println(s+":"+map.get(key));
                dupCount++; 
            } else { 
                map.put(key, s); 
            } 
    	}
    	System.out.println( dupCount+":"+map.size()+":"+(float)dupCount/count);
    }

 

 

请支持原创：

http://donlianli.iteye.com/blog/1979674

 

 

 

 

 

对这类话题感兴趣？欢迎发送邮件至[e-mail]

关于我：邯郸人，擅长Java，Javascript，Extjs，oracle sql。

更多我之前的文章，可以访问 我的空间

 

 

评论

3 楼 zui4yi1 2013-11-26  

都忘光了为啥用hash

2 楼 donlianli 2013-11-23  

53873039oycg 写道

数字+英文字符[a-z](总长度>10)作为HashMao的key这种情况下的重复几率如何，有点好奇，因为平时就是这么用的

如果跟UUID想类似，性能应该也没有什么问题，最好还是写个测试代码测试一下。

1 楼 53873039oycg 2013-11-23  

数字+英文字符[a-z](总长度>10)作为HashMao的key这种情况下的重复几率如何，有点好奇，因为平时就是这么用的