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。



Java代码


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



Java代码


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

Java代码


import java.util.HashMap;

/**

* 测试字符串的hashcode重复几率

* @author donlianli@126.com

*/

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





Java代码


import java.util.HashMap;

/**

* 测试字符串的hashcode重复几率

* @author donlianli@126.com

* 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：

Java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);

}