Hash冲突是怎么回事

Hash冲突是怎么回事

在这个文章正式开始之前，先几句话把这个问题说清楚了：我们常说的 Hash 冲突到底是怎么回事？

直接上个图片：

 

你说你看到这个图片的时候想到了什么东西？

有没有想到 HashMap 的数组加链表的结构？

对咯，我这里就是以 HashMap 为切入点，给大家讲一下 Hash 冲突。

接着我们看下面这张图：

 

假设现在我们有个值为 [why技术] 的 key，经过 Hash 算法后，计算出值为 1，那么含义就是这个值应该放到数组下标为 1 的地方。

但是如图所示，下标为 1 的地方已经挂了一个 eat 的值了。这个坑位已经被人占着了。

那么此时此刻，我们就把这种现象叫为 Hash 冲突。

HashMap 是怎么解决 Hash 冲突的呢？

链地址法，也叫做拉链法。

数组中出现 Hash 冲突了，这个时候链表的数据结构就派上用场了。

链表怎么用的呢？看图：

 

这样问题就被我们解决了。

其实 hash 冲突也就是这么一回事：不同的对象经过同一个 Hash 算法后得到了一样的 HashCode。

那么写到这里的时候我突然想到了一个面试题：

请问我上面的图是基于 JDK 什么版本的 HashMap 画的图？

为什么想到了这个面试题呢？

因为我画图的时候犹豫了大概 0.3 秒，往链表上挂的时候，我到底是使用头插法还是尾插法呢？

 

众所周知，JDK 7 中的 HashMap 是采用头插法的，即 [why技术] 在 [eat] 之前，JDK 8 中的 HashMap 采用的是尾插法。

这面试题怎么说呢，真的无聊。但是能怎么办呢，八股文该背还是得背。

面试嘛，背一背，不寒碜。

构建 HashCode 一样的 String

前面我们知道了，Hash 冲突的根本原因是不同的对象经过同一个 Hash 算法后得到了一样的 HashCode。

这句话乍一听：嗯，很有道理，就是这么一回事，没有问题。

比如我们常用的 HashMap ，绝大部分情况 key 都是 String 类型的。要出现 Hash 冲突，最少需要两个 HashCode 一样的 String 类。

那么我问你：怎么才能快速弄两个 HashCode 一样的 String 呢？

 

怎么样，有点懵逼了吧？

从很有道理，到有点懵逼只需要一个问题。

来，我带你分析一波。

我先问你：长度为 1 的两个不一样的 String，比如下面这样的代码，会不会有一样的 HashCode？

String a = "a";
String b = "b";

肯定是不会的，对吧。

如果你不知道的话，建议你去 ASCII 码里面找答案。

我们接着往下梳理，看看长度为 2 的 String 会不会出现一样的 HashCode？

要回答这个问题，我们要先看看 String 的 hashCode 计算方法，我这里以 JDK 8 为例：

 

我们假设这两个长度为 2 的 String，分别是 xy 和 ab 吧。

注意这里的 xy 和 ab 都是占位符，不是字符串。

类似于小学课本中一元二次方程中的未知数 x 和 y，我们需要带入到上面的 hashCode 方法中去计算。

hashCode 算法，最主要的就是其中的这个 for 循环。

 

for 循环里面的有三个我们不知道是啥的东西：h，value.length 和 val[i]。我们 debug 看一下：

 

h 初始情况下等于 0。

String 类型的底层结构是 char 数组，这个应该知道吧。

所以，value.length 是字符串的长度。val[] 就是这个 char 数组。

把 xy 带入到 for 循环中，这个 for 循环会循环 2 次。

第一次循环：h=0，val[0]=x，所以 h=31*0+x，即 h=x。

第二次循环：h=x，val[1]=y，所以 h=31*x+y。

所以，经过计算后， xy 的 hashCode 为 31*x+y。

同理可得，ab 的 hashCode 为 31*a+b。

由于我们想要构建 hashCode 一样的字符串，所以可以得到等式：

31x+y=31a+b

那么问题就来了：请问 x，y，a，b 分别是多少？

你算的出来吗？

你算的出来个锤子！黑板上的排列组合你不是舍不得解开，你就是解不开。

但是我可以解开，带大家看看这个题怎么搞。

数学课开始了。注意，我要变形了。

 

31x+y=31a+b 可以变形为：

31x-31a=b-y。

即，31(x-a)=b-y。

这个时候就清晰很多了，很明显，上面的等式有一个特殊解：

x-a=1，b-y=31。

因为，由上可得：对于任意两个字符串 xy 和 ab，如果它们满足 x-a=1，即第一个字符的 ASCII 码值相差为 1，同时满足 b-y=31，即第二个字符的 ASCII 码值相差为 -31。那么这两个字符的 hashCode 一定相等。

都已经说的这么清楚了，这样的组合对照着 ASCII 码表来找，不是一抓一大把吗？

Aa 和 BB，对不对？

Ab 和 BC，是不是？

Ac 和 BD，有没有？

 

好的。现在，我们可以生成两个 HashCode 一样的字符串了。

我们在稍微加深一点点难度。假设我要构建 2 个以上 HashCode 一样的字符串该怎么办？

我们先分析一下。

Aa 和 BB 的 HashCode 是一样的。我们把它两一排列组合，那不还是一样的吗？

比如这样的：AaBB，BBAa。

 

再比如我之前《震惊！ConcurrentHashMap里面也有死循环？》这篇文章中出现过的例子，AaAa，BBBB：

你看，神奇的事情就出现了。

我们有了 4 个 hashCode 一样的字符串了。

 

有了这 4 个字符串，我们再去和  Aa，BB 进行组合，比如 AaBBAa，BBAaBB......

4*2=8 种组合方式，我们又能得到 8 个 hashCode 一样的字符串了。

 

等等，我好像发现了什么规律似的。

如果我们以 Aa，BB 为种子数据，经过多次排列组合，可以得到任意个数的 hashCode 一样的字符串。字符串的长度随着个数增加而增加。

文字我还说不太清楚，直接 show you code 吧，如下：

public class CreateHashCodeSomeUtil {

    /**
     * 种子数据：两个长度为 2 的 hashCode 一样的字符串
     */
    private static String[] SEED = new String[]{"Aa", "BB"};
    
    /**
     * 生成 2 的 n 次方个 HashCode 一样的字符串的集合
     */
    public static List hashCodeSomeList(int n) {
        List initList = new ArrayList(Arrays.asList(SEED));
        for (int i = 1; i < n; i++) {
            initList = createByList(initList);
        }
        return initList;
    }

    public static List createByList(List list) {
        List result = new ArrayList();
        for (int i = 0; i < SEED.length; ++i) {
            for (String str : list) {
                result.add(SEED[i] + str);
            }
        }
        return result;
    }
}

通过上面的代码，我们就可以生成任意多个 hashCode 一样的字符串了。

就像这样：

 

所以，别再问出这样的问题了：

 

 

有了这些 hashCode 一样的字符串，我们把这些字符串都放到HashMap 中，代码如下：

public class HashMapTest {
    public static void main(String[] args) {
        Map hashMap = new HashMap();
        hashMap.put("Aa", "Aa");
        hashMap.put("BB", "BB");
        hashMap.put("AaAa", "AaAa");
        hashMap.put("AaBB", "AaBB");
        hashMap.put("BBAa", "BBAa");
        hashMap.put("BBBB", "BBBB");
        hashMap.put("AaAaAa", "AaAaAa");
        hashMap.put("AaAaBB", "AaAaBB");
        hashMap.put("AaBBAa", "AaBBAa");
        hashMap.put("AaBBBB", "AaBBBB");
        hashMap.put("BBAaAa", "BBAaAa");
        hashMap.put("BBAaBB", "BBAaBB");
        hashMap.put("BBBBAa", "BBBBAa");
        hashMap.put("BBBBBB", "BBBBBB");
    }
}

最后这个 HashMap 的长度会经过两次扩容。扩容之后数组长度为 64：

 

但是里面只被占用了三个位置，分别是下标为 0,31,32 的地方：

 

 

 

画图如下：

 

看到了吧，刺不刺激，长度为 64 的数组，存 14 个数据，只占用了 3 个位置。

这空间利用率，也太低了吧。

所以，这样就算是 hack 了 HashMap。恭喜你，掌握了一项黑客攻击技术：hash 冲突 Dos 。

如果你想了解的更多。可以看看石头哥的这篇文章：《没想到 Hash 冲突还能这么玩，你的服务中招了吗？》。

看到上面的图，不知道大家有没有觉得有什么不对劲的地方？

如果没有，那么我再给你提示一下：数组下标为 32 的位置下，挂了一个长度为 8 的链表。

是不是，恍然大悟了。在 JDK 8 中，链表转树的阈值是多少？

 

所以，在当前的案例中，数组下标为 32 的位置下挂的不应该是一个链表，而是一颗红黑树。

对不对？

 

对个锤子对！有的人稍不留神就被带偏了

 

这是不对的。链表转红黑树的阈值是节点大于 8 个，而不是等于 8 的时候。

也就是说需要再来一个经过 hash 计算后，下标为 32 的、且 value 和之前的 value 都不一样的 key 的时候，才会触发树化操作。

不信，我给你看看现在是一个什么节点：

 

没有骗你吧？从上面的图片可以清楚的看到，第 8 个节点还是一个普通的 node。

而如果是树化节点，它应该是长这样的：

 

不信，我们再多搞一个 hash 冲突进来，带你亲眼看一下，代码是不会骗人的。

那么怎么多搞一个冲突出来呢？

最简单的，这样写：

 

这样冲突不就多一个了吗？我真是一个天才，情不自禁的给自己鼓起掌来。

好了，我们看一下现在的节点状态是怎么样的：

怎么样，是不是变成了 TreeNode ，没有骗你吧？

 

什么？你问我为什么不把图画出来？

别问，问就是我不会画红黑树。正经人谁画那玩意。

另外，我还想多说一句，关于一个 HashMap 的面试题的一个坑。

面试官问：JDK 8 的 HashMap 链表转红黑树的条件是什么？

绝大部分背过面试八股文的朋友肯定能答上来：当链表长度大于 8 的时候。

这个回答正确吗？

是正确的，但是只正确了一半。

还有一个条件是数组长度大于 64 的时候才会转红黑树。

源码里面写的很清楚，数组长度小于 64，直接扩容，而不是转红黑树：

 

感觉很多人都忽略了“数组长度大于 64 ”这个条件。

背八股文，还是得背全了。

比如下面这种测试用例：

 

它们都会落到数组下标为 0 的位置上。

当第 9 个元素 BBBBAa 落进来的时候，会走到 treeifyBin 方法中去，但是不会触发树化操作，只会进行扩容操作。

因为当前长度为默认长度，即 16。不满足转红黑树条件。

所以，从下面的截图，我们可以看到，标号为 ① 的地方，数组长度变成了 32，链表长度变成了  9 ，但是节点还是普通 node：

 

怎么样，有点意思吧，我觉得这样学 HashMap 有趣多了。

 

实体类当做 key

上面的示例中，我们用的是 String 类型当做 HashMap 中的 key。

这个场景能覆盖我们开发场景中的百分之 95 了。

但是偶尔会有那么几次，可能会把实体类当做 key 放到 HashMap 中去。

注意啊，面试题又来了：在 HashMap 中可以用实体类当对象吗？

那必须的是可以的啊。但是有坑，注意别踩进去了。

我拿前段时间看到的一个新闻给大家举个例子吧：

 

假设我要收集学生的家庭信息，用 HashMap 存起来。

那么我的 key 是学生对象， value 是学生家庭信息对象。

他们分别是这样的：

public class HomeInfo {

    private String homeAddr;
    private String carName;
     //省略改造方法和toString方法
}

public class Student {

    private String name;
    private Integer age;
     //省略改造方法和toString方法

}

然后我们的测试用例如下：

public class HashMapTest {

    private static Map hashMap = new HashMap();

    static {
        Student student = new Student("why", 7);
        HomeInfo homeInfo = new HomeInfo("大南街", "自行车");
        hashMap.put(student, homeInfo);
    }

    public static void main(String[] args) {
        updateInfo("why", 7, "滨江路", "摩托");
        for (Map.Entry entry : hashMap.entrySet()) {
            System.out.println(entry.getKey()+"-"+entry.getValue());
        }
    }

    private static void updateInfo(String name, Integer age, String homeAddr, String carName) {
        Student student = new Student(name, age);
        HomeInfo homeInfo = hashMap.get(student);
        if (homeInfo == null) {
            hashMap.put(student, new HomeInfo(homeAddr, carName));
        }
    }
}

初始状态下，HashMap 中已经有一个名叫 why 的 7 岁小朋友了，他家住大南街，家里的交通工具是自行车。

然后，有一天他告诉老师，他搬家了，搬到了滨江路去，而且家里的自行车换成了摩托车。

于是老师就通过页面，修改了 why 小朋友的家庭信息。

最后调用到了 updateInfo 方法。

嘿，你猜怎么着？

我带你看一下输出：

 

更新完了之后，他们班上出现了两个叫 why 的 7 岁小朋友了，一个住在大南街，一个住在滨江路。

更新变新增了，你说神奇不神奇？

现象出来了，那么根据现象定位问题代码不是手到擒来的事儿？

很明显，问题就出在这个地方：

 

这里取出来的 homeInfo 为空了，所以才会新放一个数据进去。

那么我们看看为啥这里为空。

跟着 hashMap.get() 源码进去瞅一眼：

 

标号为 ① 的地方是计算 key ，也就是 student 对象的 hashCode。而我们 student 对象并没有重写 hashCode，所以调用的是默认的 hashCode 方法。

这里的 student 是 new 出来的：

 

所以，这个 student 的 hashCode 势必和之前在 HashMap 里面的 student 不是一样的。

因此，标号为 ③ 的地方，经过 hash 计算后得出的 tab 数组下标，对应的位置为 null。不会进入 if 判断，这里返回为 null。

那么解决方案也就呼之欲出了：重写对象的 hashCode 方法即可。

是吗？

等等，你回来，别拿着半截就跑。我话还没说完呢。

接着看源码：

 

HashMap put 方法执行的时候，用的是 equals方法判断当前 key 是否与表中存在的 key 相同。

我们这里没有重写 equals方法，因此这里返回了 false。

所以，如果我们 hashCode 和 equals方法都没有重写，那么就会出现下面示意图的情况：

 

如果，我们重写了 hashCode，没有重写 equals 方法，那么就会出现下面示意图的情况：

 

总之一句话：在 HashMap 中，如果用对象做 key，那么一定要重写对象的 hashCode 方法和 equals方法。否则，不仅不能达到预期的效果，而且有可能导致内存溢出。

比如上面的示例，我们放到循环中去，启动参数我们加上 -Xmx10m，运行结果如下：

 

因为每一次都是 new 出来的 student 对象，hashCode 都不尽相同，所以会不停的触发扩容的操作，最终在 resize 的方法抛出了 OOM 异常。

奇怪的知识又增加了

奇怪的知识又增加了两个。

第一个是在这本书里面，对于 HashMap 里面放对象的示例是这样的：

 

Groundhog：土拨鼠、旱獭。

Prediction：预言、预测、预告。

考虑一个天气预报系统，将土拨鼠和预报联系起来。

这 TM 是个什么读不懂的神仙需求？

 

幸好 why 哥学识渊博，闭上眼睛，去我的知识仓库里面搜索了一番。

原来是这么一回事。

在美国的宾西法尼亚州，每年的 2 月 2 日，是土拨鼠日。

根据民间的说法，如果土拨鼠在 2 月 2 号出洞时见到自己的影子，然后这个小东西就会回到洞里继续冬眠，表示春天还要六个星期才会到来。如果见不到影子，它就会出来觅食或者求偶，表示寒冬即将结束。

这就呼应上了，通过判断土拨鼠出洞的时候是否能看到影子，从而判断冬天是否结束。

这样，需求就说的通了。

 

第二个奇怪的知识是这样的。

关于 HashCode 方法，《Java编程思想(第4版)》里面是这样写的：

我一眼就发现了不对劲的地方：result=37*result+c。

前面我们才说了，基数应该是 31 才对呀？

 

作者说这个公式是从《Effective Java（第1版）》的书里面拿过来的。

这两本书都是 java 圣经啊，建议大家把梦幻联动打在留言区上。

《Effective Java（第1版）》太久远了，我这里只有第 2 版和第 3 版的实体书。

于是我在网上找了一圈第 1 版的电子书，终于找到了对应描述的地方：

 

可以看到，书里给出的公式确实是基于 37 去计算的。

翻了一下第三版，一样的地方，给出的公式是这样的：

 

而且，你去网上搜：String 的 hashCode 的计算方法。

都是在争论为什么是 31 。很少有人提到 37 这个数。

其实，我猜测，在早期的 JDK 版本中 String 的 hashCode 方法应该用的是 37 ，后来改为了 31 。

我想去下载最早的 JDK 版本去验证一下的，但是网上翻了个底朝天，没有找到合适的。

书里面为什么从 37 改到 31 呢？

作者是这样解释的，上面是第 1 版，下面是第 2 版：

用方框框起来的部分想要表达的东西是一模一样的，只是对象从 37 变成了 31 。

而为什么从 37 变成 31 ，作者在第二版里面解释了，也就是我用下划线标注的部分。

31 有个很好的特许，即用位移和减法来代替乘法，可以得到更好的性能：

31*i==（i<<5）-i。现代的虚拟机可以自动完成这种优化。

从 37 变成 31，一个简单的数字变化，就能带来性能的提升。

个中奥秘，很有意思，有兴趣的可以去查阅一下相关资料。

真是神奇的计算机世界。