领先百科

  1. 首页 > 知识库 > >

为了彻底搞懂 hashCode，我钻了一下 JDK 的源码

生活百科

今天我们来谈谈 Java 中的 hashCode() 方法——通过源码的角度 。众所周知，Java 是一门面向对象的编程语言，所有的类都会默认继承自 Object 类，而 Object 的中文意思就是“对象” 。
Object 类中就包含了 hashCode() 方法：
@HotSpotIntrinsicCandidate
public native int hashCode();
意味着所有的类都会有一个 hashCode() 方法，该方法会返回一个 int 类型的值 。由于 hashCode() 方法是一个本地方法（native 关键字修饰的方法，用 C/C++ 语言实现，由 Java 调用），意味着 Object 类中并没有给出具体的实现 。
具体的实现可以参考 jdk/src/hotspot/share/runtime/synchronizer.cpp（源码可以到 GitHub 上 OpenJDK 的仓库中下载） 。get_next_hash() 方法会根据 hashCode 的取值来决定采用哪一种哈希值的生成策略 。


为了彻底搞懂 hashCode，我钻了一下 JDK 的源码

文章插图
并且 hashCode() 方法被 @HotSpotIntrinsicCandidate 注解修饰，说明它在 HotSpot 虚拟机中有一套高效的实现，基于 CPU 指令 。
我在 博客园 共输出了 100 多篇 Java 方面的文章，总字数超过 30 万字， 内容风趣幽默、通俗易懂，收获了很多初学者的认可和支持，内容包括 Java 语法、Java 集合框架、Java 并发编程、Java 虚拟机等核心内容 。


为了彻底搞懂 hashCode，我钻了一下 JDK 的源码

文章插图

为了帮助更多的 Java 初学者，我“一怒之下”就把这些文章重新整理并开源到了 GitHub，起名《教妹学 Java》，听起来是不是就很有趣？
GitHub 开源地址（欢迎 star）：https://github.com/itwanger/jmx-java
【为了彻底搞懂 hashCode，我钻了一下 JDK 的源码】大家有没有想过这样一个问题：为什么 Object 类需要一个 hashCode() 方法呢？
在 Java 中，hashCode() 方法的主要作用就是为了配合哈希表使用的 。
哈希表（Hash Table），也叫散列表，是一种可以通过关键码值（key-value）直接访问的数据结构，它最大的特点就是可以快速实现查找、插入和删除 。其中用到的算法叫做哈希，就是把任意长度的输入，变换成固定长度的输出，该输出就是哈希值 。像 MD5、SHA1 都用的是哈希算法 。
像 Java 中的 HashSet、Hashtable（注意是小写的 t）、HashMap 都是基于哈希表的具体实现 。其中的 HashMap 就是最典型的代表，不仅面试官经常问，工作中的使用频率也非常的高 。
大家想一下，如果没有哈希表，但又需要这样一个数据结构，它里面存放的数据是不允许重复的，该怎么办呢？
要不使用 equals() 方法进行逐个比较？这种方案当然是可行的 。但如果数据量特别特别大，采用 equals() 方法进行逐个对比的效率肯定很低很低，最好的解决方案就是哈希表 。
拿 HashMap 来说吧 。当我们要在它里面添加对象时，先调用这个对象的 hashCode() 方法，得到对应的哈希值，然后将哈希值和对象一起放到 HashMap 中 。当我们要再添加一个新的对象时：
  • 获取对象的哈希值；
  • 和之前已经存在的哈希值进行比较，如果不相等，直接存进去；
  • 如果有相等的，再调用 equals() 方法进行对象之间的比较，如果相等，不存了；
  • 如果不等，说明哈希冲突了，增加一个链表，存放新的对象；
  • 如果链表的长度大于 8，转为红黑树来处理 。
就这么一套下来，调用 equals() 方法的频率就大大降低了 。也就是说，只要哈希算法足够的高效，把发生哈希冲突的频率降到最低，哈希表的效率就特别的高 。
来看一下 HashMap 的哈希算法：
static final int hash(Object key) {
    int h;
    return (key == null) ? 0 : (h = key.hashCode()) ^ (h >>> 16);
}
先调用对象的 hashCode() 方法，然后对该值进行右移运算，然后再进行异或运算 。
通常来说，String 会用来作为 HashMap 的键进行哈希运算，因此我们再来看一下 String 的 hashCode() 方法：
public int hashCode() {
    int h = hash;
    if (h == 0 && value.length > 0) {
        hash = h = isLatin1() ? StringLatin1.hashCode(value)
                : StringUTF16.hashCode(value);
    }
    return h;
}
public static int hashCode(byte[] value) {
    int h = 0;
    int length = value.length >> 1;
    for (int i = 0; i < length; i++) {
        h = 31 * h + getChar(value, i);
    }
    return h;
}
可想而知，经过这么一系列复杂的运算，再加上 JDK 作者这种大师级别的设计，哈希冲突的概率我相信已经降到了最低 。
当然了，从理论上来说，对于两个不同对象，它们通过 hashCode() 方法计算后的值可能相同 。因此，不能使用 hashCode() 方法来判断两个对象是否相等，必须得通过 equals() 方法 。
也就是说：
  • 如果两个对象调用 equals() 方法得到的结果为 true，调用 hashCode() 方法得到的结果必定相等；
  • 如果两个对象调用 hashCode() 方法得到的结果不相等，调用 equals() 方法得到的结果必定为 false；
反之：
  • 如果两个对象调用 equals() 方法得到的结果为 false，调用 hashCode() 方法得到的结果不一定不相等；
  • 如果两个对象调用 hashCode() 方法得到的结果相等，调用 equals() 方法得到的结果不一定为 true；
来看下面这段代码 。
public class Test {
    public static void main(String[] args) {
        Student s1 = new Student(18, "张三");
        Map<Student, Integer> scores = new HashMap<>();
        scores.put(s1, 98);
        System.out.println(scores.get(new Student(18, "张三")));
    }
}
 class Student {
    private int age;
    private String name;

     public Student(int age, String name) {
         this.age = age;
         this.name = name;
     }

     @Override
     public boolean equals(Object o) {
         Student student = (Student) o;
         return age == student.age &&
                 Objects.equals(name, student.name);
     }
 }
我们重写了 Student 类的 equals() 方法，如果两个学生的年纪和姓名相同，我们就认为是同一个学生，虽然很离谱，但我们就是这么草率 。
在 main() 方法中，18 岁的张三考试得了 98 分，很不错的成绩，我们把张三和成绩放到了 HashMap 中，然后准备输出张三的成绩：
null
很不巧，结果为 null，而不是预期当中的 98 。这是为什么呢？
原因就在于重写 equals() 方法的时候没有重写 hashCode() 方法 。默认情况下，hashCode() 方法是一个本地方法，会返回对象的存储地址，显然 put() 中的 s1 和 get() 中的 new Student(18, "张三") 是两个对象，它们的存储地址肯定是不同的 。
HashMap 的 get() 方法会调用 hash(key.hashCode()) 计算对象的哈希值，虽然两个不同的 hashCode() 结果经过 hash() 方法计算后有可能得到相同的结果，但这种概率微乎其微，所以就导致 scores.get(new Student(18, "张三")) 无法得到预期的值 18 。
怎么解决这个问题呢？很简单，重写 hashCode() 方法 。
 @Override
 public int hashCode() {
     return Objects.hash(age, name);
 }
Objects 类的 hash() 方法可以针对不同数量的参数生成新的 hashCode() 值 。
public static int hashCode(Object a[]) {
 if (a == null)
     return 0;

 int result = 1;

 for (Object element : a)
     result = 31 * result + (element == null ? 0 : element.hashCode());

 return result;
}
代码似乎很简单，归纳出的数学公式如下所示（n 为字符串长度） 。

为了彻底搞懂 hashCode，我钻了一下 JDK 的源码

文章插图
注意：31 是个奇质数，不大不小，一般质数都非常适合哈希计算，偶数相当于移位运算，容易溢出，造成数据信息丢失 。
这就意味着年纪和姓名相同的情况下，会得到相同的哈希值 。scores.get(new Student(18, "张三")) 就会返回 98 的预期值了 。
《Java 编程思想》这本圣经中有一段话，对 hashCode() 方法进行了一段描述 。
设计 hashCode() 时最重要的因素就是：无论何时，对同一个对象调用 hashCode() 都应该生成同样的值 。如果在将一个对象用 put() 方法添加进 HashMap 时产生一个 hashCode() 值，而用 get() 方法取出时却产生了另外一个hashCode() 值，那么就无法重新取得该对象了 。所以，如果你的 hashCode() 方法依赖于对象中易变的数据，用户就要当心了，因为此数据发生变化时，hashCode() 就会生成一个不同的哈希值，相当于产生了一个不同的键 。
也就是说，如果在重写 hashCode() 和 equals() 方法时，对象中某个字段容易发生改变，那么最好舍弃这些字段，以免产生不可预期的结果 。
好 。有了上面这些内容作为基础后，我们回头再来看看本地方法 hashCode() 的 C++ 源码 。
static inline intptr_t get_next_hash(Thread* current, oop obj) {
  intptr_t value = 0;
  if (hashCode == 0) {
    // This form uses global Park-Miller RNG.
    // On MP system we'll have lots of RW access to a global, so the
    // mechanism induces lots of coherency traffic.
    value = os::random();
  } else if (hashCode == 1) {
    // This variation has the property of being stable (idempotent)
    // between STW operations.  This can be useful in some of the 1-0
    // synchronization schemes.
    intptr_t addr_bits = cast_from_oop<intptr_t>(obj) >> 3;
    value = addr_bits ^ (addr_bits >> 5) ^ GVars.stw_random;
  } else if (hashCode == 2) {
    value = 1;            // for sensitivity testing
  } else if (hashCode == 3) {
    value = ++GVars.hc_sequence;
  } else if (hashCode == 4) {
    value = cast_from_oop<intptr_t>(obj);
  } else {
    // Marsaglia's xor-shift scheme with thread-specific state
    // This is probably the best overall implementation -- we'll
    // likely make this the default in future releases.
    unsigned t = current->_hashStateX;
    t ^= (t << 11);
    current->_hashStateX = current->_hashStateY;
    current->_hashStateY = current->_hashStateZ;
    current->_hashStateZ = current->_hashStateW;
    unsigned v = current->_hashStateW;
    v = (v ^ (v >> 19)) ^ (t ^ (t >> 8));
    current->_hashStateW = v;
    value = v;
  }

  value &= markWord::hash_mask;
  if (value == 0) value = 0xBAD;
  assert(value != markWord::no_hash, "invariant");
  return value;
}
如果没有 C++ 基础的话，不用细致去看每一行代码，我们只通过表面去了解一下 get_next_hash() 这个方法就行 。其中的 hashCode 变量是 JVM 启动时的一个全局参数，可以通过它来切换哈希值的生成策略 。
  • hashCode==0，调用操作系统 OS 的 random() 方法返回随机数 。
  • hashCode == 1，在 STW（stop-the-world）操作中，这种策略通常用于同步方案中 。利用对象地址进行计算，使用不经常更新的随机数（GVars.stw_random）参与其中 。
  • hashCode == 2，使用返回 1，用于某些情况下的测试 。
  • hashCode == 3，从 0 开始计算哈希值，不是线程安全的，多个线程可能会得到相同的哈希值 。
  • hashCode == 4，与创建对象的内存位置有关，原样输出 。
  • hashCode == 5，默认值，支持多线程，使用了 Marsaglia 的 xor-shift 算法产生伪随机数 。所谓的 xor-shift 算法，简单来说，看起来就是一个移位寄存器，每次移入的位由寄存器中若干位取异或生成 。所谓的伪随机数，不是完全随机的，但是真随机生成比较困难，所以只要能通过一定的随机数统计检测，就可以当作真随机数来使用 。
至于更深层次的挖掘，涉及到数学知识和物理知识，就不展开了 。


    上一篇：ssm-mybatis入门

    下一篇：java安装完成 使用java完成基础的计算器编译