为啥 HashMap 要求初始容量是 2 的幂？

Posted 2023-02-25

【中文标题】为啥 HashMap 要求初始容量是 2 的幂？

【英文标题】：Why does HashMap require that the initial capacity be a power of two?为什么 HashMap 要求初始容量是 2 的幂？

【发布时间】：2012-01-11 05:58:56

【问题描述】：

我在翻Java的HashMap源码的时候看到下面的

//The default initial capacity - MUST be a power of two.
static final int DEFAULT_INITIAL_CAPACITY = 16;

我的问题是为什么首先存在这个要求？我还看到允许创建具有自定义容量的 HashMap 的构造函数将其转换为 2 的幂：

int capacity = 1;
while (capacity < initialCapacity)
  capacity <<= 1;

为什么容量总是必须是二的幂？

另外，当执行自动重新散列时，究竟会发生什么？哈希函数也改变了吗？

【参考方案1】：

映射必须计算出用于任何给定键的内部表索引，将任何int 值（可能为负）映射到[0, table.length) 范围内的值。当 table.length 是 2 的幂时，可以真的廉价地完成 - 并且在 indexFor 中：

static int indexFor(int h, int length) 
    return h & (length-1);

使用不同的表长度，您需要计算余数并确保它是非负数。这绝对是一个微优化，但可能是有效的:)

另外，当执行自动重新散列时，究竟会发生什么？哈希函数也改变了吗？

我不太清楚你的意思。使用了相同的哈希码（因为它们只是通过在每个键上调用 hashCode 来计算的），但是由于表长度的变化，它们在表中的分布不同。例如，当表长度为16时，5和21的哈希码最终都存储在表条目5中。当表长度增加到32时，它们将在不同的条目中。

【讨论】：

正是我想要的，谢谢。还有一个疑问，为什么 Entry 表是瞬态的，即使它保留了所有数据？

@Sushant：表中的数据在 writeObject 中显式序列化（因此所有空条目都不会被写出）。使字段瞬态停止正常的序列化代码也在对defaultWriteObject的调用中将其写出。

@JonSkeet h & (length-1) 如何处理底片？假设长度 =16 和 h = -7

@Jon 我正在尝试将您的答案与accepted answer here联系起来

这里不重要，但是Hashmap使用的key的hash不是key.hashCode()。散列是在key.hashCode() 之上应用的补充散列函数。这样做是为了防止糟糕的 hashCode 实现可能导致超出预期的冲突。

【参考方案2】：

理想的情况实际上是使用素数大小作为HashMap 的后备数组。这样，您的密钥将更自然地分布在整个阵列中。但是，这适用于 mod 划分，并且随着 Java 的每个版本，该操作变得越来越慢。 从某种意义上说，2 的力量是你能想象到的最差的表大小，因为糟糕的哈希码实现更有可能在数组中产生键冲突。

因此，您会在 Java 的 HashMap 实现中找到另一个非常重要的方法，即 hash(int)，它可以弥补糟糕的哈希码。

【讨论】：

是的，这很有意义，但作为额外的帮助，您能否多谈谈 hash(int) 函数如何改进原始哈希码。我看到它需要 xor 一些位，但我还没有完全理解它。

基本上，使用两个方法的力量使 hashCode 的低位成为重要的。对于糟糕的 hashCode 实现，这不会有太大差异（例如：10110111 和 00000111）。因此，随着所有位的移位，较高的位变得更重要。

“mod 操作随着 Java 的每一个版本变得越来越慢”的说法是相当具有误导性的。相反，位掩码操作以更快的速度变得更快，最终这两者都开始反映实际硬件的基本性能。在那个级别上，位掩码的性能肯定要高得多——足以让整个设置，包括额外的哈希码加扰步骤，仍然快得多。