String.hashCode()返回值超出 int 的最大取值范围后会发生什么？

Posted 2022-05-19 Java知音_

tags:

篇首语：本文由小常识网(cha138.com)小编为大家整理，主要介绍了String.hashCode()返回值超出 int 的最大取值范围后会发生什么？相关的知识，希望对你有一定的参考价值。

点击关注公众号，实用技术文章及时了解

我们知道String.hashCode()返回的是一个int类型的数值，那当某个字符串的hash值超出int的最大范围后会发生什么呢？

首先我们来看下String.hashCode()的源码，看看它是如何计算一个字符串的hash值：

/** The value is used for character storage. */
    private final char value[];

    /** Cache the hash code for the string */
    private int hash; // Default to 0
/**
     * Returns a hash code for this string. The hash code for a
     * @code String object is computed as
     * <blockquote><pre>
     * s[0]*31^(n-1) + s[1]*31^(n-2) + ... + s[n-1]
     * </pre></blockquote>
     * using @code int arithmetic, where @code s[i] is the
     * <i>i</i>th character of the string, @code n is the length of
     * the string, and @code ^ indicates exponentiation.
     * (The hash value of the empty string is zero.)
     *
     * @return  a hash code value for this object.
     */
    public int hashCode() 
        int h = hash;
        if (h == 0 && value.length > 0) 
            char val[] = value;

            for (int i = 0; i < value.length; i++) 
                h = 31 * h + val[i];
            
            hash = h;
        
        return h;

从源码中我们可以看出：

1.String有一个私有变量hash来缓存哈希值，即当该串第一次调用hashCode()方法时，hash默认值为0，继续执行，当字符串长度大于0时计算出一个哈希值赋给hash,之后再调用hashCode()方法时不会重新计算，直接返回hash

2.计算时，使用的是该字符串截成的一个字符数组，用每个字符的ASCII值进行计算，根据注释可以看出哈希计算公式是：s[0]*31^(n-1) + s[1]*31^(n-2) + ... + s[n-1],n是字符数组的长度，s是字符数组

3.算法中还有一个乘数31，为什么使用31呢？

hash函数必须选用质数（在大于一的自然数中除了1和它本身以外不再有其他因数的自然数）这是被科学家论证过的hash函数减少冲突的理论
如果乘数是偶数，并且乘法溢出的话，信息就会丢失，因为使用偶数相当于位移运算（低位补0）
使用31有个很好的性能，即用移位和减法来代替乘法，可以得到更好的性能：31*i == (i<<5)-i，现代的VM可以自动完成这种优化
31是个不大不小的质数，兼顾了性能和冲突率。我们利用s[0]*31^(n-1) + s[1]*31^(n-2) + ... + s[n-1]这个公式，如果乘数换做是2或101计算字符串"abcde"这六个字母的hash值时，乘数为2，2^(6-1) = 32，乘数为101， 101^(6-1) = 10,510,100,501 一个太小一个太大。太小hash冲突概率大，太大过于分散占用存储空间大，所以选择一个不大不小的质数很有必要

也有实验证明31这个数值更优：

整形的数值区间是 [-2147483648, 2147483647]，区间大小为 2^32。

所以这里可以将区间等分成64个子区间，每个子区间大小为 2^26

乘子2算出的哈希值几乎全部落在第32分区，也就是 (0, 67108864)数值区间内，落在其他区间内的哈希值数量几乎可以忽略不计。这也就不难解释为什么数字2作为乘子时，算出哈希值的冲突率如此之高的原因了

和2基本上差不多

相对不错

分散比较均匀了

冲突率很低，这也说明哈希值溢出并不一定会导致冲突率上升。但是还是因为乘积太大导致整数溢出的问题。所以兼顾性能和冲突率31最为合适

看完了String.hashCode()的源码，可以肯定的说一定会有字符串计算出来的hash值是超出int的最大取值范围的，那这时候程序会怎么处理呢？

测试代码：

@Test
    public void test3() 

        System.out.println("a".hashCode());
        System.out.println("ab".hashCode());
        System.out.println("abc".hashCode());
        System.out.println("abcd".hashCode());
        System.out.println("abcde".hashCode());
        System.out.println("abcdef".hashCode());
  System.out.println("abcdefg".hashCode());

结果输出：

最后两个输出的是负数，按照公式来计算的话，"abcdef"的hash值应该是9259939531+102=2870581347，这明显已经超出了int的取值范围

在计算9259939531=2870581245时，结果已经超出了int的最大范围，这时Java虚拟机做了默认的类型提升，把中间结果用long类型存放，然后计算2870581245+102=2870581347返回结果依然不能被int容纳，根据Java的基础类型的变窄转换规则，取结果的低32位，然后在计算机中实际是用补码存储的，正数的补码=原码，所以2870581347在计算机中是这样的：

00000000 00000000 00000000 00000000 10101011 00011001 10011000 01100011

基于变窄转换，丢弃高于int宽度的部分，得到补码：

10101011 00011001 10011000 01100011

然后首位是符号位，1代表负数，负数的补码=反码+1，反推得到反码：

10101011 00011001 10011000 01100010

负数的反码=符号位不变，原码按位取反，反推得到原码：

11010100 11100110 01100111 10011101=-1010100 11100110 01100111 10011101

转化成十进制就是"-1424385949"，所以就有了上图的输出结果

来源：https://blog.csdn.net/weixin_45661382