当许多键具有相同的哈希码时，Java 8 的 HashMap 如何退化为平衡树？

Posted 2023-02-25

【中文标题】当许多键具有相同的哈希码时，Java 8 的 HashMap 如何退化为平衡树？

【英文标题】：How does Java 8's HashMap degenerate to balanced trees when many keys have the same hash code?

【发布时间】：2015-07-21 17:54:12

【问题描述】：

我读到键应该实现Comparable 来定义排序。 HashMap 如何结合散列和自然排序来实现树？没有实现 Comparable 的类，或者当多个不可相互比较的 Comparable 实现是同一个映射中的键时，该怎么办？

【参考方案1】：

HashMap 中的implementation notes comment 比我自己写的更能描述HashMap 的操作。了解树节点及其排序的相关部分是：

此映射通常用作分箱（分桶）哈希表，但是当箱变得太大时，它们会转换为 TreeNode 的箱，每个结构类似于 java.util.TreeMap 中的结构。 [...] TreeNode 的 bin 可以像任何其他 bin 一样被遍历和使用，但在填充过多时还支持更快的查找。 [...]

树箱（即元素都是 TreeNode 的箱）主要按 hashCode 排序，但在 tie 的情况下，如果两个元素属于相同的“C 类实现 Comparable”类型，则它们的 compareTo 方法用于排序. （我们保守地通过反射检查泛型类型来验证这一点——参见方法comparableClassFor）。当键具有不同的哈希值或可排序时，树箱增加的复杂性在提供最坏情况 O(log n) 操作时是值得的，因此，在 hashCode() 方法返回的值很差的意外或恶意使用下，性能会优雅地下降分布式的，以及许多键共享一个 hashCode 的，只要它们也是 Comparable 的。 （如果这些都不适用，与不采取预防措施相比，我们可能会浪费大约两倍的时间和空间。但唯一已知的案例源于糟糕的用户编程实践，这些实践已经很慢，以至于这没什么区别。）

当两个对象具有相同的哈希码但不能相互比较时，调用方法 tieBreakOrder 打破平局，首先通过字符串比较 getClass().getName() (!)，然后比较 System.identityHashCode。

实际的树构建从 treeifyBin 开始，从 bin 到达 TREEIFY_THRESHOLD（当前为 8）开始，假设哈希表至少具有 MIN_TREEIFY_CAPACITY 容量（当前为 64）。这是一个基本正常的红黑树实现 (crediting CLR)，但支持以与哈希箱相同的方式遍历的一些复杂性（例如，removeTreeNode）。

【讨论】：

但是如果 hashcode() 没有在对象中被覆盖，那么它无论如何都会调用 System.identityHashCode() 来查找 hashbucket。那么如果 key 没有覆盖 hashcode() 并且调用 tieBreakOrder 会发生什么？或者它会被调用吗？

@RohitSachan 如果密钥类型使用默认身份语义，则任何存储桶都不太可能变得足够满以转换为树存储桶，因为身份哈希码分布良好。但是这种情况没有特殊处理，所以是的，tieBreakOrder 仍然会调用identityHashCode 进行订购。

@Rohit Sachan：如果每次优化尝试都失败，它必须求助于 Java 8 之前的版本中已知的相同链表行为。

@NateGlenn find 在不可比较的情况下（最后一个 else-if 和 else）似乎是双向的，但我需要在调试器中逐步确认。但是，这引发了一个问题，为什么在这种情况下需要命令。

@NateGlenn 推测：字符串是最常见的 JDK 控制的类型。每个额外的类检查在特殊情况下带来的好处会减少，而在一般情况下会增加成本，也许只有 String 是最佳权衡。请注意，String 是最终的，因此它不是用于子类防御。可能是为了防止基于哈希冲突的DoS攻击； String hashCode 并不总是最好的。在某些时候，有一大串散列为 MIN_VALUE 的字符串，包括“polygenelubricants”。我想其他值的碰撞也是可能的。

【参考方案2】：

阅读code。主要是red-black tree。

它实际上不需要实现Comparable，但可以使用它（例如参见find method）

【参考方案3】：

HashMap 有它自己的哈希方法，它对里面的对象应用一个补充的 2 位长度哈希以避免这个问题：

对给定的 hashCode 应用补充散列函数，以防止劣质散列函数。这很关键，因为 HashMap 使用长度为 2 的幂的哈希表，否则会遇到低位没有差异的 hashCode 的冲突。注意：空键总是映射到哈希 0，因此索引为 0。

如果您想了解它是如何完成的，请查看source of the HashMap class 内部。

static int hash(int h) 
    // This function ensures that hashCodes that differ only by
    // constant multiples at each bit position have a bounded
    // number of collisions (approximately 8 at default load factor).
    h ^= (h >>> 20) ^ (h >>> 12);
    return h ^ (h >>> 7) ^ (h >>> 4);

【讨论】：

其实，没有。 hash 函数减少但不消除冲突，因此HashMap 仍然必须管理具有相同哈希值的键。

您已链接到旧版本的源代码。查看 Java 8 代码，您会发现它不再进行补充重新散列。该方法已不存在。