Question

对于HashMap<String, String> map，每次将键值对插入到地图中时，都会计算哈希值 -

java.lang.String#hashCode

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;
}

由于它非常不言自明，put操作的复杂性基本上是哈希计算的复杂性。

那么为put / get操作定义hashmap最坏情况时间复杂度的适当方法应该是什么？

如果您从哈希冲突角度看问题相同，可以在这里找到答案： Is a Java hashmap really O(1)?

Answer 1

当您根据N计算时间复杂度时，您必须首先确定N代表的内容。当我们讨论HashMap操作的复杂性时，N表示HashMap的大小（即HashMap中存储的键值对的数量）。

给定密钥的hashCode()的时间复杂度不依赖于HashMap中的条目数。因此，计算O(1)需要hashCode()时间（假设示例中String键的长度不是Map大小的函数 - 我们可以构造HashMap<String,String> i个Map个字符i中有hashCode()字符的O(N)奇怪HashMap，在该边缘情况下，O(N)计算需要O(1)时间，因此，所有hashCode()操作都需要O(1)次，而不是Map。）

计算HashMap后，需要Future时间来确定密钥是否已存在于CompletableFuture中（因为CompletionStage中每个存储桶的平均条目数{1}}由常量绑定。

Answer 2

Big O表示法正在谈论操作的复杂性。当涉及更多元素时，大多数操作变得更复杂（即花费更多时间），并且符号描述了复杂性相对于元素数量的增长方式。

使用O（1），表示操作与所涉及的元素数量无关。由于它自己的原因，哈希操作可能很快或很慢，但无论你有一个1元素的HashMap还是它们的googolplex，速度都不会改变。

应该注意的是，O（1）是摊销平均值，不能保证。最坏的情况被认为是O（n），假设是每次都返回相同散列的散列函数，但是可以想象（如评论中的user889742所提出的）具有故意错误的散列码函数，其执行甚至比这一点。

Answer 3

您必须知道(1)的用途。它是数组中元素的数量。插入HashMap的成本不会根据地图中的元素数量而变化（假设您在结构的整个生命周期内分摊了插入成本。）

正确的是，计算String的hashCode是O(n)，其中n是字符串的长度。但是一旦你拥有它，无论你使用它多少次，你都可以拥有它。因此，它的成本被认为是不变的。

为什么在HashMap操作的复杂性中不考虑哈希函数的复杂性？

3 个答案: