Question

比较JDK 1.6中的HashMap和Hashtable源代码，我在HashMap中看到了以下代码：

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

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

然而，在Hashtable中，我看到了这一点：

table = new Entry[initialCapacity];

public Hashtable() {
    this(11, 0.75f);
}

所以我的问题是：为什么HashMap需要2的幂作为初始容量，而Hashtable选择11作为默认初始容量？我认为这与Hashtable是线程安全的并且不允许空键或值的事情无关。

Answer 1

以下文章详细介绍了这个问题：HashMap requires a better hashCode() - JDK 1.4 Part II。

根据那篇文章，转向两种尺寸的主要原因是位掩码比整数除法更快。这并非没有不良后果，原作者之一解释了这一点：

Joshua Bloch：使用二次幂的缺点是生成的哈希表对哈希函数（hashCode）的质量非常敏感。输入中的任何更改都必须影响哈希值的低位比特。（理想情况下，它应该以相同的可能性影响散列值的所有位。）因为我们无法保证这是真的，所以当我们切换到2的幂时，我们放入次要（或“防御性”）散列函数哈希表。在屏蔽低阶位之前，将该散列函数应用于hashCode的结果。它的工作是将信息分散在所有位上，特别是分散到低位。当然它必须快速运行非常，否则你就失去了切换到两倍大小的表的好处。 1.4中的原始二级散列函数证明是不够的。我们知道这是理论上的可能性，但我们认为它不会影响任何实际数据集。我们错了。替换的二级哈希函数（我在计算机的帮助下开发）具有强大的统计特性，几乎可以保证良好的桶分布。

Answer 2

Hashtable使用伪素数表大小并且增大表的大小相对较慢。 HashMap使用2的幂，比使用模数更快。

具有讽刺意味的是，2的幂的模数意味着需要一个好的hashCode（），因为顶部的位将被忽略，因此HashMap有一个重新排列hashCode的方法，以避免这个问题，这意味着它实际上可能更慢。位：Z

Answer 3

这可能有所帮助：

http://www.concentric.net/~Ttwang/tech/primehash.htm

基本上，如果我没记错的话，当你的哈希表的大小为2的幂时，很容易根据密钥的相关位较小来获得哈希函数。

使用素数（如11）作为表的大小，使得表行的冲突不太可能，因此插入“更便宜”。

Answer 4

表大小为2的幂的要求是一个实现细节，这个类的用户不知道 - 这就是为什么c'tor默默地将值调整为下一个更大的2的幂而不是标记错误。

Hashtable实现假设散列可能不是均匀分布的，因此它试图使用一些主要的bin，以避免散列的频率分布中的峰值。

这两个实现细节的组合会导致性能不佳。

（例如，原始哈希函数将是

int hash(String s, int nBins) {
    return s[0] % nBins;
}

如果nBins为32，则e和E最终位于同一个bin中，因此散列值的分布与字母出现的分布相关，这些字母具有明显的峰值 - 所以频率分配将在32处达到峰值。）

为什么HashMap的initialCapacity为11，而HashMap中的DEFAULT_INITIAL_CAPACITY为16且需要2的幂？

4 个答案: