散列

概述

Java 內(nèi)建的散列碼[hash code]概念被限制為 32 位，并且沒有分離散列算法和它們所作用的數(shù)據(jù)，因此很難用備選算法進行替換。此外，使用 Java 內(nèi)建方法實現(xiàn)的散列碼通常是劣質(zhì)的，部分是因為它們最終都依賴于 JDK 類中已有的劣質(zhì)散列碼。

Object.hashCode 往往很快，但是在預(yù)防碰撞上卻很弱，也沒有對分散性的預(yù)期。這使得它們很適合在散列表中運用，因為額外碰撞只會帶來輕微的性能損失，同時差勁的分散性也可以容易地通過再散列來糾正（Java 中所有合理的散列表都用了再散列方法）。然而，在簡單散列表以外的散列運用中，Object.hashCode 幾乎總是達不到要求——因此，有了 com.google.common.hash 包。

散列包的組成

在這個包的 Java doc 中，我們可以看到很多不同的類，但是文檔中沒有明顯地表明它們是怎樣 一起配合工作的。在介紹散列包中的類之前，讓我們先來看下面這段代碼范例：

    HashFunction hf = Hashing.md5();
    HashCode hc = hf.newHasher()
        .putLong(id)
        .putString(name, Charsets.UTF_8)
        .putObject(person, personFunnel)
        .hash();

HashFunction

HashFunction 是一個單純的（引用透明的）、無狀態(tài)的方法，它把任意的數(shù)據(jù)塊映射到固定數(shù)目的位指，并且保證相同的輸入一定產(chǎn)生相同的輸出，不同的輸入盡可能產(chǎn)生不同的輸出。

Hasher

HashFunction 的實例可以提供有狀態(tài)的 Hasher，Hasher 提供了流暢的語法把數(shù)據(jù)添加到散列運算，然后獲取散列值。Hasher 可以接受所有原生類型、字節(jié)數(shù)組、字節(jié)數(shù)組的片段、字符序列、特定字符集的字符序列等等，或者任何給定了 Funnel 實現(xiàn)的對象。

Hasher 實現(xiàn)了 PrimitiveSink 接口，這個接口為接受原生類型流的對象定義了 fluent 風格的 API

Funnel

Funnel 描述了如何把一個具體的對象類型分解為原生字段值，從而寫入 PrimitiveSink。比如，如果我們有這樣一個類：

    class Person {
        final int id;
        final String firstName;
        final String lastName;
        final int birthYear;
    }

它對應(yīng)的 Funnel 實現(xiàn)可能是：

    Funnel<Person> personFunnel = new Funnel<Person>() {
        @Override
        public void funnel(Person person, PrimitiveSink into) {
            into
                .putInt(person.id)
                .putString(person.firstName, Charsets.UTF_8)
                .putString(person.lastName, Charsets.UTF_8)
                .putInt(birthYear);
        }
    }

注：putString(“abc”, Charsets.UTF_8).putString(“def”, Charsets.UTF_8)完全等同于 putString(“ab”, Charsets.UTF_8).putString(“cdef”, Charsets.UTF_8)，因為它們提供了相同的字節(jié)序列。這可能帶來預(yù)料之外的散列沖突。增加某種形式的分隔符有助于消除散列沖突。

HashCode

一旦 Hasher 被賦予了所有輸入，就可以通過 [hash()](http://docs.guava-libraries.googlecode.com/git-history/release/javadoc/com/google/common/hash/Hasher.html#hash())方法獲取 HashCode 實例（多次調(diào)用 hash()方法的結(jié)果是不確定的）。HashCode 可以通過 [asInt()](http://docs.guava-libraries.googlecode.com/git-history/release/javadoc/com/google/common/hash/HashCode.html#asInt())、[asLong()](http://docs.guava-libraries.googlecode.com/git-history/release/javadoc/com/google/common/hash/HashCode.html#asLong())、[asBytes()](http://docs.guava-libraries.googlecode.com/git-history/release/javadoc/com/google/common/hash/HashCode.html#asBytes())方法來做相等性檢測，此外，writeBytesTo(array, offset, maxLength)把散列值的前 maxLength字節(jié)寫入字節(jié)數(shù)組。

布魯姆過濾器[BloomFilter]

布魯姆過濾器是哈希運算的一項優(yōu)雅運用，它可以簡單地基于 Object.hashCode()實現(xiàn)。簡而言之，布魯姆過濾器是一種概率數(shù)據(jù)結(jié)構(gòu)，它允許你檢測某個對象是一定不在過濾器中，還是可能已經(jīng)添加到過濾器了。布魯姆過濾器的維基頁面對此作了全面的介紹，同時我們推薦 github 中的一個教程。

Guava 散列包有一個內(nèi)建的布魯姆過濾器實現(xiàn)，你只要提供 Funnel 就可以使用它。你可以使用 create(Funnel funnel, int expectedInsertions, double falsePositiveProbability)方法獲取 BloomFilter，缺省誤檢率[falsePositiveProbability]為 3%。BloomFilter 提供了 boolean mightContain(T) 和 void put(T)，它們的含義都不言自明了。

    BloomFilter<Person> friends = BloomFilter.create(personFunnel, 500, 0.01);
    for(Person friend : friendsList) {
    friends.put(friend);
    }

    // 很久以后
    if (friends.mightContain(dude)) {
    //dude不是朋友還運行到這里的概率為1%
    //在這兒，我們可以在做進一步精確檢查的同時觸發(fā)一些異步加載
    }

Hashing 類

Hashing 類提供了若干散列函數(shù)，以及運算 HashCode 對象的工具方法。

已提供的散列函數(shù)

HashCode 運算