Tính nhất quán của hashCode () trên chuỗi Java

Giá trị hashCode của Chuỗi Java được tính là ( String.hashCode () ):

s[0]*31^(n-1) + s[1]*31^(n-2) + ... + s[n-1]

Có bất kỳ trường hợp nào (giả sử phiên bản JVM, nhà cung cấp, v.v.) theo đó biểu thức sau sẽ đánh giá là sai?

boolean expression = "This is a Java string".hashCode() == 586653468

Cập nhật # 1: Nếu bạn cho rằng câu trả lời là "có, có những trường hợp như vậy" - thì vui lòng cho một ví dụ cụ thể khi "Đây là một chuỗi Java" .hashCode ()! = 586653468. Hãy cố gắng cụ thể / cụ thể càng tốt

Cập nhật # 2: Chúng ta đều biết rằng việc dựa vào các chi tiết triển khai của hashCode () nói chung là không tốt. Tuy nhiên, tôi đang nói cụ thể về String.hashCode () - vì vậy vui lòng giữ câu trả lời tập trung vào String.hashCode (). Object.hashCode () hoàn toàn không liên quan trong bối cảnh của câu hỏi này.

Tôi có thể thấy tài liệu đó xa như Java 1.2.

Mặc dù nói chung là bạn không nên dựa vào việc triển khai mã băm như cũ, nhưng giờ đây nó đã được ghi nhận hành vi java.lang.String, vì vậy việc thay đổi nó sẽ được tính là phá vỡ các hợp đồng hiện tại.

Bất cứ nơi nào có thể, bạn không nên dựa vào mã băm giữ nguyên các phiên bản, v.v. - nhưng trong suy nghĩ của tôi java.lang.Stringlà một trường hợp đặc biệt đơn giản vì thuật toán đã được chỉ định ... miễn là bạn sẵn sàng từ bỏ khả năng tương thích với các bản phát hành trước thuật toán đã được chỉ định, tất nhiên.

Tôi đã tìm thấy vài thứ về JDK 1.0 và 1.1 và> = 1.2:

Trong JDK 1.0.x và 1.1.x, hàm hashCode cho các chuỗi dài hoạt động bằng cách lấy mẫu mọi ký tự thứ n. Điều này khá đảm bảo bạn sẽ có nhiều chuỗi băm có cùng giá trị, do đó làm chậm quá trình tra cứu Hashtable. Trong JDK 1.2, chức năng đã được cải thiện để nhân kết quả cho đến nay sau đó thêm 31 ký tự tiếp theo. Điều này chậm hơn một chút, nhưng tốt hơn nhiều trong việc tránh va chạm. Nguồn: http://mindprod.com/jgloss/hashcode.html

Một cái gì đó khác biệt, bởi vì bạn dường như cần một số: Làm thế nào về việc sử dụng CRC32 hoặc MD5 thay vì mã băm và bạn rất tốt để đi - không cần thảo luận và không phải lo lắng gì cả ...

Bạn không nên dựa vào mã băm bằng với một giá trị cụ thể. Chỉ là nó sẽ trả về kết quả nhất quán trong cùng một thực thi. Các tài liệu API nói như sau:

Hợp đồng chung của hashCode là:

• Bất cứ khi nào nó được gọi trên cùng một đối tượng nhiều lần trong khi thực thi ứng dụng Java, phương thức hashCode phải luôn trả về cùng một số nguyên, miễn là không có thông tin nào được sử dụng trong các phép so sánh trên đối tượng được sửa đổi. Số nguyên này không cần nhất quán từ một thực thi của một ứng dụng đến một thực thi khác của cùng một ứng dụng.

EDIT Vì javadoc cho String.hashCode () chỉ định cách tính mã băm của Chuỗi, mọi vi phạm này sẽ vi phạm đặc tả API công khai.

Như đã nói ở trên, nói chung bạn không nên dựa vào mã băm của một lớp còn lại. Lưu ý rằng ngay cả các lần chạy tiếp theo của cùng một ứng dụng trên cùng một VM có thể tạo ra các giá trị băm khác nhau. Hàm băm của AFAIK the Sun JVM tính toán cùng hàm băm trên mỗi lần chạy, nhưng điều đó không được đảm bảo.

Lưu ý rằng đây không phải là lý thuyết. Hàm băm cho java.lang.String đã được thay đổi trong JDK1.2 (hàm băm cũ có vấn đề với các chuỗi phân cấp như URL hoặc tên tệp, vì nó có xu hướng tạo ra cùng một hàm băm cho các chuỗi chỉ khác nhau ở cuối).

java.lang.String là một trường hợp đặc biệt, vì thuật toán của hàm hashCode () của nó là (bây giờ) được ghi lại, vì vậy bạn có thể có thể dựa vào đó. Tôi vẫn coi đó là thực hành xấu. Nếu bạn cần một thuật toán băm với các thuộc tính đặc biệt, được ghi lại, chỉ cần viết một :-).

Một vấn đề khác (!) Đáng lo ngại là sự thay đổi có thể thực hiện giữa các phiên bản sớm / muộn của Java. Tôi không tin rằng các chi tiết triển khai được đặt trong đá và do đó có khả năng nâng cấp cho tương lai phiên bản Java có thể gây ra sự cố.

Điểm mấu chốt là, tôi sẽ không dựa vào việc thực hiện hashCode() .

Có lẽ bạn có thể làm nổi bật vấn đề mà bạn thực sự đang cố gắng giải quyết bằng cách sử dụng cơ chế này và điều đó sẽ làm nổi bật một cách tiếp cận phù hợp hơn.

Chỉ cần trả lời câu hỏi của bạn và không tiếp tục bất kỳ cuộc thảo luận nào. Việc triển khai JDK của Apache Harmony dường như sử dụng một thuật toán khác, ít nhất là nó trông hoàn toàn khác:

CN JDK

public int hashCode() {
    int h = hash;
    if (h == 0) {
        int off = offset;
        char val[] = value;
        int len = count;

        for (int i = 0; i < len; i++) {
            h = 31*h + val[off++];
        }
        hash = h;
    }
    return h;
}

Hài hòa Apache

public int hashCode() {
    if (hashCode == 0) {
        int hash = 0, multiplier = 1;
        for (int i = offset + count - 1; i >= offset; i--) {
            hash += value[i] * multiplier;
            int shifted = multiplier << 5;
            multiplier = shifted - multiplier;
        }
        hashCode = hash;
    }
    return hashCode;
}

Hãy tự mình kiểm tra ...

Nếu bạn lo lắng về các thay đổi và có thể là VM không thể thay đổi, chỉ cần sao chép triển khai mã băm hiện có vào lớp tiện ích của riêng bạn và sử dụng mã đó để tạo mã băm.

Mã băm sẽ được tính dựa trên các giá trị ASCII của các ký tự trong Chuỗi.

Đây là cách triển khai trong Lớp Chuỗi như sau

public int hashCode() {
    int h = hash;
    if (h == 0 && value.length > 0) {
        hash = h = isLatin1() ? StringLatin1.hashCode(value)
                              : StringUTF16.hashCode(value);
    }
    return h;
}

Va chạm trong hashcode là không thể tránh khỏi. Ví dụ: các chuỗi "Ea" và "FB" cho cùng mã băm là 2236