前幾天在一個群里看到有人討論hashmap中的加載因子為什么是默認0.75。

HashMap源碼中的加載因子

static final float DEFAULT_LOAD_FACTOR = 0.75f;

當時想到的是應該是“哈希沖突”和“空間利用率”矛盾的一個折衷。
跟數據結構要么查詢快要么插入快一個道理，hashmap就是一個插入慢、查詢快的數據結構。

加載因子是表示Hash表中元素的填滿的程度。
加載因子越大,填滿的元素越多,空間利用率越高，但沖突的機會加大了。
反之,加載因子越小,填滿的元素越少,沖突的機會減小,但空間浪費多了。

沖突的機會越大,則查找的成本越高。反之,查找的成本越小。

因此,必須在 "沖突的機會"與"空間利用率"之間尋找一種平衡與折衷。

哈希沖突主要與兩個因素有關，（1）填裝因子，填裝因子是指哈希表中已存入的數據元素個數與哈希地址空間的大小的比值，a=n/m ; a越小，沖突的可能性就越小，相反則沖突可能性較大；但是a越小空間利用率也就越小，a越大，空間利用率越高，為了兼顧哈希沖突和存儲空間利用率，通常將a控制在0.6-0.9之間，而.net中的HashTable則直接將a的最大值定義為0.72 （雖然微軟官方MSDN中聲明HashTable默認填裝因子為1.0，但實際上都是0.72的倍數），（2）與所用的哈希函數有關，如果哈希函數得當，就可以使哈希地址盡可能的均勻分布在哈希地址空間上，從而減少沖突的產生，但一個良好的哈希函數的得來很大程度上取決于大量的實踐，不過幸好前人已經總結實踐了很多高效的哈希函數，可以參考大神Lucifer文章：數據結構：HashTable： http://www.cnblogs.com/lucifer1982/archive/2008/06/18/1224319.html

---

但是為什么一定是0.75？而不是0.8，0.6

本著不嫌事大的精神繼續深挖，在此之前先簡單補充點本文需要的基礎知識：

1.沖突定義：假設哈希表的地址集為［0，ｎ），沖突是指由關鍵字得到的哈希地址為j（0<=j<=n-1）的位置上已經有記錄。在關鍵字得到的哈希地址上已經有記錄，那么就稱之為沖突。

2.處理沖突：就是為該關鍵字的記錄扎到另一個“空”的哈希地址。即在處理哈希地址的沖突時，若得到的另一個哈希地址H1仍然發生沖突，則再求下一個地址H2，若H2仍然沖突，再求的H3，直至Hk不發生沖突為止，則Hk為記錄在表中的地址。

---

處理沖突的幾種方法：

一、 開放定址法

Hi=(H(key) + di) MOD m i=1,2,...k(k<=m-1)其中H(key)為哈希函數；m為哈希表表長；di為增量序列。

開放定址法根據步長不同可以分為３種：

1）線性探查法(Linear Probing)：di=1,2,3,...,m-1
　 簡單地說就是以當前沖突位置為起點，步長為１循環查找，直到找到一個空的位置就把元素插進去，循環完了都找不到說明容器滿了。就像你去一條街上的店里吃飯，問了第一家被告知滿座，然后挨著一家家去問是否有位置一樣。

2）線性補償探測法：di=Ｑ　下一個位置滿足 Hi=(H(key) + Ｑ) mod m i=1,2,...k(k<=m-1) ，要求 Q 與 m 是互質的，以便能探測到哈希表中的所有單元。
繼續用上面的例子，現在你不是挨著一家家去問了，拿出計算器算了一下，然后隔Ｑ家問一次有沒有位置。

3）偽隨機探測再散列：di=偽隨機數序列。還是那個例子，這是完全根據心情去選一家店來問了

缺點：

• 這種方法建立起來的hash表當沖突多的時候數據容易堆聚在一起，這時候對查找不友好；
• 刪除結點不能簡單地將被刪結 點的空間置為空，否則將截斷在它之后填人散列表的同義詞結點的查找路徑。因此在 用開放地址法處理沖突的散列表上執行刪除操作，只能在被刪結點上做刪除標記，而不能真正刪除結點
• 當空間滿了，還要建立一個溢出表來存多出來的元素。

二、再哈希法

Hi = RHi（key），i=1,2,...k
RHi均是不同的哈希函數，即在同義詞產生地址沖突時計算另一個哈希函數地址，直到不發生沖突為止。這種方法不易產生聚集，但是增加了計算時間。

缺點：增加了計算時間。

三、建立一個公共溢出區

假設哈希函數的值域為[0,m-1]，則設向量HashTable[0...m-1]為基本表，每個分量存放一個記錄，另設立向量OverTable[0....v]為溢出表。所有關鍵字和基本表中關鍵字為同義詞的記錄，不管他們由哈希函數得到的哈希地址是什么，一旦發生沖突，都填入溢出表。

簡單地說就是搞個新表存沖突的元素。

四、鏈地址法（拉鏈法）

將所有關鍵字為同義詞的記錄存儲在同一線性鏈表中，也就是把沖突位置的元素構造成鏈表。

拉鏈法的優點:

• 拉鏈法處理沖突簡單，且無堆積現象，即非同義詞決不會發生沖突，因此平均查找長度較短；
• 由于拉鏈法中各鏈表上的結點空間是動態申請的，故它更適合于造表前無法確定表長的情況；
• 在用拉鏈法構造的散列表中，刪除結點的操作易于實現。只要簡單地刪去鏈表上相應的結點即可。

拉鏈法的缺點：

• 指針需要額外的空間，故當結點規模較小時，開放定址法較為節省空間，而若將節省的指針空間用來擴大散列表的規模，可使裝填因子變小，這又減少了開放定址法中的沖突，從而提高平均查找速度

---

Java中HashMap的數據結構

HashMap實際上是一個“鏈表散列”的數據結構，即數組和鏈表的結合體。

HashMap數據結構，來源于網絡

看圖就可以知道Java中的hashMap使用了拉鏈法處理沖突。
HashMap有一個初始容量大小，默認是16

static final int DEFAULT_INITIAL_CAPACITY = 1 << 4; // aka 16

為了減少沖突的概率，當hashMap的數組長度到了一個臨界值就會觸發擴容，把所有元素rehash再放到擴容后的容器中，這是一個非常耗時的操作。

而這個臨界值由【加載因子】和當前容器的容量大小來確定：DEFAULT_INITIAL_CAPACITY*DEFAULT_LOAD_FACTOR ，即默認情況下是16x0.75=12時，就會觸發擴容操作。

所以使用hash容器時盡量預估自己的數據量來設置初始值。具體代碼實現自行去研究HashMap的源碼。

基礎知識補充完畢，回到正題，為什么加載因子要默認是0.75？
從hashmap源碼注釋里找到了這一段

Ideally, under random hashCodes, the frequency of

• nodes in bins follows a Poisson distribution
• (http://en.wikipedia.org/wiki/Poisson_distribution) with a
• parameter of about 0.5 on average for the default resizing
• threshold of 0.75, although with a large variance because of
• resizing granularity. Ignoring variance, the expected
• occurrences of list size k are (exp(-0.5) * pow(0.5, k) /
• factorial(k)). The first values are:
• 0: 0.60653066
• 1: 0.30326533
• 2: 0.07581633
• 3: 0.01263606
• 4: 0.00157952
• 5: 0.00015795
• 6: 0.00001316
• 7: 0.00000094
• 8: 0.00000006
• more: less than 1 in ten million

注意wiki鏈接中的關鍵字：Poisson_distribution
泊淞分布啊

簡單翻譯一下就是在理想情況下,使用隨機哈希碼,節點出現的頻率在hash桶中遵循泊松分布，同時給出了桶中元素個數和概率的對照表。

從上面的表中可以看到當桶中元素到達8個的時候，概率已經變得非常小，也就是說用0.75作為加載因子，每個碰撞位置的鏈表長度超過８個是幾乎不可能的。

好了，再深挖就要挖到統計學那邊去了，就此打住，重申一下使用hash容器請盡量指定初始容量，且是2的冪次方。

關于泊淞分布的知識請看

http://www.ruanyifeng.com/blog/2015/06/poisson-distribution.html#comment-356111

作者：Eric新之助
鏈接：https://www.jianshu.com/p/dff8f4641814
來源：簡書
著作權歸作者所有。商業轉載請聯系作者獲得授權，非商業轉載請注明出處。

轉載于:https://www.cnblogs.com/DarrenChan/p/8854859.html

總結

以上是生活随笔為你收集整理的[转]为什么Java中的HashMap默认加载因子是0.75的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。