【Java 没基础之 Guava 用户指南个人翻译】—— Hashing

最新推荐文章于 2025-07-03 23:42:22 发布

原创最新推荐文章于 2025-07-03 23:42:22 发布 · 1.6k 阅读

0 ·

CC 4.0 BY-SA版权

文章标签：

#Guava #Guava中文指南 #Java #Hashing #哈希

Java基础修行同时被 2 个专栏收录

15 篇文章

订阅专栏

Guava

4 篇文章

订阅专栏

本文是关于Guava库中Hashing模块的个人翻译和解析，介绍了HashFunction、Hasher、Funnel和HashCode等概念，以及它们在处理哈希算法时的角色。文章还探讨了BloomFilter的使用，它是概率数据结构，用于判断元素是否存在。同时，文章提供了Guava中内置的哈希函数，如Murmur3的32位和128位实现。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

前言：

Guava 是非常棒的 Java 核心类库，其中各种工具类比如集合框架、图形库、工具类、字符串工具类、缓存技术等实现要优于Java本身的一部分代码。
于是我在业余时间开始结合网上资料加上我自己使用时的一些理解，翻译用户指南并完成一部分优秀代码的中文解析。
不求对别人多大帮助，只求查缺补漏

【Java 没基础——Guava用户指南】Hashing (哈希)

Overview (概述)

Java 的 HashCode 的长度被限制在 32 位，并且哈希算法与他们作用的数据(类或方法)之间没有分离，
因此很难使用另外的哈希算法进行替换。同时，Java 内建的哈希算法生成的 Hash 值是十分劣质的，有一部分原因是因为他们依赖于劣质的 Hashcode 实现，其中包括很多 JDK 中的实现类。

Java 中 Object.hashCode 运行十分快速，但是缺乏对 哈希碰撞 问题的预防，同时也缺乏对散列值的期望。这种特性却让他十分适合与应用在哈希表中，因为额外的哈希碰撞只会
带来很小的性能损失，同时十分差劲的分散性可以采用二次哈希的方法解决(Java 中几乎所有
合理的哈希算法(哈希函数)都采用这种方法进行实现)。然而，在简单哈希表之外的很多哈希应用中，
Object.hashCode却是不足的，因此com.google.common.hash包被设计出来。

Organization (组成)

通过查看包的 Java doc 文档，我们会发现很多不同的类，但是并没有明显的说明他们是如何协同工作的。

让我们先看一下这个类库的一部分代码：

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

HashFunction (哈希方法–生成Hash值的方法)

[HashFunction] 是一个对引用透明的、无状态(无返回值)的方法，他把任意的数据块映射到固定长度的地址中，
尽量确保相同的输入一定产生相同的输出，不同的输入产生不同的输出。

Hasher (哈希对象)

一个 HashFunciton 可以提供一个有状态的 [Hasher]，它提供了可以将输入数据十分快速的计算出哈希值的方法。
Hasher 可以接受任何形式的数据，byte arrays(字节数组)、slices of byte arrays(字节数组的片段)、character squences(特定字符集的字符序列)等等，
或者是任何一个提供了 Funnel 实现的对象。

Hasher 实现了 PrimitiveSink 接口，为 一个接受原生数据类型的流的对象 定义了 fluent 风格的 API。

Funnel

一个 [Funnel] 描述了如何将一个确定的对象分解为原生字段值。比如，我们有这样一个对象：

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

我们的 Funnel 可能看起来像这样

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) 等同于 putString("ab", Charsets.UTF_8).putString("cdef", Charsets.UTF_8), 因为他们生成相同的字节序列。这可能导致意料之外的 Hash冲突，
增加某种形式的分隔符有助于减少 Hash冲突。

HashCode

一旦 Hasher 拿到了所有的输入值, 他就可以调用 [hash()] 方法得到一个 [HashCode] 实例。
HashCode 支持平等性检测，比如 [asInt()], [asLong()], [asBytes()] 方法等,此外，
[writeBytesTo(array, offset, maxLength)] 方法支持将哈希值前 maxLength 长度的字节写入到数组中。

// 注：writeBytesTo 方法在 Guava 中如此定义： 
@CanIgnoreReturnValue
public int writeBytesTo(byte[] dest, int offset, int maxLength)
/**
解释：
    将 Hash code 的字节串拷贝到目标数组中
参数:
    dest - 将被字节数组写入的位置
    offset - 数据起始位
    maxLength - 字节数组的最大写入长度
返回值:
    int 写入到目标位置的字节数
*/

BloomFilter (一个过滤器)

Bloom filters 是哈希运算的一个优雅的运用, 不能简单的采用 Object.hashCode() 来实现。
简而言之，BloomFilter 是一个概率数据结构, 允许你测试一个对象一定不在这个过滤器中,
或者他可能已经存在与里面。对此，BloomFilter 的维基页面进行了相当详细的解释,
同时这里推荐一个关于BloomFilter 的教程。

Guava 的哈希类库中有个内建的 BloomFilter 实现, 只需要你提供一个 Funnel 的实现类，就能将他分解为原始类型。
你可以通过 [create(Funnel funnel, int expectedInsertions, double falsePositiveProbability)] 方法来获取一个 [BloomFilter<T>] 对象,
缺省误检率只有 3%。 BloomFilter<T> 提供了 [boolean mightContain(T)] 和 [void put(T)] 方法,
他们的功能显而易见。

BloomFilter<Person> friends = BloomFilter.create(personFunnel, 500, 0.01);
for (Person friend : friendsList) {
  friends.put(friend);
}
// 很久之后... 
if (friends.mightContain(dude)) { // 如果 dude 可能包括在 friends 中
  // dude 不是一个 friend(Person 的实现) 并且还运行到这里的概率为 1%
  // 我们可以在这对 dude 进行精确检查的同时进行一些异步加载。
}

Hashing

Hashing 提供了很多的哈希函数，和对 HashCode 对象进行操作运算的工具方法。

Provided Hash Functions(提供的Hash函数)

[md5()]
[murmur3_128()] 使用零值种子返回一个 murmur3 算法实现的 128 位的哈希值
[murmur3_32()] 使用零值种子返回一个 murmur3 算法实现的 32 位的哈希值
[sha1()] 被 Google 破解的安全哈希算法
[sha256()]
[sha512()]
[goodFastHash(int bits)] 返回一个多用途的，临时使用的，非加密的 Hash Function.

HashCode Operations 算法

方法名	描述
[`HashCode combineOrdered(Iterable<HashCode>)`]	以有序的方式使 HashCode 结合起来，如果两个 HashCode 集合采用此种方法结合后的 HashCode 相同，那么这两个 HashCode 集合中的元素可能是顺序相等的。
[`HashCode combineUnordered(Iterable<HashCode>)`]	以无序的方式使 HashCode 结合起来，如果两个 HashCode 集合采用此方法结合后的 HashCode 相同，那么这两个 HashCode 集合中的元素可能在某种排序方式下是顺序相等的。
[`int consistentHash(HashCode, int buckets)`]	以给定 buckets 的大小分配一致性哈希，最大限度的减少随 buckets 增长而进行重新映射的需要.了解详情一致性哈希 Wikipedia。