如何在hashCode()中将long映射到int?

因为Java8你可以使用

Long.hashCode(guid);

对于旧版本的Java,可以使用以下命令:

Long.valueOf(guid).hashCode();

注意,这个解决方案为堆栈创建了一个新对象,而第一个没有(尽管Java很可能优化了对象的创建)

查看文档时,两种方法都使用以下算法:

(int)(this.longValue()^(this.longValue()>>>32))

这些都是不错的解决方案,因为它们利用了Java库——总是更好地利用已经测试过的东西。

如果你不使用 Guava 已经有了,但是番石榴可以 do this for you 很好地:

public int hashCode() {
  return Longs.hashCode(id);
}

这就相当于 Long.valueOf(id).hashCode() :

return (int) (value ^ (value >>> 32));

return Objects.hashCode(longValue, somethingElse, ...);

这个 long 会变成一个 Long 所以你会得到正确的hashcode作为整个hashcode的一部分。

你已经明白了 hashCode 正确地。是的,均匀分布是可取的(虽然不是实际要求)。

((id >> 32) ^ id) .

上述表达式:

• 使用原始值的所有位,不会预先丢弃任何信息。例如,根据生成id的方式,高位的变化可能更频繁(或相反)。
• 不会对多个1(零)的值引入任何偏差,因为如果将两个半部分与或(和)操作组合在一起,则会出现这种情况。

Java 8添加 Long.hashCode(long) 去JDK。

下面的代码可以产生更高的性能。此代码将计算减少到32位 int 而不是用64位计算 long

return (int)(value ^ (value >>> 32));

正如在其他答案中所指出的,这是 祝你愉快 avalanche effect 因此可能导致碰撞。可以使用加密散列函数来确保高雪崩效应。不过,还有其他算法,如 Murmur Hash information )它有很好的雪崩效果,但不会占用太多的CPU时间。

int result = (int)((longVal >> 32) ^ longVal);

将更均匀地分布,因为如果长值的高位发生变化,模将不会返回不同的值。

(l >> 32) ^ l 在大多数情况下是一个好的哈希代码;特别是当long有一个统一的分布时。

我举的例子是这样一个点类:

public class Point {
    private final long coords; //x in high-bits, y in low
    public int getX() {
        return (int)(coords >> 32);
    }
    public int getY() {
        return (int)coords;
    }
    public int hashCode() {
        return (int)((coords >> 32) ^ (coords));
    }
}

所以 coords

00000000 00000000 000000XX XXXXXXXX 00000000 00000000 000000YY YYYYYYYY

有2^20(1024*1024)种可能的组合。但是hashCode在做什么呢?

  00000000 00000000 000000XX XXXXXXXX 
^ 00000000 00000000 000000YY YYYYYYYY
-------------------------------------
= 00000000 00000000 000000?? ????????

1024:(1024*1024) 或 1:1024 . 所以马上就有1/1024的概率两个数字有相同的散列。

birthday problem . 设p(n)为n值时至少发生一次碰撞的概率。我们知道p(1025+)=1,因为只有1024个值。

p(n) = 1 - (n! * (1024 choose n))/1024^n

n: p(n)
1: 0.00000
2: 0.00098
3: 0.00293
4: 0.00585
5: 0.00973
6: 0.01457
...
38: 0.50096
...
79: 0.95444
...
148: 0.99999

只有38件,可能有碰撞。有148件物品,有99.999%的几率(至少一件)发生碰撞。有148件物品,每件物品与另一件物品碰撞的几率为7%。通过适当的散列函数,获取域的知识,这些数字很容易降到0。