是什么導致java.util.HashSet和HashMap.keySet（）類的iterator（）稍微不可預測的排序？

Question

六年前，我燒了幾天試圖追捕我完全確定的框架隨機響應的地方。 在精心追逐整個框架確保它全部使用相同的Random實例后，我繼續追逐單步執行代碼。 這是高度重復的迭代自調用代碼。 更糟糕的是，該死的效果只會在完成大量迭代后出現。 在+6小時后，當我在javadoc中為HashSet.iterator（）發現一行時，我終於處於智慧狀態，表明它不能保證返回元素的順序。 然后我瀏覽了整個代碼庫，並用LinkedHashSet替換了所有HashSet實例。 而且，我的框架正好向確定性生活邁進！ 哎呀！

我現在剛剛經歷過同樣的FREAKIN影響（至少這次只有3個小時）。 無論出於何種原因，我都錯過了HashMap碰巧為其keySet（）獲得相同方式的細節。

這是關於這個主題的SO線程，雖然討論從來沒有完全回答我的問題： HashSet的迭代順序

所以，我很好奇為什么會這樣。 鑒於我兩次都有一個巨大的單線程java應用程序在完全相同的實例化/插入空間中使用完全相同的JVM參數（來自同一批處理文件的多次運行）在同一台計算機上運行，​​幾乎沒有其他任何運行，可能會擾亂JVM使得HashSet和HashMap在經過大量迭代之后會表現得不可預測（並不是因為javadoc說不依賴於順序而不一致）？

從源代碼（java.util中的這些類的實現）或者你對JVM的了解（可能是某些GC影響內部java類在分配內部存儲空間時獲得非零內存的位置）的任何想法？

Answer 1

簡答

有一個權衡。 如果您希望對元素進行分攤的常量時間O（1）訪問，那么迄今為止的技術依賴於像散列這樣的隨機方案。 如果您想要對元素進行有序訪問，那么最佳工程權衡只能為您提供O（ln（n））性能。 對於你的情況，也許這並不重要，但是即使相對較小的結構，恆定時間和對數時間之間的差異也會產生很大的差異。

所以，是的，您可以仔細查看代碼並仔細檢查，但它歸結為一個相當實際的理論事實。 現在是刷掉那些支撐你房子基礎的下垂角落的Cormen （或Googly Bookiness ）副本上的灰塵的好時機，看看第11章（哈希表）和第13章（紅黑樹）。 這些將分別填充JDK的HashMap和TreeMap實現。

答案很長

您不希望Map或Set返回鍵/成員的有序列表。 這不是他們想要的。 地圖和集合結構不像基礎數學概念那樣排序，它們提供不同的性能。 這些數據結構的目標（如@thejh所指出的）是有效的攤銷insert ， contains和get時間，而不是維持排序。 您可以了解如何維護散列數據結構以了解權衡取舍。 看看關於Hash函數和哈希表的Wikipedia條目（具有諷刺意味的是，注意“無序映射”的Wiki條目重定向到后者）或計算機科學/數據結構文本。

請記住：除非您仔細查看合同是什么，否則不要依賴於ADT（特別是集合）的屬性，例如訂購，不變性，線程安全或其他任何內容。 請注意，對於Map，Javadoc清楚地說：

地圖的順序定義為地圖集合視圖上的迭代器返回其元素的順序。 一些地圖實現，比如TreeMap類，對它們的順序做出了特定的保證; 其他人，比如HashMap類，沒有。

和Set.iterator()有類似的：

返回此set中元素的迭代器。 元素以無特定順序返回（除非此集合是某個提供保證的類的實例）。

如果您想要這些的有序視圖，請使用以下方法之一：

• 如果它只是一個Set ，也許你真的想要一個SortedSet比如TreeSet
• 使用TreeMap ，它允許自然排序鍵或通過Comparator進行特定排序
• 摘要你的數據結構，如果這是你想要的行為，它可能是一個特定於應用程序的東西，並維護一個SortedSet鍵和一個Map ，它將在攤銷時間內表現更好。
• 獲取Map.keySet() （或者只是您感興趣的Set ）並將其放入SortedSet例如TreeSet ，使用自然順序或特定的Comparator 。
• 在對Map.Entry<K,V>進行排序后，使用Map.entrySet().iterator()它。 例如for (final Map.Entry<K,V> entry : new TreeSet(map.entrySet())) { }可以有效地訪問鍵和值。
• 如果您只是這樣做一次，您可以從結構中獲取一組值並使用Arrays.sort() ，它具有不同的性能配置文件（空間和時間）。

鏈接到源

如果您想查看juHashSet和juHashMap的源代碼，可以在GrepCode上找到它們。 請注意，HashSet只是HashMap的糖。 為什么不總是使用排序版本？ 好吧，正如我在上面提到的那樣，性能不同而且在某些應用中很重要。 請在此處查看相關的SO問題 。 您還可以在底部看到一些具體的性能數字（我沒有仔細查看以確認這些是准確的，但它們恰好證實了我的觀點，所以我會輕松地傳遞鏈接。:-)

Answer 2

我之前已經解決了這個問題，訂單並不重要 ，但確實影響了結果。

Java的多線程特性意味着具有完全相同輸入的重復運行可能受到（例如）分配新內存塊需要多長時間的微小時間差異的影響，這可能有時需要分頁到磁盤內容，以及其他不需要的內容。 其他一些不使用該頁面的線程可能會繼續，並且當考慮系統對象時，您最終可能會創建不同的對象創建順序。

這可能會影響JVM的不同運行中的等效對象的Object.hashCode()結果。

對我來說，我決定添加使用LinkedHashMap的小額開銷，以便能夠重現我正在運行的測試的結果。

Answer 3

http://download.oracle.com/javase/1.4.2/docs/api/java/lang/Object.html#hashCode ()說：

盡可能合理，Object類定義的hashCode方法確實為不同的對象返回不同的整數。 （這通常通過將對象的內部地址轉換為整數來實現，但JavaTM編程語言不需要此實現技術。）

那么內部地址可能會改變嗎？

這也意味着您可以通過為應該充當鍵的所有內容編寫自己的hashCode()方法，在不放棄速度的情況下修復它。

Answer 4

你永遠不應該依賴哈希映射的順序。

如果你想要一個確定性排序的Map，我建議你使用像TreeMap / TreeSet這樣的SortedMap / SortedSet，或者使用LinkedHashMap / LinkedHashSet。 我經常使用后者，不是因為程序需要排序，而是因為它更容易讀取日志/調試地圖的狀態。 即，當你添加一個鍵時，它每次都會結束。

您可以使用相同的元素創建兩個HashMap / HashSet，但根據集合的容量獲取不同的順序。 代碼運行方式的細微差別可能會觸發不同的最終存儲桶大小，從而導致不同的順序。

例如

public static void main(String... args) throws IOException {
    printInts(new HashSet<Integer>(8,2));
    printInts(new HashSet<Integer>(16,1));
    printInts(new HashSet<Integer>(32,1));
    printInts(new HashSet<Integer>(64,1));
}

private static void printInts(HashSet<Integer> integers) {
    integers.addAll(Arrays.asList(0,10,20,30,40,50,60,70,80,90,100));
    System.out.println(integers);
}

版畫

[0, 50, 100, 70, 40, 10, 80, 20, 90, 60, 30]
[0, 50, 100, 70, 80, 20, 40, 10, 90, 60, 30]
[0, 100, 70, 40, 10, 50, 80, 20, 90, 60, 30]
[0, 70, 10, 80, 20, 90, 30, 100, 40, 50, 60]

這里有HashSet，它們以相同的順序添加相同的值，導致不同的迭代器順序。 您可能沒有使用構造函數，但您的應用程序可能會間接導致不同的存儲桶大小。