java HashSet源码简单剖析

1. 首先明确hash算法：

既然都是HashSet集合了，肯定与hash算法有关，我的理解就像是在查找新华字典（哈希表）一样，按照拼音（哈希值）先找到在哪页（哪个存储区域），再在该页（区域）查找。比全部遍历提高了查找效率。

2. HashSet集合是如何保证唯一性的？

通过追溯add()方法，了解到底层为HashMap的put(K key, V value)方法，源码如下：

public V put(K key, V value) {
if (table == EMPTY_TABLE) {
inflateTable(threshold);
}
if (key == null)
return putForNullKey(value);
int hash = hash(key);  //与对象的hashCode()有关
int i = indexFor(hash, table.length);//查找hash对应的存储区域位置
//循环倒序比较（先进入的最后比较）该区域的值
for (Entry<K,V> e = table[i]; e != null; e = e.next) {
Object k;
if (e.hash == hash && ((k = e.key) == key || key.equals(k))) {   //划重点！
V oldValue = e.value;
e.value = value;
e.recordAccess(this);
return oldValue;//添加失败
}
}

modCount++;
addEntry(hash, key, value, i);//按哈希值添加成功
return null;
}

很明显，元素唯一性和存储效率取决于对象的hashCode()和equals()方法。

3. 为什么要重写所装入对象的hashCode()和equals()方法?

如果不重写就会用继承自Object类的方法，而Object.hashCode()代表对象的十进制内存地址值，造成哈希值肯定不同，都不用equals()直接导致例如两个同名的学生对象能同时存在，无法满足“定制的”唯一性。

但是如果重写成如下方式了？

public int hashCode() {
return 0;
}

把哈希值变成一样的（0），于是都能在一个区域内用equals()比较对象的成员变量是否相同，如果不同则添加到集合。看起来不错，但是就变成了遍历对象了，效率太低。于是我们需要定制规则让不同的对象哈希值不同，于是与对象的成员变量关联起来，但是简单的成员变量的哈希值相加的和可能会造成一样的哈希值，这就造成了冲突。为了尽可能区分，于是乘以一个数，如下系统生成的hashCode()：（为什么是31？http://blog.csdn.net/tayanxunhua/article/details/20525251）

public int hashCode() {
final int prime = 31;
int result = 1;
result = prime * result + age;
result = prime * result + ((name == null) ? 0 : name.hashCode());
return result;
}

这样，通过调用对象hashCode()，相同哈希值的就会放在一起，然后用重写的equals()判断是否成员变量一致；不同的就直接加到集合中。

更进一步，我们或许可以得出这样的结论（其实是规定）：

如果两个对象相同（equals方法返回true），那么它们的hashCode值一定要相同；

如果两个对象的hashCode相同，它们并不一定相同。

当然，你未必要按照要求去做，但是如果你违背了上述原则就会发现在使用容器时，相同的对象可以出现在Set集合中，同时增加新元素的效率会大大下降（对于使用哈希存储的系统，如果哈希码频繁的冲突将会造成存取性能急剧下降）。